基于步行时地面反作用力的身份识别方法

摘要

本发明公开了一种基于步行时地面反作用力的身份识别方法，特征是利用由隐藏在地面或地板下的三维力测力平台组成的步态通道采集步行时的步态信息，并对其进行数据预处理，再采用小波包分解算法提取小波包分解系数、小波包能量、小波包分解系数的均值和方差表征步态特征，训练过程中利用特征选择算法和支持向量机分类器建立已训练的步态特征模板和分类模板，识别过程中利用已训练的步态特征模板对提取的待识别对象的步态特征进行特征映射，再利用已训练的分类模板对其进行模板匹配和识别，输出识别结果。本发明的步态信息采集和识别过程具有隐蔽性，不会引起察觉和人权纠纷，可以更好地满足高科技时代安全敏感场所的身份鉴别和安全防范需求。

主权项

一种基于步行时地面反作用力的身份识别方法，其特征在于包括训练过程和识别过程；所述训练过程包括：利用由隐藏在地面或地板下的三维力测力平台组成的步态通道采集步行时的步态信息并建立步态数据库，进行数据预处理、步态特征提取、步态特征选择和分类器训练，最终得到已训练的步态特征模板和分类模板；所述识别过程包括：获取待识别对象的实时步态信息以得到测试样本，对测试样本进行数据预处理、步态特征提取，利用已训练的步态特征模板对待识别对象提取的步态特征进行特征映射，再利用已训练的分类模板按照最近邻原则对测试样本进行模板匹配和识别，输出识别结果；所述步态信息是通过三维力测力平台采集的单步的地面反作用力，或连续多个单步的地面反作用力在时序上累加得到合成的地面反作用力；所述单步的地面反作用力或合成的地面反作用力都由左右方向剪切力、前后方向剪切力和垂直方向支撑力这三个分量组成；所述数据预处理包括去噪和有效样本挑选；所述去噪是指采用小波变换阈值法对地面反作用力数据进行分解和重构处理；所述有效样本挑选是指根据去噪后的地面反作用力中垂直方向支撑力的数据维数和峰值点数值是否在有效范围内判断，挑选在有效范围内的地面反作用力数据作为有效样本；所述有效范围是指与所采用的三维力测力平台的个数Np和采样频率Fp相关的数值范围，对于单步的地面反作用力，如果其中垂直方向支撑力的数据维数低于0.4Fp或高于0.8Fp，或垂直方向支撑力的波峰和波谷的纵坐标值相差超过300，即判定为无效样本，否则判定为有效样本；对于由Np个三维力测力平台采集的连续多个单步合成的地面反作用力，如果其中垂直方向支撑力的数据维数低于0.4Fp×Np或高于0.8Fp×Np，或垂直方向支撑力的波谷的个数少于Np个，或垂直方向支撑力的所有波谷的纵坐标值的最大最小值相差超过300，即判定为无效样本，否则判定为有效样本；所述步态特征提取是指采用小波包变换方法从地面反作用力中提取小波包分解系数、小波包能量、小波包分解系数的均值和方差来表征步态特征，即：首先采用分段线性插值算法对经过数据预处理的地面反作用力数据进行维数归一化，将有效样本的数据维数归一化到同一个值；再采用L层小波包分解算法对去噪和维数归一化后的有效样本进行小波包分解，分解得到2^L+1‑2个子小波包，以每个子小波包的小波包分解系数、小波包能量、小波包分解系数的均值和方差来表征步态特征；然后采用特征选择算法对小波包分解系数进行选择，挑选出最优小波包分解系数，将最优小波包分解系数与小波包能量、小波包分解系数的均值和方差组合，得到步态特征集和已训练的步态特征模板；所述小波包能量由小波包分解系数在对应的频带上进行积分计算得到；所述分类器训练是指采用支持向量机分类器对训练样本进行训练，得到已训练的分类模板。