收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多源信息的步态识别算法研究

刘磊  
【摘要】:步态是指人行走的方式和风格。由于生理特点和行走习惯的差异,不同的人有不同的步态。步态识别技术在智能假肢、临床医学、康复治疗、运动分析等众多领域得到很好的应用,成为第二代生物特征识别技术的代表,它促进了模式识别、信号处理等领域的发展,具有重要的科学研究意义。步态识别的关键是寻找合适的步态特征及分类方法,为了提高步态识别的准确性,本文在研究步态识别算法基础上提出基于多源信息融合的步态识别算法,从多源信号的选择、预处理、特征提取、特征值融合、基于多源信息的步态识别等多个方面进行了理论探索和实践。主要研究内容如下:1.本文在分析了步态识别信息源特点基础上,选取5种步态(平地行走、上楼、下楼、上坡、下坡)的髋关节角度、加速度信号、下肢表面肌电信号和足底压力信号作为步态识别信息源,然后搭建了多源信息采集系统,分析了行走速度对步态参数、髋关节的角度的影响以及行走速度对下肢肌群作用的影响,为了解人体运动规律提供数据支持。2.针对表面肌电信号的不稳定性、随机性,在采集的过程中常常会受到噪声污染的特点,本文利用经验模态分解预处理后提取肌电信号时域、频域特征。髋关节角度、加速度信号小波去噪和零校准后,为了更加准确的表征髋关节角度、加速度的不同特征信息,利用足底压力信号分为支撑前期、支撑中期、支撑后期、摆动期4个细分模式,并采用不同方法对髋关节角度、加速度信号提取了细分模式下的特征值。3.为了避免过多的特征值增大算法的复杂度,利用核主成分分析(KPCA)在特征层上融合特征值,提出基于快速正交搜索(FOS)步态识别方法,该方法结合了KPCA的非线性融合能力和FOS的良好的分类能力,与主成分分析(PCA)和BP、PCA和FOS、KPCA和BP、PCA和支持向量机(SVM)、KPCA和SVM五种方法相比具有步态识别正确率高和分类时间较少的特点。4.本文分析了常用的分类器的优缺点,选用相关向量机(RVM)对步态进行识别,提出了基于多核多分类相关向量机的步态识别方法,不同的核函数融合了髋关节角度特征、髋关节加速度特征、下肢表面肌电信号特征,并采用萤火虫算法优化多核核参数,实验结果表明该方法能够较全面的描述步态特征,与单核RVM、BP、SVM、FOS相比,具有更高的识别率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 田光见,赵荣椿;基于傅立叶描绘子的步态识别[J];计算机应用;2004年11期
2 田光见;赵荣椿;;一种步态识别方法[J];计算机科学;2005年09期
3 洪文,黄凤岗,苏菡;基于连续隐马尔科夫模型的步态识别[J];应用科技;2005年02期
4 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年09期
5 田光见,赵荣椿;步态识别综述[J];计算机应用研究;2005年05期
6 赵子健;吴晓娟;;基于近似时空切片向量的步态识别方法研究[J];模式识别与人工智能;2005年05期
7 赵黎丽;侯正信;;步态识别问题的特点及研究现状[J];中国图象图形学报;2006年02期
8 许文芳;吴清江;;步态识别综述[J];福建电脑;2007年01期
9 彭彰;吴晓娟;杨军;;基于肢体长度参数的多视角步态识别算法[J];自动化学报;2007年02期
10 韩旭;刘冀伟;么键;那幼超;王志良;;一种改进的步态识别方法[J];电子器件;2007年04期
11 王科俊;侯本博;;步态识别综述[J];中国图象图形学报;2007年07期
12 苏菡;黄凤岗;;一种基于时空分析的步态识别方法[J];模式识别与人工智能;2007年02期
13 程琼;庄留杰;韦琳;;一种有效的步态识别方法[J];武汉科技学院学报;2007年07期
14 程琼;韦琳;;步态识别方法分析与研究[J];湖北经济学院学报(人文社会科学版);2007年11期
15 顾磊;吴慧中;肖亮;;一种基于多区域侧影面积的步态识别方法[J];模式识别与人工智能;2008年05期
16 齐美彬;王倩;蒋建国;;非规范视角步态识别研究[J];仪器仪表学报;2008年10期
17 任继钢;;步态识别综述[J];攀枝花学院学报;2008年06期
18 程琼;周炳松;付波;;步态识别系统设计[J];湖北工业大学学报;2008年05期
19 薛召军;靳静娜;明东;万柏坤;;步态识别研究现状与进展[J];生物医学工程学杂志;2008年05期
20 王科俊;刘丽丽;贲晛烨;;基于步态识别的智能监控系统研究[J];计算机应用;2009年02期
中国重要会议论文全文数据库 前8条
1 邓玉春;刘世平;;自动步态识别方法研究综述[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集(上册)[C];2007年
2 何卫华;李平;文玉梅;叶波;袁海军;;运用下肢关节角度信息进行步态识别[A];第十三届全国图象图形学学术会议论文集[C];2006年
3 肖军;苏洁;郑波;贾鹏宇;;智能仿生腿在不同路况下的步态识别系统研究[A];2007中国控制与决策学术年会论文集[C];2007年
4 张聪;明东;万柏坤;;基于小波描述子和人体骨架模型的多视角融合步态识别[A];天津市生物医学工程学会第29届学术年会暨首届生物医学工程前沿科学研讨会论文集[C];2009年
5 朱京红;方帅;高明;方杰;;基于人工免疫模型的步态识别方法[A];第十四届全国图象图形学学术会议论文集[C];2008年
6 叶波;文玉梅;李平;;基于核主元分析和支持向量机的步态识别算法[A];第十三届全国图象图形学学术会议论文集[C];2006年
7 王科俊;阎涛;吕卓纹;;基于耦合度量学习的特征级融合方法及在步态识别中的应用[A];2013年中国智能自动化学术会议论文集(第三分册)[C];2013年
8 王科俊;贲晛烨;;基于线性插值的特征模板构造的步态识别算法框架[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
中国博士学位论文全文数据库 前10条
1 刘磊;基于多源信息的步态识别算法研究[D];河北工业大学;2015年
2 贲晛烨;基于人体运动分析的步态识别算法研究[D];哈尔滨工程大学;2010年
3 曾玮;基于确定学习理论的人体步态识别研究[D];华南理工大学;2012年
4 张元元;基于序列统计特性的步态识别算法研究[D];山东大学;2010年
5 赵国英;基于视频的步态识别[D];中国科学院研究生院(计算技术研究所);2005年
6 薛召军;基于小波变换和支持向量机相结合的步态识别新方法研究[D];天津大学;2007年
7 胡荣;人体步态识别研究[D];华中科技大学;2010年
8 顾磊;基于图像序列的人体步态识别方法研究[D];南京理工大学;2008年
9 刘海涛;基于立体视觉的步态识别研究[D];中国科学技术大学;2010年
10 谭建辉;基于信息融合的红外步态识别新技术研究[D];广东工业大学;2011年
中国硕士学位论文全文数据库 前10条
1 李熙熙;基于腿部三角特征的贝叶斯步态识别方法研究[D];中南大学;2008年
2 杨鹏;步态识别中的常用方法[D];吉林大学;2010年
3 高海燕;人体步态识别研究[D];北京交通大学;2010年
4 刘丽君;基于区域面积的步态识别研究[D];中南民族大学;2010年
5 洪文;基于隐Markov模型的步态识别研究[D];哈尔滨工程大学;2005年
6 彭彰;基于肢体长度参数和视角归一化的多视角步态识别方法研究[D];山东大学;2006年
7 赵林毅;基于隐Markov模型的步态识别[D];大连理工大学;2006年
8 陈彦;基于独立分量分析的步态识别方法研究[D];西安电子科技大学;2007年
9 唐勇;人体步态识别系统的研究与实现[D];西安电子科技大学;2006年
10 石翠萍;三维步态识别[D];扬州大学;2007年
中国重要报纸全文数据库 前2条
1 编译 刘东征;新型“步态密码”给手机加把锁[N];北京科技报;2005年
2 若水;分析步态识别身份[N];光明日报;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978