摘 要：基于模型的主流步态识别方法通常过于关注下肢运动而忽视上肢信息。为解决该方法中上肢信息利用率不足的问题，文章通过改进的 ZS 细化算法提取到更完整的上肢骨架，同时提出一种基于关节点定位的步态特征提取方法应用于重点人群步态分类。将细化所得人体骨架与行人轮廓图相结合，定位全身 10 个关节点坐标并建立人体模型，利用关节角度的时序特征进行分类效果验证，在中科院 CASIA-B 数据集上进行实验。实验结果表明：该文所提取的步态特征有较高的识别性能，平均步态识别率为 77.35%，同时使用上下肢进行步态分类的平均召回率为 84%，与仅采用下肢信息相比提高 38%。
关键词：步态识别；人群分类；关节点定位；上肢特征
DOI:10.19850/j.cnki.2096-4706.2023.02.018
基金项目：辽宁省教育厅青年科技人才“育苗”项目 (JYT2020130)；痕迹检验鉴定技术公安部重点实验室开放课题（HJKF201907）；公安部文件检验重点实验室开放课题 (FTKF202102)
中图分类号：TP391.4 文献标志码：A 文章编号：2096-4706（2023）02-0073-06
Research on Gait Classification Method of Key Population Based on Joint Point Location
LIU Yansong, SHEN Xin, SHEN Zhe
(College of Civil Aviation, Shenyang Aerospace University, Shenyang 110136, China)
Abstract: The mainstream gait recognition methods based on model usually pay too much attention to the movement of lower limbs and ignore the information of upper limbs. In order to solve the problem of insufficient utilization of upper limb information in this method, a more complete upper limb skeleton is extracted through the improved ZS thinning algorithm, and a gait feature extraction method based on joint point localization is proposed to apply to the gait classification of key populations. The human skeleton obtained by thinning algorithm is combined with the pedestrian contour map to locate the coordinates of 10 joint points of the whole body. Then the human model could be established. The classification effect is verified by using the time series feature of joint angle, and the experiment is carried out on CASIA-B dataset of Chinese Academy of Sciences. The experimental results show that the gait features extracted in this paper have high recognition performance. The average gait recognition rate is 77.35%, and the average recall rate of gait classification using upper and lower limbs is 84%, which is 38% higher than that using only lower limb information.
Keywords: gait recognition; population classification; joint point location; upper limb characteristic
参考文献：
[1] 陈建，胡长海 . 浅析新形势下重点人员动态管控对策 [J].河南警察学院学报，2013，22（4）：57-60.
[2] 李玺，查宇飞，张天柱，等 . 深度学习的目标跟踪算法综述 [J]. 中国图象图形学报，2019，24（12）：2057-2080.
[3] 孙哲南，赫然，王亮，等 . 生物特征识别学科发展报告 [J].中国图象图形学报，2021，26（6）：1254-1329.
[4] 柴艳妹，夏天，韩文英，等 . 步态识别研究进展 [J]. 计算机科学，2012，39（6）：10-15+46.
[5] 朱应钊，李嫚 . 步态识别现状及发展趋势 [J]. 电信科学，2020，36（8）：130-138.
[6] 王科俊，丁欣楠，邢向磊，等 . 多视角步态识别综述 [J].自动化学报，2019，45（5）：841-852.
[7] SINGH J P，JAIN S，ARORA S，et al.A survey of behavioral biometric gait recognition： current success and future perspectives [J]. Archives of Computational Methods in Engineering，2019，28（1）：1-42.
[8] 李贻斌，郭佳旻，张勤 . 人体步态识别方法与技术 [J]. 吉林大学学报：工学版，2020，50（1）：1-18.
[9] 王亮，胡卫明，谭铁牛 . 基于步态的身份识别 [J]. 计算机学报，2003（3）：353-360.
[10] JU H，BIR B. Individual Recognition Using Gait Energy Image [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2005，28（2）：316-322.
[11] 刘玉栋，苏开娜，马丽.一种基于模型的步态识别方法 [J].计算机工程与应用，2005（9）：88-92.
[12] LEE L，GRIMSON W E L. Gait analysis for recognition and classification [C]//Proceedings of Fifth IEEE International Conference on Automatic Face Gesture Recognition.Washington：IEEE，2002：1-8.
[13] 杨年峰 . 人体运动协调规律及其参数化描述 [D]. 北京：清华大学，2001.
[14] 马越，丁浩 . 人行走过程中膝关节角度特征研究 [J]. 刑事技术，2019，44（4）：322-326.
[15] 周倩，孙运强，姚爱琴，等 . 基于人体关节点定位的步态识别技术研究 [J]. 国外电子测量技术，2019，38（1）：52-56.
[16] 初凯 . 基于下肢关节点运动关系的特定人群步态识别 [J].山东农业大学学报：自然科学版，2020，51（6）：1170-1174.
[17] MOATAZ E，CHRISTOPHER K，JEONGHOON O， et al. Microsoft kinect can distinguish differences in over-ground gait between older persons with and without parkinson's disease [J].Medical Engineering and Physics，2016，44：1-7.
[18] 徐怡博 . 步态周期检测方法研究 [D]. 哈尔滨：哈尔滨工程大学，2018.
[19] 赵喜玲，张晓惠 . 基于动态特征和静态特征融合的步态识别方法 [J]. 湘潭大学自然科学学报，2017，39（4）：89-91.
[20] WANG L，TAN T，NING H Z，et al.Silhouette analysisbased gait recognition for human identification [J].IEEE Trans Pattern Anal Mach Intell，2003，25（12）：1505-1518.
[21] 韩建峰，宋丽丽 . 改进的字符图像细化算法 [J]. 计算机辅助设计与图形学学报，2013，25（1）：62-66.
[22] ZHANG T Y，SUEN C Y. A fast parallel algorithm for thinning digital patterns [J].Commun ACM，1984，27（3）：236-239.
[23] 常庆贺，吴敏华，骆力明 . 基于改进 ZS 细化算法的手写体汉字骨架提取 [J]. 计算机应用与软件，2020，37（7）：107-113+164.[24] 王晏 . 人体下肢运动分析 [D]. 大连：大连理工大学，2005.
[25] 王建辉，徐秀林 . 人体下肢动力学建模与仿真研究现状[J]. 中国康复理论与实践，2012，18（8）：731-733.
[26] 孙怡，王晏，宋植官 . 基于图像信息的人体下肢关节定位 [J]. 中国生物医学工程学报，2007（1）：157-160.
[27] 林珠，邢延 . 数据挖掘中适用于分类的时序数据特征提取方法 [J]. 计算机系统应用，2012，21（10）：224-229.
作者简介：刘岩松 (1963—)，男，汉族，辽宁沈阳人，教授，硕士研究生，研究方向：交通信息工程及控制；沈馨 (1995—)，女，汉族，江苏仪征人，硕士在读，研究方向：交通信息工程及控制；沈喆 (1980—)，女，汉族，辽宁鞍山人，讲师，博士，研究方向：图像处理。