基于图像序列和压力的步态识别研究的中期报告.docxVIP

基于图像序列和压力的步态识别研究的中期报告 1. 研究背景和意义 步态识别是近年来广泛应用于医疗、体育、安防等领域的研究热点之一，其应用前景十分广阔。目前较为常见的步态识别方法分为基于图像和基于传感器两类，其中基于图像的方法具有非接触式、低约束等特点，已经得到广泛应用。由于人体生理结构、运动轨迹等因素的影响，步态识别的准确度仍有待提高。因此，本研究选取基于图像序列和压力的步态识别方法进行深入研究，提高步态识别的准确性和实时性，为步态识别技术的实际应用提供支撑。 2. 研究方案设计 本研究选取10名参与者进行实验。先采集参与者的静态图像和足底压力数据，并利用OpenPose和深度学习算法进行图像序列的分析和处理，得到参与者的步态信息。将其和足底压力数据进行融合，通过机器学习算法进行步态识别。 3. 实验结果分析 在进行了若干次实验后，得出了如下结果： - 基于OpenPose和深度学习算法的图像序列分析方法可以有效提取出参与者的步态信息。 - 结合压力数据进行融合后，识别率得到了提高，特别是在步态相似的情况下准确率更高。 - 通过比较不同机器学习算法的表现发现，支持向量机（SVM）算法在本研究中取得了最佳的结果，其准确率达到了96%以上。 4. 研究成果总结 本研究针对基于图像序列和压力的步态识别问题进行了深入研究，并提出了一套完整的识别方案。实验结果表明，图像序列分析和压力融合的方