CN103800016A - 基于视触觉结合的人体身份步态识别系统及其识别方法 - Google Patents
基于视触觉结合的人体身份步态识别系统及其识别方法 Download PDFInfo
- Publication number
- CN103800016A CN103800016A CN201410063602.1A CN201410063602A CN103800016A CN 103800016 A CN103800016 A CN 103800016A CN 201410063602 A CN201410063602 A CN 201410063602A CN 103800016 A CN103800016 A CN 103800016A
- Authority
- CN
- China
- Prior art keywords
- human body
- gait
- information
- collecting device
- plantar pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明基于视触觉结合的人体身份步态识别系统及其识别方法,涉及信息识别装置,由足底压力信息采集装置、步态信息采集装置、信号调理电路、A/D转换器、微处理器、传输模块和装有上位机识别工作流程的上位机构成;其中的压力测量平板安置在测试现场的行走通道上需要进行人体足底压力信息测量的位置,摄像头被安置在测试现场对准行走通道前上方空间以便采集被识别人步态信息的位置,被识别人只需在安置在测试现场的行走通道上的压力测量平板上正常行走便可进行对被识别人体身份步态识别的工作,克服了现有步态身份识别技术通过摄像头获取图像序列之后进行图像处理提取特征进行识别,无法突破制约其在实际中应用的瓶颈的缺点。
Description
技术领域
本发明的技术方案涉及信息识别装置,具体地说是基于视触觉结合的人体身份步态识别系统及其识别方法。
背景技术
对人的身份进行识别是安全技术领域的一项重要的任务。随着社会的发展,许多部门都存在对人体身份进行识别的任务。由于身份识别不仅涉及到个人和企业,而且关系到国家的信息安全,所以急需一种快速、准确和方便的人体身份识别方式。传统的人体身份识别方式有证件和密码等,但是证件易被仿造和丢失;密码易被破解和遗忘。传统的身份识别方式逐渐被生物识别技术所取代。生物识别技术是依据人体自身的生理特征或行为特征自动进行身份鉴别的新技术。在生物识别领域目前得到应用或研究的生理特征有人脸、指纹、虹膜、掌纹、耳廓、面部红外图谱、气味、手部静脉、手形、视网膜、掌纹和DNA等;目前得到应用或研究的行为特征有步态、按键力度、声音和签名等。由于人体自身特征的区别性和稳定性,所以生物识别技术具有高识别率和高准确性等特点。不过,现阶段得到实际应用的生物识别方式主要是指纹识别、虹膜识别或人脸识别。当能够采集到完整人的指纹、虹膜或人脸生理特征信息时,这些信息能够准确地识别人体身份。但是指纹信息的采集需要物理接触,虹膜或人脸信息的采集需要近距离拍摄,因此在被识别人不配合或不能正确配合的情况下,指纹、虹膜和人脸信息识别技术的应用受到限制,无法实现人体身份识别的目的。
为解决这一问题,国内外进行了一系列研究,例如,美国DARPA(DefenseAdvancedResearchProjectsAgency)重大项目—HID计划,它的任务就是开发多模态视觉监控技术以实现远距离情况下人的检测、分类和识别,从而增强免受恐怖袭击的自动保护能力。
英国南安普敦大学计算机科学家MarkNixon考察人体腿部关节的摆动特征,不同的人腿部关节摆动一般具有独特性,据此可识别人的身份。中国科学院自动化研究所对基于步态的身份识别进行了一定的研究,提出了一种采用提取运动人体的外轮廓,计算人体质心,然后计算运动过程中轮廓上每个点与质心的欧氏距离作为人的步态特征的识别方法。西北工业大学的柴艳妹等首先将检测出的二维人体侧影分为头部、躯干和腿部3个区域,分别提取每个区域的目标面积,将这些面积特征和人体的宽高比特征一起构成步态特征矢量用于训练和识别。天津大学的薛召军等提出了利用红外光进行人体成像及步态识别的新方法。华中科技大学的胡荣等基于运动段分类的思想,提出一种人体轮廓提取方法。浙江大学的马勤勇等提出了一种基于瞬时步态能量图的远距离身份识别算法。中国科学院合肥智能机械研究所的孙怡宁等开展基于压力的步态识别的研究,制作了一种测力平台,给出一种识别算法。中国科学技术大学汪增福等提出在步态识别中使用立体视觉,该技术在提取人体轮廓时具有较强的鲁棒性。随着对远程监控技术发展的需求,近年来国内外对基于步态的识别的报道和研究逐渐增多。
现有技术关于步态身份识别技术大多是针对识别算法的实现方面,在技术上并没有突破,仍然是通过摄像头获取图像序列之后进行图像处理提取特征进行识别,无法突破制约其在实际中应用的瓶颈。
发明内容
本发明所要解决的技术问题是:提供基于视触觉结合的人体身份步态识别系统及其识别方法,该识别系统及其识别方法基于人体的足底压力以及步态信息,克服了现有步态身份识别技术仍然是通过摄像头获取图像序列之后进行图像处理提取特征进行识别,无法突破制约其在实际中应用的瓶颈的缺点。
本发明解决该技术问题所采用的技术方案是:基于视触觉结合的人体身份步态识别系统,由足底压力信息采集装置、步态信息采集装置、信号调理电路、A/D转换器、微处理器、传输模块和装有上位机识别工作流程的上位机构成,其中,足底压力信息采集装置是微型压力传感器构成的微型压力传感器阵列,步态信息采集装置为一个摄像头;该基于视触觉结合的人体身份步态识别系统中各构成部分的安置和连接方式是:足底压力信息采集装置被安置在测试现场的行走通道上需要进行人体足底压力信息测量的位置,并且采用压力测量平板的形式镶嵌于地板上,足底压力信息采集装置中的各个微型压力传感器由微处理器进行编号,以确定其中每一个微型压力传感器的位置,步态信息采集装置的摄像头被安置在测试现场对准行走通道的前上方空间以便采集被识别人的步态信息的位置,该位置与足底压力信息采集装置的微型压力传感器阵列位置相对固定且由行走通道、行人以及摄像头的相对空间坐标关系所确定,足底压力信息采集装置的输出端和步态信息采集装置的输出端均与信号调理电路的输入端连接,信号调理电路的输出端再与A/D转换器连接,A/D转换器连接再与微处理器连接,微处理器再与传输模块连接,传输模块再与上位机连接。
上述基于视触觉结合的人体身份步态识别系统,所述微型压力传感器阵列是由在水平方向上和竖直方向上的中心距离均为1cm,并均匀分布于压力测量平板上的M个均布密度为1~9个/cm2的微型压力传感器构成,微型压力传感器阵列中所用压力测量平板个数为1~6,每个压力测量平板的宽度为200~800mm,长度为500~3000mm。
上述基于视触觉结合的人体身份步态识别系统,所述微型压力传感器的个数M由需检测的被识别人足底面积所决定,当被识别人足底面积为190cm2时,M为190~760,当被识别人足底面积为200cm2时,M为200~800,当被识别人足底面积为210cm2时,M为210~840。
上述基于视触觉结合的人体身份步态识别系统,所述A/D转换器采用十二位A/D转换器。
上述基于视触觉结合的人体身份步态识别系统,所述信号调理电路的构成是:一级电荷放大电路、二级运算放大电路和用于降噪的低通滤波器,其中,一级电荷放大电路由运算放大器P1、反馈电容C1和反馈电阻R1组成,反馈电容C1和反馈电阻R1并联在运算放大器P1的反相输入端和输出端两端;二级运算放大电路由运算放大器P2、反馈电阻R4和电阻R3组成,反馈电阻R4跨接在运算放大器P2的输出端和反相输入端之间,运算放大器P2的同相输入端通过电阻R3接地;低通滤波器由电阻R5和电容C2串联构成;一级电荷放大电路的运算放大器P1的输出端与二级运算放大电路的运算放大器P2的反相输入端之间通过电阻R2串联,二级运算放大电路的运算放大器P2的输出端连接低通滤波器的电阻R5,电阻R5和电容C2串联后再接地。
上述基于视触觉结合的人体身份步态识别系统,所述微型压力传感器为PVDF压电薄膜传感器。
上述基于视触觉结合的人体身份步态识别系统,所涉及的微型压力传感器、摄像头、信号调理电路、A/D转换器、微处理器、传输模块和上位机都是本技术领域的技术人员所熟知的,均通过商购途径获得,各个部件的安置和连接方法也是本技术领域的技术人员所掌握的。
上述基于视触觉结合的人体身份步态识别系统的识别方法,包括基于视触觉结合的人体身份步态识别系统对人体身份步态信息的采集、传递和处理,具体过程是:
A.在测试现场安置人体身份步态识别系统
在进行人体身份步态识别操作之前,首先在测试现场安置基于视触觉结合的人体身份步态识别系统,安置方法是,将该基于视触觉结合的人体身份步态识别系统中的足底压力信息采集装置的压力测量平板安置在测试现场的行走通道上需要进行人体足底压力信息测量的位置,压力测量平板的总尺寸根据实际实验需求确定,步态信息采集装置的摄像头被安置在测试现场对准行走通道的前上方空间以便采集被识别人的步态信息的位置;
B.对人体身份步态信息的采集、传递和处理
第一步,预存储授权人员的足底压力信息以及步态信息
让被识别的授权人员在上述安置在行走通道上的足底压力信息采集装置的压力测量平板上进行正常行走,被识别的授权人员的足底压力信息以及步态信息被所用的上述基于视触觉结合的人体身份步态识别系统采集、传递和处理,然后被预存储到上位机的硬盘数据库中;
第二步,现场获取需检测的被识别人的足底压力信息和步态信息
令需检测的被识别人在上述安置在行走通道上的足底压力信息采集装置的压力测量平板上进行正常行走,需检测的被识别人足底压力的分布及大小发生变化的足底压力信息和人体坐标信息由足底压力信息采集装置中的微处理器进行编号,并被M个微型压力传感器所采集,同时需检测的被识别人行走过程中的下肢位姿变化的步态信息被步态信息采集装置的摄像头所采集,由此完成需检测的被识别人的足底压力信息和步态信息的现场获取,所述微型压力传感器的个数M由需检测的被识别人足底面积所决定,当被识别人足底面积为190cm2时,M为190~760,当被识别人足底面积为200cm2时,M为200~800,当被识别人足底面积为210cm2时,M为210~840;
第三步,被识别人的足底压力信息和步态信息的处理
对第二步中被足底压力信息采集装置所采集获取的被识别人足底压力的分布及大小发生变化的足底压力信息和人体坐标信息,由微型压力传感器转换为模拟的电压信号输出至信号调理电路,同时第二步中被步态信息采集装置的摄像头所采集的被识别人行走过程中的下肢位姿变化的步态信息也被输出至信号调理电路,信号调理电路对接收到的所有被识别人的人体身份步态信息信号进行滤波和去噪处理,经信号调理电路处理后的所有被识别人的人体身份步态信息信号再经A/D转换器将模拟信号转换为数字信号,转换后的人体身份步态信息的数字信号通过微处理器的初步处理,进行缓存和编号;
第四步,将预存储授权人员的足底压力信息以及步态信息与处理后的被识别人的足底压力信息和步态信息进行特征提取和特征比对,完成人体身份识别过程
通过传输模块将将第三步经微处理器处理后的人体身份步态信息的数字信号传输到存储有上位机识别工作流程的上位机中,上位机根据足底压力信息采集装置所提供的人体坐标信息以及步态采集装置采集到变形的人体步态信息,完成对变形的人体图像的校正,上位机中的人体身份识别程序根据上述足底压力信息以及校正后的步态信息进行特征提取,同存储于上位机硬盘数据库中的第一步的预存储授权人员的足底压力信息以及步态信息的数据进行比较,如果同硬盘数据库中的某一信息相符或者在设定阈值范围内则认定为该硬盘数据库中成员,否则认定为非数据库中成员,上位机根据处理结果,将该结果显示在上位机显示器上,由此完成人体身份识别过程;
第五步,后续处理
若被识别人被认定为硬盘数据库中成员后,上位机将此次识别数据作为一个样本和识别程序进行学习,并将其存储到硬盘数据库中;若被识别人被认定为非硬盘数数据库中成员,上位机的报警装置将进行报警,同时将数据进行存储,以便以后对其进行身份认定。
另外,在上述基于视触觉结合的人体身份步态识别系统对人体身份步态信息的采集、传递和处理过程中,在不同时刻,被识别人在人足底压力信息采集装置进行正常行走的位置会发生变化,会带来步态信息采集装置的摄像头的拍摄角度变化,进而使得拍摄图像中的人体下肢位姿变化发生变形,为此,根据由微处理器进行编号的M个均布密度为1~9个/cm2微型压力传感器所确定的人体所处的位置,再利用摄像头与足底压力信息采集装置之间的相对位置关系,对因为拍摄角度变化带来的人体下肢位姿变化发生形变进行矫正,从而获得正确的人体身份步态信息。
本发明的有益效果是:同现有技术相比,本发明的突出的实质性特点和显著进步是:
(1)非侵扰性,本发明的足底压力信息采集装置采用压力测量平板的形式镶嵌于地板上对被识别人的足底压力进行测量,在没有干扰人正常行为的情况下就能很好的达到识别效果,并且不必考虑被识别人是否配合。
(2)结合人体足底压力信息和步态信息进行人体身份识别。人体足底压力同人体的体重、性别、年龄、身高和骨骼肌肉等生理特征密切相关,步态是人的行为特征,也就是说本发明是利用如同生理特征和行为特征两方面来进行人体身份识别的。
(3)本发明基于视触觉结合的人体身份步态识别系统的所用的人体身份步态信息采集设备简单、实用和快捷。
(4)本发明基于视触觉结合的人体身份步态识别系统的采集人体身份步态信息的方法和过程均符合人们平时习惯,识别人体身份步态的工程的动态的,是在人体行走过程中并非静止不动,而且是一个准周期运动。
(5)本发明人基于视触觉结合的体身份步态识别系统基于人体行走过程足底压力信息和行走步态的信息相结合,将人体动态特征联合起来进行人体身份识别,从而提高了人体身份识别准确性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明基于视触觉结合的人体身份识别系统的构成结构示意框图;
图2为本发明基于视触觉结合的人体身份识别系统的识别方法的工作流程示意图。
图3为本发明基于视触觉结合的人体身份识别系统中的足底压力信息采集装置的压力测量平板和步态信息采集装置的摄像头的现场安置位置示意图。
图4为本发明基于视触觉结合的人体身份识别系统的信号调理电路的构成电路图。
图5为本发明基于视触觉结合的人体身份识别系统的上位机识别工作流程示意图。
图中,1.足底压力信息采集装置的压力测量平板,2.步态信息采集装置的摄像头,3.被识别人,4.行走通道。
具体实施方式
图1所示实施例表明,基于视触觉结合的人体身份步态识别系统,由足底压力信息采集装置、步态信息采集装置、信号调理电路、A/D转换器、微处理器、传输模块和上位机构成,上位机中装有上位机识别工作流程。足底压力信息采集装置的输出端和步态信息采集装置的输出端均与信号调理电路的输入端连接,信号调理电路的输出端与A/D转换器连接,A/D转换器连接再与微处理器连接,微处理器再与传输模块连接,传输模块再与上位机连接。
图2所示实施例表明,用本发明基于视触觉结合的人体身份步态识别系统的识别方法的工作流程是:预存储授权人员的足底压力信息以及步态信息→现场获取被识别人的足底压力信息和步态信息→被识别人的足底压力信息和步态信息的处理→预存储授权人员的足底压力信息以及步态信息与处理后的被识别人的足底压力信息和步态信息进行特征提取以及特征比对,完成人体身份识别过程→后续处理。
图3所示实施例表明,本发明基于视触觉结合的人体身份步态识别系统的足底压力信息采集装置的压力测量平板1被安置在测试现场的行走通道4上需要进行人体足底压力信息测量的位置,步态信息采集装置的摄像头2被安置在测试现场对准行走通道4的前上方空间以便采集被识别人3的步态信息的位置,被识别人3只需在安置在测试现场的行走通道4上的足底压力信息采集装置的压力测量平板1上正常行走便可进行对被识别人体身份步态识别的工作。
图4所示实施例表明,本发明基于视触觉结合的人体身份步态识别系统的信号调理电路的构成电路图是:一级电荷放大电路、二级运算放大电路和用于降噪的低通滤波器,其中,一级电荷放大电路由运算放大器P1、反馈电容C1和反馈电阻R1组成,反馈电容C1和反馈电阻R1并联在运算放大器P1的反相输入端和输出端两端;二级运算放大电路由运算放大器P2、反馈电阻R4和电阻R3组成,反馈电阻R4跨接在运算放大器P2的输出端和反相输入端之间,运算放大器P2的同相输入端通过电阻R3接地;低通滤波器由电阻R5和电容C2串联构成;来自微型压力传感器即PVDF压电薄膜传感器采集的电荷信号输入至运算放大器P1的同相输入端和反相输入端,一级电荷放大电路的运算放大器P1的输出端与二级运算放大电路的运算放大器P2的反相输入端之间通过电阻R2串联,二级运算放大电路的运算放大器P2的输出端连接低通滤波器的电阻R5,电阻R5和电容C2串联后再接地。
上述电路中,运算放大器P1为AD745,电容C1为120pF,电阻R1为20MΩ,运算放大器P2为OP07,电阻R2和电阻R4大小为100kΩ,电阻R3为3MΩ,低通滤波器电阻R5为15kΩ,电容C2为0.02μF,图中所示+V表示接电源正极,电压为+5V,-V处表示接电源负极,电压为-5V。
信号调理电路的工作原理是:将来自微型压力传感器即PVDF压电薄膜传感器因受力产生的微弱的电荷信号经过电荷放大器转换为微弱电压信号,通过运算放大器将该电压放大,经低通滤波器采集有用信号。
实施例1
本实施例的基于视触觉结合的人体身份步态识别系统,由足底压力信息采集装置、步态信息采集装置、信号调理电路、A/D转换器、微处理器、传输模块和装有上位机识别工作流程的上位机构成,其中,足底压力信息采集装置是微型压力传感器构成的微型压力传感器阵列,步态信息采集装置为一个摄像头;该系统中各构成部分的安置和连接方式是:足底压力信息采集装置被安置在测试现场的行走通道上需要进行人体足底压力信息测量的位置,并且采用压力测量平板的形式镶嵌于地板上,足底压力信息采集装置中的各个微型压力传感器由微处理器进行编号,以确定每一个微型压力传感器的位置,步态信息采集装置的摄像头被安置在测试现场对准行走通道的前上方空间以便采集被识别人的步态信息的位置,该位置与足底压力信息采集装置的微型压力传感器阵列位置相对固定且由行走通道、行人以及摄像头的相对空间坐标关系所确定,足底压力信息采集装置的输出端和步态信息采集装置的输出端均与信号调理电路的输入端连接,信号调理电路的输出端再与A/D转换器连接,A/D转换器再与微处理器连接,微处理器再与传输模块连接,传输模块再与上位机连接。上述微型压力传感器阵列是由在水平方向上和竖直方向上的中心距离均为1cm,并均匀分布于压力测量平板上的均布密度为5个/cm2的微型压力传感器构成,根据本实施例的实际实验需求确定,所用压力测量平板个数为4,每个压力测量平板的宽度为500mm。本实施例中,所用的微型压力传感器选用PVDF压电薄膜传感器,摄像头为baumer工业相机,信号调理电路的构成如图4所示,A/D转换器为TI公司的12位A/D转换器TLV2556,微处理器为AT89S51/52,传输模块的型号为HAC-LBee,上位机为个人计算机,上位机识别工作流程为图5所示。
本实施例的基于视触觉结合的人体身份步态识别系统的识别方法,包括基于视触觉结合的人体身份步态识别系统对人体身份步态信息的采集、传递和处理,具体过程是:
A.在测试现场安置人体身份步态识别系统
在进行人体身份步态识别操作之前,首先在测试现场安置基于视触觉结合的人体身份步态识别系统,安置方法是,将该基于视触觉结合的人体身份步态识别系统中的足底压力信息采集装置的压力测量平板安置在测试现场的行走通道上需要进行人体足底压力信息测量的位置,压力测量平板的总尺寸根据实际实验需求确定,步态信息采集装置的摄像头被安置在测试现场对准行走通道的前上方空间以便采集被识别人的步态信息的位置;
B.对人体身份步态信息的采集、传递和处理
第一步,预存储授权人员的足底压力信息以及步态信息
让被识别的授权人员在上述安置在行走通道上的足底压力信息采集装置的压力测量平板上进行正常行走,被识别的授权人员的足底压力信息以及步态信息被所用的上述基于视触觉结合的人体身份步态识别系统采集、传递和处理,然后被预存储到上位机的硬盘数据库中;
第二步,现场获取需检测的被识别人的足底压力信息和步态信息
需检测的被识别人3的足底面积为200cm2。令需检测的被识别人3在上述安置在行走通道4上的足底压力信息采集装置的压力测量平板1上进行正常行走,需检测的被识别人3足底压力的分布及大小发生变化的足底压力信息和人体坐标信息由足底压力信息采集装置中的微处理器进行编号,并被500个微型压力传感器所采集,同时需检测的被识别人行走过程中的下肢位姿变化的步态信息被步态信息采集装置的摄像头2所采集,由此完成需检测的被识别人的足底压力信息和步态信息的现场获取;
第三步,被识别人的足底压力信息和步态信息的处理
对第二步中被足底压力信息采集装置所采集获取的被识别人3足底压力的分布及大小发生变化的足底压力信息和人体坐标信息,由微型压力传感器转换为模拟的电压信号输出至信号调理电路,同时第二步中被步态信息采集装置的摄像头2所采集的被识别人行走过程中的下肢位姿变化的步态信息也被输出至信号调理电路,信号调理电路对接收到的所有被识别人3的人体身份步态信息信号进行滤波和去噪处理,经信号调理电路处理后的所有被识别人3的人体身份步态信息信号再经A/D转换器将模拟信号转换为数字信号,转换后的人体身份步态信息的数字信号通过微处理器的初步处理,进行缓存和编号;
第四步,将预存储授权人员的足底压力信息以及步态信息与处理后的被识别人的足底压力信息和步态信息进行特征提取和特征比对,完成人体身份识别过程
通过传输模块将将第三步经微处理器处理后的人体身份步态信息的数字信号传输到存储有上位机识别工作流程的上位机中,上位机根据足底压力信息采集装置所提供达的人体坐标信息以及步态采集装置采集到变形的人体步态信息,完成对变形的人体图像的校正,上位机中的人体身份识别程序根据上述足底压力信息以及校正后的步态信息进行特征提取,同存储于上位机硬盘数据库中的第一步的预存储授权人员的足底压力信息以及步态信息的数据进行比较,如果同硬盘数据库中的某一信息相符或者在设定阈值范围内则认定为该硬盘数据库中成员,否则认定为非数据库中成员,上位机根据处理结果,将该结果显示在上位机显示器上,由此完成人体身份识别过程;
第五步,后续处理
若被识别人被认定为硬盘数据库中成员后,上位机将此次识别数据作为一个样本和识别程序进行学习,并将其存储到硬盘数据库中;若被识别人被认定为非硬盘数数据库中成员,上位机的报警装置将进行报警,同时将数据进行存储,以便以后对其进行身份认定。
另外,在上述基于视触觉结合的人体身份步态识别系统对人体身份步态信息的采集、传递和处理过程中,在不同时刻,被识别人3在人足底压力信息采集装置进行正常行走的位置会发生变化,会带来步态信息采集装置的摄像头的拍摄角度变化,进而使得拍摄图像中的人体下肢位姿变化发生变形,为此,根据由微处理器进行编号的均布密度为5个/cm2的500个微型压力传感器所确定的人体所处的位置,再利用摄像头与足底压力信息采集装置之间的相对位置关系,对因为拍摄角度变化带来的人体下肢位姿变化发生形变进行矫正,从而获得正确的人体身份步态信息。
实施例2
除被识别人3足底面积为200cm2时,微型压力传感器中的个数M为200,其他同实施例1。
实施例3
除被识别人3足底面积为200cm2时,微型压力传感器中的个数M为800,其他同实施例1。
实施例4
除所用的A/D转换器为AD7874,微处理器为STC89S52,传输模块的型号为HAC-UM,上位机为大型处理器,所述微型压力传感器阵列是由在水平方向上和竖直方向上的中心距离均为1cm,并均匀分布于压力测量平板上的均布密度为1个/cm2的450个微型压力传感器构成,所用压力测量平板个数为5,每个压力测量平板的宽度为200mm,长度为500mm,压力测量平板的总尺寸根据实际实验需求确定,被识别人3足底面积为190cm2之外,其他同实施例1。
实施例5
除微型压力传感器中的个数M为190之外,其他同实施例4。
实施例6
除微型压力传感器中的个数M为760之外,其他同实施例4。
实施例7
除所用的A/D转换器为TLV2545,微处理器为TOSHIBA单片机,传输模块的型号为HAC-UM,上位机为大型处理器,所述微型压力传感器阵列是由在水平方向上和竖直方向上的中心距离均为1cm,并均匀分布于压力测量平板上的均布密度为9个/cm2的500个微型压力传感器构成,所用压力测量平板个数为2,每个压力测量平板的宽度为800mm,长度为3000mm,压力测量平板的总尺寸根据实际实验需求确定,被识别人3足底面积为210cm2之外,其他同实施例1。
实施例8
除微型压力传感器中的个数M为210之外,其他同实施例7。
实施例9
除微型压力传感器中的个数M为840之外,其他同实施例7。
Claims (8)
1.基于视触觉结合的人体身份步态识别系统,其特征在于:该系统由足底压力信息采集装置、步态信息采集装置、信号调理电路、A/D转换器、微处理器、传输模块和装有上位机识别工作流程的上位机构成,其中,足底压力信息采集装置是微型压力传感器构成的微型压力传感器阵列,步态信息采集装置为一个摄像头;该基于视触觉结合的人体身份步态识别系统中各构成部分的安置和连接方式是:足底压力信息采集装置被安置在测试现场的行走通道上需要进行人体足底压力信息测量的位置,并且采用压力测量平板的形式镶嵌于地板上,足底压力信息采集装置中的各个微型压力传感器由微处理器进行编号,以确定其中每一个微型压力传感器的位置,步态信息采集装置的摄像头被安置在测试现场对准行走通道的前上方空间以便采集被识别人的步态信息的位置,该位置与足底压力信息采集装置的微型压力传感器阵列位置相对固定且由行走通道、行人以及摄像头的相对空间坐标关系所确定,足底压力信息采集装置的输出端和步态信息采集装置的输出端均与信号调理电路的输入端连接,信号调理电路的输出端再与A/D转换器连接,A/D转换器连接再与微处理器连接,微处理器再与传输模块连接,传输模块再与上位机连接。
2.根据权利要求1所述基于视触觉结合的人体身份步态识别系统,其特征在于:所述微型压力传感器阵列是由在水平方向上和竖直方向上的中心距离均为1cm,并均匀分布于压力测量平板上的M个均布密度为1~9个/cm2的微型压力传感器构成,微型压力传感器阵列中所用压力测量平板个数为1~6,每个压力测量平板的宽度为200~800mm,长度为500~3000mm。
3.根据权利要求2所述基于视触觉结合的人体身份步态识别系统,其特征在于:所述微型压力传感器的个数M由需检测的被识别人足底面积所决定,当被识别人足底面积为190cm2时,M为190~760,当被识别人足底面积为200cm2时,M为200~800,当被识别人足底面积为210cm2时,M为210~840。
4.根据权利要求1所述基于视触觉结合的人体身份步态识别系统,其特征在于:所述A/D转换器采用十二位A/D转换器。
6.根据权利要求1所述基于视触觉结合的人体身份步态识别系统,其特征在于:所述信号调理电路的构成是:一级电荷放大电路、二级运算放大电路和用于降噪的低通滤波器,其中,一级电荷放大电路由运算放大器P1、反馈电容C1和反馈电阻R1组成,反馈电容C1和反馈电阻R1并联在运算放大器P1的反相输入端和输出端两端;二级运算放大电路由运算放大器P2、反馈电阻R4和电阻R3组成,反馈电阻R4跨接在运算放大器P2的输出端和反相输入端之间,运算放大器P2的同相输入端通过电阻R3接地;低通滤波器由电阻R5和电容C2串联构成;一级电荷放大电路的运算放大器P1的输出端与二级运算放大电路的运算放大器P2的反相输入端之间通过电阻R2串联,二级运算放大电路的运算放大器P2的输出端连接低通滤波器的电阻R5,电阻R5和电容C2串联后再接地。
7.根据权利要求1所述基于视触觉结合的人体身份步态识别系统,其特征在于:所述微型压力传感器为PVDF压电薄膜传感器。
8.上述基于视触觉结合的人体身份步态识别系统的识别方法,其特征在于:包括基于视触觉结合的人体身份步态识别系统对人体身份步态信息的采集、传递和处理,具体过程是:
A.在测试现场安置人体身份步态识别系统
在进行人体身份步态识别操作之前,首先在测试现场安置基于视触觉结合的人体身份步态识别系统,安置方法是,将该基于视触觉结合的人体身份步态识别系统中的足底压力信息采集装置的压力测量平板安置在测试现场的行走通道上需要进行人体足底压力信息测量的位置,压力测量平板的总尺寸根据实际实验需求确定,步态信息采集装置的摄像头被安置在测试现场对准行走通道的前上方空间以便采集被识别人的步态信息的位置;
B.对人体身份步态信息的采集、传递和处理
第一步,预存储授权人员的足底压力信息以及步态信息
让被识别的授权人员在上述安置在行走通道上的足底压力信息采集装置的压力测量平板上进行正常行走,被识别的授权人员的足底压力信息以及步态信息被所用的上述基于视触觉结合的人体身份步态识别系统采集、传递和处理,然后被预存储到上位机的硬盘数据库中;
第二步,现场获取需检测的被识别人的足底压力信息和步态信息
令需检测的被识别人在上述安置在行走通道上的足底压力信息采集装置的压力测量平板上进行正常行走,需检测的被识别人足底压力的分布及大小发生变化的足底压力信息和人体坐标信息由足底压力信息采集装置中的微处理器进行编号,并被M个微型压力传感器所采集,同时需检测的被识别人行走过程中的下肢位姿变化的步态信息被步态信息采集装置的摄像头所采集,由此完成需检测的被识别人的足底压力信息和步态信息的现场获取,所述微型压力传感器的个数M由需检测的被识别人足底面积所决定,当被识别人足底面积为190cm2时,M为190~760,当被识别人足底面积为200cm2时,M为200~800,当被识别人足底面积为210cm2时,M为210~840;
第三步,被识别人的足底压力信息和步态信息的处理
对第二步中被足底压力信息采集装置所采集获取的被识别人足底压力的分布及大小发生变化的足底压力信息和人体坐标信息,由微型压力传感器转换为模拟的电压信号输出至信号调理电路,同时第二步中被步态信息采集装置的摄像头所采集的被识别人行走过程中的下肢位姿变化的步态信息也被输出至信号调理电路,信号调理电路对接收到的所有被识别人的人体身份步态信息信号进行滤波和去噪处理,经信号调理电路处理后的所有被识别人的人体身份步态信息信号再经A/D转换器将模拟信号转换为数字信号,转换后的人体身份步态信息的数字信号通过微处理器的初步处理,进行缓存和编号;
第四步,将预存储授权人员的足底压力信息以及步态信息与处理后的被识别人的足底压力信息和步态信息进行特征提取和特征比对,完成人体身份识别过程
通过传输模块将将第三步经微处理器处理后的人体身份步态信息的数字信号传输到存储有上位机识别工作流程的上位机中,上位机根据足底压力信息采集装置所提供的人体坐标信息以及步态采集装置采集到变形的人体步态信息,完成对变形的人体图像的校正,上位机中的人体身份识别程序根据上述足底压力信息以及校正后的步态信息进行特征提取,同存储于上位机硬盘数据库中的第一步的预存储授权人员的足底压力信息以及步态信息的数据进行比较,如果同硬盘数据库中的某一信息相符或者在设定阈值范围内则认定为该硬盘数据库中成员,否则认定为非数据库中成员,上位机根据处理结果,将该结果显示在上位机显示器上,由此完成人体身份识别过程;
第五步,后续处理
若被识别人被认定为硬盘数据库中成员后,上位机将此次识别数据作为一个样本和识别程序进行学习,并将其存储到硬盘数据库中;若被识别人被认定为非硬盘数数据库中成员,上位机的报警装置将进行报警,同时将数据进行存储,以便以后对其进行身份认定。
另外,在上述基于视触觉结合的人体身份步态识别系统对人体身份步态信息的采集、传递和处理过程中,在不同时刻,被识别人在人足底压力信息采集装置进行正常行走的位置会发生变化,会带来步态信息采集装置的摄像头的拍摄角度变化,进而使得拍摄图像中的人体下肢位姿变化发生变形,为此,根据由微处理器进行编号的M个均布密度为1~9个/cm2微型压力传感器所确定的人体所处的位置,再利用摄像头与足底压力信息采集装置之间的相对位置关系,对因为拍摄角度变化带来的人体下肢位姿变化发生形变进行矫正,从而获得正确的人体身份步态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410063602.1A CN103800016B (zh) | 2014-02-25 | 2014-02-25 | 基于视触觉结合的人体身份步态识别系统及其识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410063602.1A CN103800016B (zh) | 2014-02-25 | 2014-02-25 | 基于视触觉结合的人体身份步态识别系统及其识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103800016A true CN103800016A (zh) | 2014-05-21 |
CN103800016B CN103800016B (zh) | 2015-11-04 |
Family
ID=50697752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410063602.1A Active CN103800016B (zh) | 2014-02-25 | 2014-02-25 | 基于视触觉结合的人体身份步态识别系统及其识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103800016B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654041A (zh) * | 2015-12-28 | 2016-06-08 | 西北工业大学 | 基于步态数据的特征参数获取方法和装置 |
CN106056034A (zh) * | 2015-04-03 | 2016-10-26 | 三星Sds株式会社 | 利用压力传感器的客体识别方法及客体识别装置 |
CN107393070A (zh) * | 2017-07-19 | 2017-11-24 | 南京信息职业技术学院 | 一种基于光电转换和人体自然信息的门禁系统及方法 |
CN107578019A (zh) * | 2017-09-13 | 2018-01-12 | 河北工业大学 | 一种视觉触觉融合的步态识别系统及识别方法 |
CN108613248A (zh) * | 2018-03-30 | 2018-10-02 | 上海思愚智能科技有限公司 | 发热地垫的智能温控方法及发热地垫 |
CN109646010A (zh) * | 2018-10-15 | 2019-04-19 | 王长贵 | 一种基于复合瓷砖的步态检测系统及方法 |
CN110876622A (zh) * | 2019-11-05 | 2020-03-13 | 吉林大学 | 一种仿山羊腿足踏步压力测试方法 |
CN111860063A (zh) * | 2019-04-30 | 2020-10-30 | 杭州海康威视数字技术股份有限公司 | 步态数据构建系统、方法及装置 |
CN112396014A (zh) * | 2020-11-26 | 2021-02-23 | 河北工业大学 | 基于特征融合的视触融合步态识别方法 |
CN113421370A (zh) * | 2021-05-08 | 2021-09-21 | 深圳达实智能股份有限公司 | 一种室内人体轨迹追踪方法、系统和计算机终端 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6836744B1 (en) * | 2000-08-18 | 2004-12-28 | Fareid A. Asphahani | Portable system for analyzing human gait |
CN102106734A (zh) * | 2011-02-15 | 2011-06-29 | 河北工业大学 | 一种人体身份识别系统 |
CN202096210U (zh) * | 2011-03-28 | 2012-01-04 | 东南大学 | 一种基于足底压力的无线步态测量仪 |
US20120118066A1 (en) * | 2010-11-12 | 2012-05-17 | Majidi Carmel S | Stretchable two-dimensional pressure sensor |
US20120166091A1 (en) * | 2010-12-22 | 2012-06-28 | Electronics And Telecommunications Research Institute | Method and apparatus for analyzing gait pattern |
CN203000939U (zh) * | 2012-11-15 | 2013-06-19 | 合肥寰景信息技术有限公司 | 一种基于动作识别技术的人体步态分析系统 |
CN103330565A (zh) * | 2013-04-16 | 2013-10-02 | 北京航空航天大学 | 基于足底压力分布变化的人体步态识别装置 |
CN103462619A (zh) * | 2013-09-30 | 2013-12-25 | 厦门大学 | 一种足底压力测量装置及其用于步态模式识别的方法 |
CN103514302A (zh) * | 2013-10-28 | 2014-01-15 | 深圳先进技术研究院 | 人体步态数据库及其建立方法 |
CN203736197U (zh) * | 2014-02-25 | 2014-07-30 | 河北工业大学 | 基于视触觉结合的人体身份步态识别系统 |
-
2014
- 2014-02-25 CN CN201410063602.1A patent/CN103800016B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6836744B1 (en) * | 2000-08-18 | 2004-12-28 | Fareid A. Asphahani | Portable system for analyzing human gait |
US20120118066A1 (en) * | 2010-11-12 | 2012-05-17 | Majidi Carmel S | Stretchable two-dimensional pressure sensor |
US20120166091A1 (en) * | 2010-12-22 | 2012-06-28 | Electronics And Telecommunications Research Institute | Method and apparatus for analyzing gait pattern |
CN102106734A (zh) * | 2011-02-15 | 2011-06-29 | 河北工业大学 | 一种人体身份识别系统 |
CN202096210U (zh) * | 2011-03-28 | 2012-01-04 | 东南大学 | 一种基于足底压力的无线步态测量仪 |
CN203000939U (zh) * | 2012-11-15 | 2013-06-19 | 合肥寰景信息技术有限公司 | 一种基于动作识别技术的人体步态分析系统 |
CN103330565A (zh) * | 2013-04-16 | 2013-10-02 | 北京航空航天大学 | 基于足底压力分布变化的人体步态识别装置 |
CN103462619A (zh) * | 2013-09-30 | 2013-12-25 | 厦门大学 | 一种足底压力测量装置及其用于步态模式识别的方法 |
CN103514302A (zh) * | 2013-10-28 | 2014-01-15 | 深圳先进技术研究院 | 人体步态数据库及其建立方法 |
CN203736197U (zh) * | 2014-02-25 | 2014-07-30 | 河北工业大学 | 基于视触觉结合的人体身份步态识别系统 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056034A (zh) * | 2015-04-03 | 2016-10-26 | 三星Sds株式会社 | 利用压力传感器的客体识别方法及客体识别装置 |
CN105654041A (zh) * | 2015-12-28 | 2016-06-08 | 西北工业大学 | 基于步态数据的特征参数获取方法和装置 |
CN105654041B (zh) * | 2015-12-28 | 2020-09-08 | 西北工业大学 | 基于步态数据的特征参数获取方法和装置 |
CN107393070A (zh) * | 2017-07-19 | 2017-11-24 | 南京信息职业技术学院 | 一种基于光电转换和人体自然信息的门禁系统及方法 |
CN107393070B (zh) * | 2017-07-19 | 2023-05-16 | 南京信息职业技术学院 | 一种基于光电转换和人体自然信息的门禁系统及方法 |
CN107578019B (zh) * | 2017-09-13 | 2020-05-12 | 河北工业大学 | 一种视觉触觉融合的步态识别系统及识别方法 |
CN107578019A (zh) * | 2017-09-13 | 2018-01-12 | 河北工业大学 | 一种视觉触觉融合的步态识别系统及识别方法 |
CN108613248A (zh) * | 2018-03-30 | 2018-10-02 | 上海思愚智能科技有限公司 | 发热地垫的智能温控方法及发热地垫 |
CN109646011A (zh) * | 2018-10-15 | 2019-04-19 | 王长贵 | 一种压电感应复合瓷砖 |
CN109646010A (zh) * | 2018-10-15 | 2019-04-19 | 王长贵 | 一种基于复合瓷砖的步态检测系统及方法 |
CN111860063A (zh) * | 2019-04-30 | 2020-10-30 | 杭州海康威视数字技术股份有限公司 | 步态数据构建系统、方法及装置 |
CN111860063B (zh) * | 2019-04-30 | 2023-08-11 | 杭州海康威视数字技术股份有限公司 | 步态数据构建系统、方法及装置 |
CN110876622A (zh) * | 2019-11-05 | 2020-03-13 | 吉林大学 | 一种仿山羊腿足踏步压力测试方法 |
CN110876622B (zh) * | 2019-11-05 | 2022-02-11 | 吉林大学 | 一种仿山羊腿足踏步压力测试方法 |
CN112396014A (zh) * | 2020-11-26 | 2021-02-23 | 河北工业大学 | 基于特征融合的视触融合步态识别方法 |
CN113421370A (zh) * | 2021-05-08 | 2021-09-21 | 深圳达实智能股份有限公司 | 一种室内人体轨迹追踪方法、系统和计算机终端 |
Also Published As
Publication number | Publication date |
---|---|
CN103800016B (zh) | 2015-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103800016B (zh) | 基于视触觉结合的人体身份步态识别系统及其识别方法 | |
Cao et al. | FAST: A fog computing assisted distributed analytics system to monitor fall for stroke mitigation | |
CN102106734B (zh) | 一种人体身份识别系统 | |
CN107590452A (zh) | 一种基于步态与人脸融合的身份识别方法及装置 | |
CN105844746B (zh) | 一种通过步态信息识别身份的门禁控制装置、系统及方法 | |
Xiao et al. | Daily human physical activity recognition based on kernel discriminant analysis and extreme learning machine | |
CN104834888A (zh) | 一种辅助筛查帕金森症的异常步态识别方法 | |
Feng et al. | A human identification method based on dynamic plantar pressure distribution | |
CN107578019A (zh) | 一种视觉触觉融合的步态识别系统及识别方法 | |
CN108596074A (zh) | 一种基于惯性传感器的人体下肢动作识别方法 | |
Ye et al. | A falling detection system with wireless sensor for the elderly people based on ergnomics | |
Cao et al. | A fall detection method based on acceleration data and hidden Markov model | |
CN114220130A (zh) | 非接触式手势与掌纹、掌静脉融合的身份识别系统及方法 | |
Ge et al. | Detecting Falls Using Accelerometers by Adaptive Thresholds in Mobile Devices. | |
CN203736197U (zh) | 基于视触觉结合的人体身份步态识别系统 | |
Badave et al. | Evaluation of person recognition accuracy based on OpenPose parameters | |
JP6648751B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
Papavasileiou et al. | Gait-based continuous authentication using multimodal learning | |
CN103632133A (zh) | 人体姿态识别方法 | |
Shen et al. | Application and comparison of deep learning approaches for upper limb functionality evaluation based on multi-modal inertial data | |
Iskandar et al. | Shallow and deep learning in footstep recognition: A survey | |
US20230040650A1 (en) | Real-time, fine-resolution human intra-gait pattern recognition based on deep learning models | |
CN105488803A (zh) | 一种人眼瞳孔图像判断方法 | |
Takeda et al. | Biometric personal identification by dinamics of sole pressure at walking | |
KR20070118806A (ko) | 임베디드 시스템용 안면 검출방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |