改進(jìn)的譜特征和足底邊緣距離的步態(tài)識別

范玉紅，梁 棟，鮑文霞

（安徽大學(xué) 計(jì)算智能與信號處理教育部重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230039）

早期醫(yī)學(xué)研究表明［1－2］，由于人體骨骼肌肉系統(tǒng)的細(xì)微差異和行為習(xí)慣的差異，使得步態(tài)具有唯一性.而同一個體的步態(tài)觸覺信息受人體的骨骼、腳型和后天習(xí)慣等影響較大，從整體上體現(xiàn)了人體的生理特征和行為特征，具有特定性和相對穩(wěn)定性［3］，這為步態(tài)的識別奠定了基礎(chǔ).目前步態(tài)識別的方法分為2類，即計(jì)算機(jī)視覺法和步態(tài)觸覺特征法.計(jì)算機(jī)視覺法在捕捉視頻或圖像時(shí)易受外界干擾，運(yùn)動目標(biāo)被遮擋可導(dǎo)致圖像分割不準(zhǔn)確，給其應(yīng)用帶來很大困難.而步態(tài)觸覺特征法利用足底壓力測量技術(shù)測量步態(tài)觸覺信息，相對于計(jì)算機(jī)視覺法，不存在復(fù)雜背景和遮擋問題，不受外部光線、環(huán)境的影響，還可以獲取動態(tài)的足跡信息，可廣泛應(yīng)用于體育訓(xùn)練、臨床康復(fù)治療、工業(yè)設(shè)計(jì)、刑偵、考勤或門禁系統(tǒng)等.Queen等通過分析足底接觸面積、最大壓力值以及接觸時(shí)間等參數(shù)，比較了不同性別在比賽和正常訓(xùn)練中的受鞋型影響的情況［4］；Gurney等將腳步區(qū)域按照解剖學(xué)分為10個區(qū)域，考察每個區(qū)域的4個參數(shù)：最大壓強(qiáng)，最大壓力，沖量及接觸時(shí)間，使用5天的數(shù)據(jù)計(jì)算所有參數(shù)的組間相關(guān)系數(shù)和變異系數(shù)，證明了對同一人來說其足底壓力具有重復(fù)性［5］；Julie等研究了足底觸覺信息在糖尿病人步態(tài)中的應(yīng)用［6］.王明鑫等使用F－scan足底壓力分析系統(tǒng)收集100例志愿者站立、行走、慢跑、上下樓梯的足底壓力分布數(shù)據(jù)，分析5種生理狀態(tài)的足底壓力分布，研究性別、身高、體重、步速等因素對足底壓力分布的影響，得出了中國正常人的足底壓力分布具有獨(dú)特性，此對臨床足底壓力分析提供了參考［7］.

綜上所述，已有成果僅僅是針對足底壓力分布信息進(jìn)行步態(tài)觸覺特征分析的，但是實(shí)際中的足底壓力分布信息易受行走姿態(tài)、地形狀況、所穿鞋型等多種因素的影響，一般呈非線性變化，直接利用步態(tài)壓力分布特征進(jìn)行步態(tài)分析，所獲取特征的穩(wěn)定性和魯棒性不高，很難取得較好的應(yīng)用效果.因此，作者利用足底不同區(qū)域的幾何中心點(diǎn)位置和中心點(diǎn)所在區(qū)域的壓力平均值提取Laplace譜特征，并計(jì)算腳前掌和足跟部的部分邊緣輪廓到整足的幾何中心點(diǎn)的歐式距離以及整足的幾何中心點(diǎn)坐標(biāo)，由這3部分特征組合成最終的特征向量，利用SVM進(jìn)行分類識別.

1 數(shù)據(jù)采集

該文數(shù)據(jù)由中科院智能所研制的壓力測試板采集，該壓力測試板的測量面積為60cm×40cm，采樣頻率為100Hz［8］.圖1為壓力測試板所提取的步態(tài)壓力分布圖.一次完整采集后，得到包含各幀足底壓力分布的csv格式文件，然后從此文件中提取出每幀足底壓力矩陣，這些足底壓力矩陣是與壓力測試板中傳感器的排列方式相同的60×40矩陣，最后將這些矩陣保存成txt格式的文本文件，一個txt文件對應(yīng)一幀圖像.

圖1 步態(tài)壓力分布Fig.1 Gait pressure distribution

圖2為將圖1中沒有出現(xiàn)過壓力值的行和列刪除后左、右腳的足底壓力矩陣.圖2中每一個數(shù)值表示壓力測試板上對應(yīng)的傳感器采集到的足底壓力值，這樣就可以得到每個有壓力值的點(diǎn)的位置及其壓力值.實(shí)驗(yàn)中為了形象地將足底壓力矩陣顯示成圖像，把壓力值從0～127均分為16個部分，對應(yīng)Colormap Jet中16個不同的顏色區(qū)域，當(dāng)壓力值大于127時(shí)，也歸入第16個顏色區(qū)域.

圖2 足底壓力矩陣Fig.2 Plantar pressure matrix

2 數(shù)據(jù)預(yù)處理

2.1 提取關(guān)鍵幀

為了保證足跡的完整性和足底壓力變化的穩(wěn)定性，從保存的左、右腳的靜態(tài)步態(tài)數(shù)據(jù)中分別選擇站立穩(wěn)定后的15幀足底壓力圖像作為靜態(tài)步態(tài)識別的關(guān)鍵幀數(shù)據(jù).由于同一個體的足底觸覺信息具有特定性和穩(wěn)定性，那么不同個體所采集的足底壓力分布圖像就有差異，圖3給出了幾種常見的足底壓力分布圖像.

圖3 常見的足底壓力分布Fig.3 Common plantar pressure distribution

2.2 區(qū)域劃分

區(qū)域劃分的好壞直接影響后面的特征提取，所以采用更符合足底醫(yī)學(xué)結(jié)構(gòu)的劃分對步態(tài)識別至關(guān)重要.在身份識別中，分區(qū)域分析方法主要分為兩類：一類是手動分區(qū)域［9－11］，另一類是自動均分分區(qū)域.如Yamakama等［12］通過壓力傳感器采集并分析人在行走過程中的足底壓力圖像，進(jìn)行身份識別時(shí)，將足底近似均分為4個區(qū)域，分別是腳后跟、足弓部、腳前掌、腳趾4個區(qū)域.Takeda等［13］利用足底壓力圖像進(jìn)行身份識別時(shí)，在Yamakama等分區(qū)域方法的基礎(chǔ)上，又將腳后跟、足弓部、腳前掌和腳趾區(qū)域分別再分為2個區(qū)域，一共分為8個區(qū)域，如圖4a所示.

該文采用一種與以上2種自動分區(qū)域不同的方法，將足底壓力圖像從足跟到腳趾的方向劃分為6個部分，具體的劃分步驟如下：

（1）計(jì)算足底壓力圖像的非零總行數(shù)和非零總列數(shù)，分別記作r，c.將足跟部作為足底壓力圖像的第1部分，以作為第1部分的列，并重新計(jì)算這部分的非零行數(shù)，作為此部分的行，記作r1.

（2）足跟部的列數(shù)作為腳前掌區(qū)域的列數(shù)，行數(shù)為腳前掌區(qū)域的非零行數(shù)，記作R3.把腳前掌再分為上下兩部分，作為足底壓力圖像的第3、4部分，其行和列數(shù)分別為：

（3）足底壓力圖像的總列數(shù)減去足跟部列數(shù)和腳前掌列數(shù)，再除以2即為腳趾區(qū)域的列數(shù)，其行數(shù)與腳前掌區(qū)域的行數(shù)相同，同樣再把腳趾區(qū)域分為上下兩部分，作為足底壓力圖像的第5，6部分，其行和列數(shù)分別為：

（4）將足弓部作為足底壓力圖像的第2部分.其列數(shù)為余下的列數(shù)，即c2＝c－c1－c3－c5，并重新計(jì)算這部分的非零行數(shù)，此非零行數(shù)為足弓部的行數(shù)，記作r2.

圖4b為采用此分區(qū)域方法對圖3c進(jìn)行分區(qū)域的示意圖，可以看出此方法相比自動八區(qū)域劃分更符合足底的結(jié)構(gòu)特征.

圖4 足底的區(qū)域劃分Fig.4 Plantar divided regions

3 特征提取

該文用于識別的特征向量由3部分組成：第1部分是利用足底壓力圖像原有特征參數(shù)構(gòu)造無向圖，然后提取的Laplace譜特征；第2部分是由足底壓力圖像的幾何中心到足跟部和腳前掌部分邊緣輪廓的歐式距離；第3部分是足底壓力圖像的幾何中心的坐標(biāo).這3部分共同組成了用于識別的特征向量.

3.1 改進(jìn)的Laplace譜特征

以足底壓力圖像的第1、2和4部分的幾何中心點(diǎn)為節(jié)點(diǎn)構(gòu)造無向圖，如圖5所示.以節(jié)點(diǎn)的位置坐標(biāo)以及節(jié)點(diǎn)所在區(qū)域的壓力平均值作為邊的權(quán)重構(gòu)造改進(jìn)的高斯加權(quán)Laplace矩陣，并提取Laplace譜特征.具體構(gòu)造方法如下

其中：xi，xj分別為節(jié)點(diǎn)的橫、縱坐標(biāo)；和為節(jié)點(diǎn)所在區(qū)域的壓力平均值；M為每幀數(shù)據(jù)行列數(shù)中的最大值；n為壓力點(diǎn)的個數(shù).作者將高斯距離中的歐式距離改為歐式距離再加上2個節(jié)點(diǎn)所在區(qū)域的壓力平均值的差，使構(gòu)造的加權(quán)Laplace矩陣包含的足底信息更豐富.

圖5 無向圖Fig.5 Undirected graph

3.2 邊緣距離特征

求足底壓力圖像的幾何中心到足跟部和腳前掌部分邊緣輪廓的距離步驟如下：

（1）按該文分區(qū)域方法，得到足跟部和腳前掌的部分邊緣輪廓.由于不同個體的足底大小不同，導(dǎo)致分區(qū)域后不同個體的足跟部和腳前掌大小不同，其邊緣像素?cái)?shù)不同.該文的足跟部取從足跟方向去掉第1列后的6列像素，即取nfoot＝6；腳前掌取從腳趾方向往足跟方向數(shù)的5列像素，記為nforefoot＝5；最后按足底逆時(shí)針方向保存其邊緣像素坐標(biāo)（xi，yi）.

（2）計(jì)算質(zhì)心，理論上質(zhì)心計(jì)算公式如下

其中：N為邊緣像素點(diǎn)的個數(shù)；（xi，yi）為邊緣點(diǎn)的坐標(biāo).由于這種質(zhì)心的方法有時(shí)候不能準(zhǔn)確地計(jì)算質(zhì)心，所以采用一種新的計(jì)算質(zhì)心的方法［14］，取邊緣輪廓的外接矩形的中心作為邊緣輪廓的質(zhì)心，即

其中：l，r，t，b是輪廓的外接矩形的左、右、上、下邊的位置坐標(biāo).

（3）計(jì)算歐式距離，利用

可得到1維的邊緣距離特征.

由以上步驟計(jì)算出的1維特征作為步態(tài)識別的第2部分特征.式（3）計(jì)算出的足底壓力圖像的質(zhì)心坐標(biāo)作為步態(tài)識別的第3部分特征.

4 基于支持向量機(jī)的觸覺步態(tài)識別

步態(tài)識別是一個多類分類問題.在多類情況下，支持向量機(jī)（SVM）［15］有2種基本策略，即將n類問題轉(zhuǎn)化為“一對多”或“一對一”模式，該文中采用“一對一”方法來實(shí)現(xiàn)模式的分類，即對n個類，共需n（n－1）個分類器，采用投票的方法，得票最多的類別為最終類.

4.1 步態(tài)識別步驟

該文方法包括4部分：數(shù)據(jù)采集和保存、數(shù)據(jù)預(yù)處理、特征提取、訓(xùn)練分類器和分類識別.具體步驟如下：

（1）采集靜態(tài)足底壓力數(shù)據(jù)，并分別篩選出足底壓力圖像為斷開、傾斜和標(biāo)準(zhǔn)的各10個個體，為后面單獨(dú)對足底壓力圖像識別做準(zhǔn)備，所有采集的數(shù)據(jù)都是按左、右腳的數(shù)據(jù)分開保存，所以以下步驟都是分別對左、右腳數(shù)據(jù)分開實(shí)驗(yàn)的.

（2）從每個人站立穩(wěn)定后的數(shù)據(jù)中提取壓力較大的前15幀作為關(guān)鍵幀，再從這15幀中提取面積較大的前2幀作為測試樣本，余下的13幀數(shù)據(jù)作為分類器的訓(xùn)練樣本，隨后對關(guān)鍵幀數(shù)據(jù)按照該文分區(qū)域方法把足底壓力圖像分成6個區(qū)域.

（3）綜合上述3部分特征，得到用于識別的特征向量F，這里第1部分為一個3維的特征值向量；第2部分為一個20維的距離向量；第3部分為一個2維的坐標(biāo)向量，最終得到的F是一個25維的特征向量.

（4）選擇一對一的SVM多分類方法進(jìn)行步態(tài)識別，用提取的每個人的13幀關(guān)鍵幀訓(xùn)練分類器，剩下的2幀作為測試樣本，對左右腳分別進(jìn)行識別，每個人的左右腳都能正確識別作為最終識別結(jié)果.

4.2 實(shí)驗(yàn)結(jié)果及其分析

對采集的足底壓力圖像中比較常見的3種足底（斷裂、傾斜和標(biāo)準(zhǔn)）進(jìn)行訓(xùn)練和識別，分別得到這3種足底壓力圖像的識別率，然后再對采集的30人混合足底進(jìn)行訓(xùn)練和識別，得到同階段人群的識別率，其中在采集的30人數(shù)據(jù)中，這3種足底所占比例為1∶1∶1.實(shí)驗(yàn)結(jié)果如表1所示.

表1 該文方法識別結(jié)果Tab.1 Recognition results of our method

由表1可以看出，對于傾斜和斷開這2種特殊的足底壓力圖像都取得了較高的識別率，均在90%以上.該文識別方法能取得較高的識別正確率的原因如下：首先，該文采用的分區(qū)域方法能夠提取傾斜足底的關(guān)鍵特征，并且不需要足底作旋轉(zhuǎn)校正，減少了數(shù)據(jù)預(yù)處理的復(fù)雜性；其次，該文的3部分特征都避開了足弓部，從比較穩(wěn)定的足跟部和腳前掌2部分入手來提取特征，對斷開足底的正確識別能取得比較理想的效果；最后，通過觀察采集到的靜態(tài)足底壓力數(shù)據(jù)發(fā)現(xiàn)，每幀數(shù)據(jù)之間的壓力有所變化，但是足底壓力圖像的形狀變化較小，從這個角度出發(fā)，該文提取特征與足底的形狀密切相關(guān)，與足底的壓力變化相關(guān)性比較小，因此整體上也取得了比較好的識別效果.

在提取邊緣距離特征時(shí)，該文通過取nfoot，nforefoot不同值組合得到步態(tài)足底的識別率，由于采集的每個人的足底壓力圖像所占列數(shù)分布在22～30之間，經(jīng)過分區(qū)域后足跟部和腳前掌的列數(shù)分布在7～10之間，對于斷開這種特殊足底，其足弓部壓力數(shù)據(jù)不完整，甚至沒有足底壓力數(shù)據(jù)，因此該文考慮方法的普遍適用性，取nfoot＝6，7，8，nforefoot＝5，6，分別計(jì)算不同取值組合對的步態(tài)識別率.對比實(shí)驗(yàn)的數(shù)據(jù)來源于30人的混合足底，實(shí)驗(yàn)結(jié)果如表2所示.由表2可知，該文應(yīng)該取nfoot＝6，nforefoot＝5.

表2 不同取值組合的識別結(jié)果Tab.2 Recognition results of different combinations

為了更好地驗(yàn)證該文方法的有效性，將該文方法與常見的3種方法進(jìn)行對比，對比結(jié)果如表3所示.從表3可知該文方法具有有效性.

表3 不同方法的識別結(jié)果Tab.3 Recognition results of different methods

5 結(jié)束語

作者提出了一種改進(jìn)的譜特征和足底邊緣距離特征相結(jié)合的觸覺步態(tài)識別方法，采用一對一的SVM多分類器，對30人的步態(tài)數(shù)據(jù)進(jìn)行步態(tài)識別實(shí)驗(yàn)，結(jié)果表明該方法有較高的識別率.其將左右腳都正確識別作為最終的識別結(jié)果，保證了身份認(rèn)證的可靠性.

［1］Murray M P，Drought A B，Kory R C.Walking patterns of normal men［J］.Bone and Joint Surgery，1964，46（2）：335－360.

［2］Murray M P.Gait as a total pattern of movement［J］.Am J Phys Med，1967，46（1）：290－332.

［3］雷航，童莉，平西建.平面赤足特征分析與身份識別方法［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)報(bào)，2008，20（5）：659－664.

［4］Queen R M，Abbey A N，Wiegerinck J I，et al.Effect of shoe type on plantar pressure：agender comparison［J］.Gait ＆ posture，2010，31（1）：18－22.

［5］Gurney J K，Kersting U G，Rosenbaum D.Between－day reliability of repeated plantar pressure distribution measurements in a normal population［J］.Gait ＆ Posture，2008，27（4）：706－709.

［6］Perry J E，Hall J O，Davis B L.Simultaneous measurement of plantar pressure and shear forces in diabetic individuals［J］.Gait ＆ Posture，2002，15（1）：101－107.

［7］王明鑫，俞光榮，陳雁西，等.正常中國成年人足底壓力分析［J］.中國矯形外科雜志，2008，9：687－690.

［8］徐蘇，周旭，孫怡寧，等.一種新的步態(tài)觸覺特征分析系統(tǒng)及其應(yīng)用［J］.傳感技術(shù)學(xué)報(bào)，2008，21（11）：1935－1939.

［9］Burnfield J M，F(xiàn)ew C D，Mohamed O S.The influence of walking speed and footwear on plantar pressures in older adults［J］.Gait ＆ Posture，2004，19：78－84.

［10］Mao D W，Li J X，Hong Y.The duration and plantar pressure distribution during one－leg stance in Tai Chi exercise［J］.Gait ＆ Posture，2006，21：640－645.

［11］周軍杰，俞光榮，曹成福，等.足踝部反復(fù)損傷青少年足球運(yùn)動員FootScan足底壓力分析［J］.中國運(yùn)動醫(yī)學(xué)雜志，2010，29（5）：520－524.

［12］Yamakawa T，Taniguchi K，Asari K，et al.Biometric personal identification based on gait pattern using both feet pressure change［C］∥Automation Congress，2008，28：1－6.

［13］Takeda T，Taniguchi K，Asari K，et al.Biometric personal authentication by one step foot pressure distribution chang by load distribution sensor［C］∥IEEE Conference on Fuzzy System，2009：906－910.

［14］楊靜，阮秋琦，李小利.基于頻譜分析的Procrustes統(tǒng)計(jì)步態(tài)識別算法［J］.智能系統(tǒng)學(xué)報(bào)，2011，5：432－439.

［15］張學(xué)工.關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)［J］.自動化學(xué)報(bào)，2000，26（1）：32－42.