步態(tài)識(shí)別國(guó)內(nèi)外研究現(xiàn)狀

步態(tài)識(shí)別國(guó)內(nèi)外研究現(xiàn)狀步態(tài)識(shí)別技術(shù)指通過分析人體步態(tài)的生物特征來識(shí)別和驗(yàn)證個(gè)體身份的一種生物識(shí)別技術(shù)，該技術(shù)可以應(yīng)用于安全監(jiān)控、智能家居、醫(yī)療健康等領(lǐng)域。本篇論文將從國(guó)內(nèi)外兩個(gè)方面介紹步態(tài)識(shí)別技術(shù)的研究現(xiàn)狀，并分析其存在的問題和未來發(fā)展趨勢(shì)。

一、國(guó)內(nèi)步態(tài)識(shí)別研究

我國(guó)步態(tài)識(shí)別研究相對(duì)起步較晚，但近年來隨著科技進(jìn)步和應(yīng)用需求的增加，該領(lǐng)域取得了不少進(jìn)展。目前國(guó)內(nèi)主要的步態(tài)識(shí)別技術(shù)包括基于視頻的步態(tài)識(shí)別技術(shù)和基于慣性測(cè)量單元（IMU）的步態(tài)識(shí)別技術(shù)。

1.基于視頻的步態(tài)識(shí)別技術(shù)

基于視頻的步態(tài)識(shí)別技術(shù)主要通過分析人體在行走過程中的姿態(tài)變化、步幅、步速等特征，從而對(duì)個(gè)體進(jìn)行身份驗(yàn)證。典型的方法包括基于特征提取的方法、基于模式識(shí)別的方法和基于深度學(xué)習(xí)的方法。

在特征提取方面，優(yōu)化類的特征選擇方法是目前應(yīng)用最為廣泛的技術(shù)。例如，Weng等人提出了一種結(jié)合多特征的步態(tài)識(shí)別方法，通過選擇人體的關(guān)鍵幀并應(yīng)用SIFT和HOG特征提取來識(shí)別個(gè)體身份（Weng等，2016）。但是，該方法存在識(shí)別率低和對(duì)光照等環(huán)境因素的敏感性等問題。

基于模式識(shí)別的方法可以分為有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)兩種。有監(jiān)督學(xué)習(xí)方法需要先訓(xùn)練分類器，然后使用測(cè)試數(shù)據(jù)進(jìn)行驗(yàn)證。呂等人提出了一種基于矩形規(guī)范化的卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型，能夠識(shí)別不同的步態(tài)(呂等，2018）。無監(jiān)督學(xué)習(xí)方法不需要事先提供標(biāo)簽數(shù)據(jù)，能夠自動(dòng)地組織數(shù)據(jù)，提取有價(jià)值的結(jié)構(gòu)。吳等人使用了非負(fù)矩陣分解方法來探索步態(tài)數(shù)據(jù)中的隱藏結(jié)構(gòu)（吳等，2017）。

基于深度學(xué)習(xí)的方法目前在步態(tài)識(shí)別領(lǐng)域也取得了不少進(jìn)展。Zhang等人提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）的步態(tài)識(shí)別算法，使用數(shù)據(jù)增強(qiáng)技術(shù)來增加訓(xùn)練數(shù)據(jù)的數(shù)量，并采用多任務(wù)學(xué)習(xí)的方式同時(shí)考慮髖關(guān)節(jié)和膝關(guān)節(jié)的信息，從而提高識(shí)別率（Zhang等，2020）。

2.基于IMU的步態(tài)識(shí)別技術(shù)

IMU是一種集成了加速度計(jì)、陀螺儀和磁力計(jì)等多種傳感器的設(shè)備，可以實(shí)時(shí)測(cè)量人體在空間中的運(yùn)動(dòng)狀態(tài)。基于IMU的步態(tài)識(shí)別技術(shù)主要是通過挖掘IMU傳感器所提供的加速度和角速度數(shù)據(jù)，來識(shí)別和驗(yàn)證個(gè)體身份。該技術(shù)與基于視頻的步態(tài)識(shí)別技術(shù)相比，具有時(shí)間分辨率高、適應(yīng)環(huán)境性好、隱私性強(qiáng)等特點(diǎn)，但精度相對(duì)較低。

目前，基于IMU的步態(tài)識(shí)別技術(shù)主要應(yīng)用于智能鞋墊、手持設(shè)備等個(gè)人佩戴設(shè)備上。該領(lǐng)域的研究者主要關(guān)注IMU數(shù)據(jù)的預(yù)處理和特征提取方法，以及算法的實(shí)時(shí)性和穩(wěn)定性等問題。張等人提出了一種基于小波變換的步態(tài)識(shí)別方法，通過分析IMU傳感器的數(shù)據(jù)來提取多種步態(tài)特征，以提高識(shí)別準(zhǔn)確率（張等，2017）。焦等人則提出了一種基于最小平方支持向量機(jī)（LS-SVM）的步態(tài)識(shí)別算法，能夠在控制高斯白噪聲的情況下保持高識(shí)別率（焦等，2017）。

二、國(guó)外步態(tài)識(shí)別研究

相較于國(guó)內(nèi)，國(guó)外步態(tài)識(shí)別研究領(lǐng)域更為成熟，經(jīng)過多年的發(fā)展，已經(jīng)形成了一批具有代表性的研究機(jī)構(gòu)和學(xué)者，并涌現(xiàn)出多項(xiàng)重要的研究成果。目前，國(guó)外步態(tài)識(shí)別研究主要集中在以下幾個(gè)方向。

1.基于視頻的步態(tài)識(shí)別技術(shù)

與國(guó)內(nèi)步態(tài)識(shí)別技術(shù)的研究方向類似，國(guó)外步態(tài)識(shí)別技術(shù)的研究也主要集中于基于視頻的步態(tài)識(shí)別技術(shù)方向。目前，典型的方法包括形態(tài)分析方法、局部劃分方法、時(shí)空+深度學(xué)習(xí)等方法。

形態(tài)分析方法主要是通過提取人體姿態(tài)、步幅和步速等特征，以減小經(jīng)典的影響因素，來提高識(shí)別水平。松本等人提出了一種基于人體末端點(diǎn)信息的步態(tài)識(shí)別算法，通過對(duì)上下肢末端點(diǎn)的距離、相對(duì)方向以及對(duì)稱回歸來提高步態(tài)識(shí)別準(zhǔn)確度（松本等，2020）。局部劃分方法則是通過對(duì)人體不同部位進(jìn)行劃分，并提取局部特征，來構(gòu)建特征空間，從而提高識(shí)別水平。Kodus等人提出了一種基于C3D網(wǎng)絡(luò)的深度學(xué)習(xí)方法，通過同時(shí)考慮foot-ankle、shin-knee和thigh-hip三個(gè)部位中的空間和時(shí)間信息來識(shí)別步態(tài)（Kodus等，2020）。時(shí)空+深度學(xué)習(xí)方法則是把時(shí)間和空間信息與深度學(xué)習(xí)相結(jié)合，能夠進(jìn)一步提高步態(tài)識(shí)別的精度。Liu等人提出了一種基于時(shí)空三維卷積神經(jīng)網(wǎng)絡(luò)（3D-CNN）的步態(tài)識(shí)別方法，通過融合時(shí)間和空間信息，從而提高識(shí)別率（Liu等，2021）。

2.基于傳感器的步態(tài)識(shí)別技術(shù)

基于傳感器的步態(tài)識(shí)別技術(shù)主要是通過采集人體運(yùn)動(dòng)信息，并提取與步態(tài)相關(guān)的特征進(jìn)行識(shí)別。這種技術(shù)相對(duì)于基于視頻的步態(tài)識(shí)別技術(shù)，在逼格低和適應(yīng)環(huán)境范圍窄等方面具有突出優(yōu)勢(shì)。

當(dāng)前，基于傳感器的步態(tài)識(shí)別主要應(yīng)用于智能鞋墊、手持設(shè)備、智能地毯等方面。受限于傳感器種類和個(gè)體特性，該技術(shù)的識(shí)別精度和穩(wěn)定性相對(duì)較低，在日常生活中的應(yīng)用場(chǎng)景較為受限。。

三、存在的問題與未來發(fā)展趨勢(shì)

盡管步態(tài)識(shí)別技術(shù)在應(yīng)用領(lǐng)域有廣泛的應(yīng)用前景，但隨著人工智能技術(shù)的不斷發(fā)展及應(yīng)用場(chǎng)景不斷拓展，步態(tài)識(shí)別技術(shù)仍存在一些問題和挑戰(zhàn)。

1、大數(shù)據(jù)訓(xùn)練不足

隨著科技的不斷進(jìn)步和以人類為中心的設(shè)計(jì)理念的不斷發(fā)展，步態(tài)識(shí)別的應(yīng)用場(chǎng)景將會(huì)越來越廣泛。然而，由于步態(tài)識(shí)別所需的數(shù)據(jù)是動(dòng)作序列，因此數(shù)據(jù)訓(xùn)練集相比其他生物識(shí)別技術(shù)較小，難以快速建立相關(guān)算法進(jìn)行驗(yàn)證。

2、識(shí)別精度和穩(wěn)定性問題

步態(tài)受很多因素影響，如個(gè)體身體特征、穿著物及地形地貌等，而近似性的步態(tài)很難識(shí)別。此外，基于視頻的步態(tài)識(shí)別需要比對(duì)離線采集到的圖像/視頻，對(duì)人體的追蹤效果和穩(wěn)定性要求較高。

3、數(shù)據(jù)隱私問題

作為一種新型的生物識(shí)別技術(shù)，步態(tài)識(shí)別同樣存在數(shù)據(jù)隱私問題。另外還有成本問題和應(yīng)用場(chǎng)景限制，比如基于視頻的步態(tài)識(shí)別需要相對(duì)較高的設(shè)備成本、位移和場(chǎng)景成本以及需要更多的人機(jī)互動(dòng)媒介。

為了解決上述問題和彌補(bǔ)步態(tài)識(shí)別研究還有的不足，未來步態(tài)識(shí)別技術(shù)需要加強(qiáng)多模態(tài)數(shù)據(jù)融合，優(yōu)化訓(xùn)練集建立；提高算法的自適應(yīng)和魯棒性，增加步態(tài)消歧模塊和噪聲過濾模塊；加強(qiáng)安全性和隱私性，建立更為完善的標(biāo)準(zhǔn)化認(rèn)證體系和區(qū)塊鏈技術(shù)體系，并為步態(tài)識(shí)別技術(shù)提供透明監(jiān)管?？傊綉B(tài)識(shí)別技術(shù)在智能安全、健康服務(wù)等領(lǐng)域的重要性和發(fā)展前景不容小覷，急需在技術(shù)、標(biāo)準(zhǔn)、政策等方面加強(qiáng)全面推進(jìn)。此外，隨著物聯(lián)網(wǎng)技術(shù)的不斷進(jìn)步和智能化應(yīng)用的普及，步態(tài)識(shí)別技術(shù)也將在更廣泛的場(chǎng)景下得到應(yīng)用，如智能家居、自動(dòng)駕駛、醫(yī)療康復(fù)等領(lǐng)域。在智能家居方面，步態(tài)識(shí)別技術(shù)可以應(yīng)用于行走追蹤、自動(dòng)調(diào)節(jié)照明和溫度等功能，為居家生活提供更加便利和舒適的體驗(yàn)。在自動(dòng)駕駛方面，步態(tài)識(shí)別技術(shù)可以用于駕駛員識(shí)別和安全監(jiān)控，提高自動(dòng)駕駛的準(zhǔn)確性和安全性。在醫(yī)療康復(fù)方面，步態(tài)識(shí)別技術(shù)可以用于康復(fù)跟蹤和評(píng)估，提高康復(fù)效果和效率。

未來，隨著新型傳感器和高效算法的不斷涌現(xiàn)，步態(tài)識(shí)別技術(shù)將得到更廣泛的應(yīng)用和推廣。例如，基于雷達(dá)或紅外線等新型傳感器的步態(tài)識(shí)別技術(shù)可以克服基于攝像頭的步態(tài)識(shí)別技術(shù)對(duì)光線和角度的敏感性；基于深度學(xué)習(xí)和人工智能技術(shù)的步態(tài)識(shí)別算