步态分析是生物力学领域里的一个特殊分支学科，是一个新兴的跨学科的研究领域，是一门综合多种学科的当代生物医学的一项高新技术。步态分析实际上就是利用生物力学，运动学，人体生理学，人体解剖学，生物工程学，计算机学，电子学，精密机械工程学，自动化控制学及数字图像处理技术等多种跨学科知识，对人体行走的功能状态进行对比分析的一种生物力学的方法。
一、步态分析方法
步态分析的方法包括录像分析、三维步态分析、力台分析。录像分析中又包括定性分析和半定量分析，而三维步态分析和和力台分析为定量分析，需要使用高科技专用设备。下面我们先介绍步态的定性分析。
二、定性分析
（一）概述定性分析通常采用目测观察获得第一手资料，通过与正常步态进行比较，并结合以往的临床经验来认识异常步态的特征，对步态进行定性分析是目前临床中最常用的手段。了解病史和体检有助于诊断和鉴别诊断。
1. 了解病史通过了解病情，可以获知有关疼痛、肌无力、关节不稳等方面的主诉，
了解既往有关神经系统疾患或骨关节疾患病史等
2. 体检体检包括与行走动作有关的身体各部位（特别是下肢）的肌力、关节活动
度、肌张力、本体感觉以及周围神经检查。体检有助于对步态障碍的发生原
因进行鉴别诊断
3. 观察步态
（1 ）观察内容：步态的总体情况识别步行周期的时相与分期特点观察身
体各部位的情况
（2 ）观察方法确定观察角度观察具体步态的形成步态目测观察表的
内容
（二）定性分析的优缺点
优点：不需要昂贵的设计，评价快速方便。
缺点：结果具有一定的主观性，与观察者的观察技术水平和临床经验有着直接关系。
检查者难以准确的在短时间内完成多部位、多环节的分析，由于属定性分析，
不能够进行量化，所以不利于进行学术交流。
（三）注意事项
观察场地内光线要充足，检查时被检查者应尽量少穿衣服，以便于观察患者的真实表现。依次观察某一个关节在站立相和迈步相各个环节中的表现，并按照踝、膝、髋、骨盆和躯干等顺序逐一进行观察，为了减少病人的观察时间，我们应采用录像分析法，这样可以反复播放病人的行走情况，便于细致观察。
三、量表评定
Holden 功能行走分级、Wisconsin 步态量表、Tinetti 步态量表、限时站起和行走测验四、定量分析
（一）时空参数的测量与分析
步态的时间参数，是指与步行相关的时间事件，如步行速度、步频、跨步长、步行周期时间、左右下肢站立相和迈步相时间、单支撑期和双支撑期时间等。基本测量原理是记录开始行走，即足跟着地、前足底着地、足跟离地、足趾离地及下一个足跟着地等时间点。并测量行走距离，便可以得出上述结果。
（二）距离参数的测量与分析
距离参数的测量包括步长、跨步长、步宽和足夹角等的测量。测量的技术是如何获得行走中的足印，采用足印法来获得上述各种数据。随着高科技的发展，各种古老的方法已被足底开关、视频系统、有许多压力传感器构成的压力板或可卷起的压力垫所替代。
（三）关节运动角度的测量技术
1. 直接测量技术将关节角度测量工具直接固定在相应的关节，行走中可直接读出
数据
2. 间接测量技术也叫成像测量技术，包括多次曝光照片、电影摄像技术、红外摄
像技术、数字视频技术
（四）动力学参数的测量与分析
动力学主要研究人作用于物体的力与物体运动的关系，也就是研究运动产生原因的一门学问。步态动力学分析包括地反力、力矩、功和功率以及表面肌电图分析等。通常以测力台为基础设备测量地反力，并由此计算上述其他数据。
五、三维步态分析系统
三维步态分析系统由一组摄像机、足底压力板、测力台表面、表面肌电图仪，以及控制以上多组装置同步运动，并对观测结果进行分析处理的计算机及外围设备构成。对行走中的各种参数进行实时采集和处理，并在此基础上计算出某些反应人体步态特征的特征性参数，如关节角度，重心的位移，肌肉产生的力矩及肌肉功率等，从而实现对人体运动功能定性分析。足底压力测量系统，是对足底压力分析及其大小进行监测、定位、定量分析，通过不同压力点数据计算时空参数。运动图像捕捉分析系统，包括 6 到8 个专业用摄像头和标志点，通过摄像头捕捉人体标志点的运动轨迹，再通过计算机分析得到标记物的三维空间坐标，从而得到人体、肢体关节运动角度的参数。例如下肢的屈伸、内收外展，内旋外旋等。
三维测力台系统用于采集人体足底作用于测力台信号数据，测量计算和分析地反作用力、力矩以及功和功率等参数。表面肌电图系统，用于对人体骨骼及电信号进行采集和分析，表面肌电图可对原始肌电信号进行幅度、频率、激活顺序、频谱等分析。肌电信号是一种微弱的电信号，它的幅度在100 到5000 微伏之间，因此要求表面肌电图设备的灵敏度高、抗干扰性强。同步分析系统，由控制以上多组装置同步运动，并对捕捉信息结果进行分析处理的计算机及外围设备构成。同步实现运动图像捕捉系统，足底压力板、测力台、表面肌电图仪等系统的采集和分析，实时同步采集和分析人体运动的动力学、运动学和肌电图数据
课程论文 步态识别 学号： 班级：通信122 姓名：楚舒琦
目录 摘要 (3) 一、背景介绍 (4) 二、相关研究 (4) 三、主题（算法） (5) 基于线图模型的动态特征提取 (6) 基于整体的静态特征提取 (8) 识别 (9) 四、实验 (9) 五、结果讨论 (12) 六、总结 (12) 七、应用前景 (12) 八、技术难点及解决途径 (14) 技术难点 (14) 解决途径 (15) 九、参考文献 (16)
摘要 步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。在智能视频监控领域，比面像识别更具优势。对步态识别的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式识别算法进行了综述,并对步态识别中存在的问题与未来的研究方向进行了讨论。 关键词:生物特征识别;步态识别;特征提取;运动分割;动态时间规正
一、背景介绍 步态是指人们行走时的方式，这是一种复杂的行为特征。罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在作案现场，但有样东西他们是很难控制的，这就是走路的姿势。英国南安普敦大学电子与计算机系的马克·尼克松教授的研究显示，人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的"风格"上都存在细微差异。对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。 人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。步态识别的输入是一段行走的视频图像序列，因此其数据采集与面像识别类似，具有非侵犯性和可接受性。但是，由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比较困难。尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别的研究工作却是刚刚开始。步态识别主要提取的特征是人体每个关节的运动。到目前为止，还没有商业化的基于步态的身份鉴别系统。 二、相关研究 信息融合：感知融合是人类感知外部世界的本能之一。人类可以非常自然地运用这一能力把来自人体各个感知器官眼耳鼻四肢的信息图像声音气味触觉组合起来并使用先验知识去估计理解和识别周围的环境以及正在发生的事情。融合理论正是对人类这一本能的模仿旨在利用计算机技术对按时序获得的多源观测信息在一定准则下加以自动分析综合以完成所需的决策和估计任务而进行的信息处理过程。 信息融合的基本原理就像人脑综合处理信息一样充分利用多源信息通过对这些多源的观测信息的合理支配和使用把多源信息在空间或时间上的冗余或互补依据某种准则来进行组合以获得被测对象的一致性解释或描述。按照信息抽象的个层次可将信息融合分为3级（像素级融合特征级融合和决策级融合）。 像素级融合是在采集到的原始数据上进行的融合是原始测报未经预处理之前就进行的综合和分析是最低层次的融合。
第21卷第4期湖 北 工 业 大 学 学 报2006年08月 V ol.21N o.4 Journal of H ubei U niversity of T echnology Aug.2006 [收稿日期]2006-05-23[作者简介]程 琼(1959-),女,湖北武汉人,湖北工业大学副教授,研究方向:模式识别及计算机控制. [文章编号]1003-4684(2006)0820101203 基于计算机视觉步态识别系统的方法研究 程 琼,庄留杰 (湖北工业大学电气与电子工程学院,湖北武汉430068) [摘 要]对目前步态识别系统的研究方法进行了分析、归类与总结,并在原有的研究方法基础上提出了三维 系统建模与跟踪新方法.计算机视觉技术为步态识别系统提供了强有力的分析工具. [关键词]步态识别;计算机视觉;研究方法[中图分类号]TP391.41 [文献标识码]:A 步态识别作为一种新兴的生物特征识别技术, 当前已成为基于视觉的人体运动分析领域的研究热点.步态识别是一种潜在的行为特征,相关研究已证实它可以用于身份识别. 1 步态识别系统组成 步态识别是从相同行走行为中寻找和提取相应个体的可区分的变化来自动进行身份识别.基于视 觉的步态识别系统,如图1所示,监控摄像机用于捕捉监控领域中的行人,结合背景的自动建模和更新,步态检测用来检测行人.行人在二维或三维空间中被连续跟踪.从跟踪结果中,步态模式的一些个性化特征被相应地提取.结合在步态数据库中已经存储的步态模式,分类器最后给出识别结果 . 2 基于视觉的步态分析 步态作为生物特征的可用性在早期已得到证明,关健是如何利用计算机视觉方法来获取个体运动特征.人体建模的选择对于从图像中识别人的形状,正确分析人的运动是非常重要的.骨架图模型是 以直线近似在关节点处所连接的骨骼来表达人体;立体模型能更好地表达人体,它利用广义锥台、椭圆柱、球等三维模型来描述人体的结构细节[1]. 许多研究将人的运动定义为身体运动的不同姿势.有2种主要方法来建模人的运动:一种是基于模型的方法,即选择人体模型后,该模型的三维结构从图像序列中进行恢复;另一种方法重在确定运动场的特征,而不需结构的重构.运动行为的识别可以认为是时变数据的分类问题. 可以看出,人体建模、跟踪与运动识别技术等视觉方法已为步态分析提供了一种强有力的分析工具. 3 步态识别方法分类 当前的步态识别方法有:1)使用行人的时空模式得到步态特征;2)通过光流分布来提取特征;3)特征化实际运动的外观.而如何紧支有效地表达分割出来的或跟踪的行人是非常重要的,因为它将直接或被进一步分析,以获取用于识别的步态特征. 步态包括2类分量:结构化分量,它捕捉了一个人的身体形状;动态分量,它捕捉人体行走期间的运 动特征.根据分析,步态识别方法一是基于模型或结构的方法,它通常建模人体结构并且提取图像特征来影射它们为模型的结构化分量,或者衍生出人体部分的运动轨迹来识别个体;二是非结构或者基于运动的方法,它通常特征化人体的整个运动模式来获取运动特征,而不考虑潜在的结构[2].
常见中枢性运动控制障碍异常步态的分析与训练步行训练是患者和家属最关心的项目之一，患者也常因疾病的影响或急切期待提高步行能力，而忽视了基础训练，诱发并强化了反向负荷动作，形成了各种异常步态。中枢性控制障碍患者的康复治疗目标之一就是在现有功能障碍基础上帮助患者实现较高水平的功能独立，步行是功能独立的基本要素之一。治疗师在制定训练方案之前应实施步态分析，针对患者的步行姿态、步行效率、关节及肌肉活动、平衡协调控制等多方面因素进行检查，以确定异常步态的特征及原因，以帮助确定治疗方案及选择辅助具。 一、常用的步态分析方法 最常用的步态分析方法为临床观察法、录像观察、足印法和三维运动分析法。前三种经济实用，在临床上使用较为普遍；三维运动分析法是最为精确的步态分析方法，包括时间/空间参数测定、压力测定、表面肌电、气体代谢等方式，能够反映步态的运动学、动力学，相关肌肉活动及能量消耗的情况，需要运动捕捉系统、测力平台等器械，国际上已广泛使用。 二、步态参数 1步行周期是指一足着地到同侧足再次着地的过程，包括距离和时间参数。在正常步态中，步行周期开始于一侧足跟着地，结束于同侧足跟再次着地；在某些异常步态时，足跟不一定是足和地面首先接触的部位，那步态周期就可看成是一足某个部位接触地面到同侧足再次接触地面的过程。步行周期可分为支撑相和摆动相两个相。 （1）支撑相下肢接触地面和承受重力的时相，占步行周期的60%，包括： ①早期(early stance) 包括首次触地(initial contact)和承重反应（loading response），正常步速时占步行周期的10%~12%。其中双支撑相为支撑 足首次触地及承重反应期相当于对侧足的减重反应和足离地，由于此时 双足均在地面，又称之为双支撑相。双支撑相是步行周期中最稳定的时 期。②中期(mid stance) 即单支撑相，支撑足全部着地，对侧足处于摆 动相，是唯一单足支撑全部重力的时相，正常步速时大约为步行周期的 38%~40%。③末期(terminal stance)指下肢主动加速蹬离(push off)的 阶段，开始于足跟抬起，结束于足离地约为步行周期的10%~12%。（2）摆动相下肢在空中向前摆动的时相，占步行周期的40%，包括：①早期(initial swing) 主要的动作为足廓清地面和屈髋带动屈膝，加速肢体 前向摆动，占步行周期的13%~15%。②中期(mid swing) 足廓清仍然 是主要任务，占步行周期的10%。③末期(terminal swing) 主要任务 是下肢前向运动减速，准备足着地的姿势，占步行周期的15%。 2 步长(Step length) 也称步幅，指一足着地至对侧足着地的平均距离，可分为左侧步长和右侧步长，在异常步态中，两者可能差距很大。 3跨步长（stride length）由左侧步长和右侧步长组成，相当于一个步行周期的距离。
步态识别方法的分类及各类方法的比较 程汝珍1,2 1河海大学计算机及信息工程学院，江苏南京(210098) 2水文水资源与水利工程科学国家重点实验室，江苏南京(210098) E-mail：chengruzhen@https://www.doczj.com/doc/c9553582.html, 摘要：步态识别是生物特征识别技术中的一个新兴领域，它旨在根据个体的行走方式识别身份。步态识别主要是针对含有人的运动图像序列进行分析处理,所涉及到的几项关键技术包括:视频处理、图像处理、模式识别。步态识别分析可以划分为特征抽取、特征处理和识别分类三个阶段。在最近的文献中已经有许多研究尝试，提出了许多步态识别的具体方法。但国内外尚无将步态识别技术分类，本文提出了步态识别的六类分类法，且初步比较了每类方法的适用范围和优缺点，使读者较为全面了解步态识别技术现状。 关键词：步态识别；分类；适用范围；优缺点；比较 中图分类号：TP391.4 1.引言 步态识别是生物特征识别技术中的一个新兴领域，它旨在根据个体的行走方式识别身份[1]。根据早期的医学研究[2]人的步态有24个不同的分量，在考虑所有的步态运动分量的情况下步态是唯一的。精神物理学[3]中的研究结果显示即使通过受损的步态信息人们也能够识别出身份，这表明在步态信号中存在身份信息。 步态识别主要是针对含有人的运动图像序列进行分析处理,所涉及到的几项关键技术包括:视频处理、图像处理、模式识别[4]。步态识别分析可以划分为特征抽取、特征处理和识别分类三个阶段[5]。 步态识别部分 图1 步态自动识别系统框图 Fig1 the framework of gait automatic recognition system 步态识别系统的一般框架如图所示[6]。监控摄像机首先捕捉监控领域来人的行走视频，然后送入计算机进行检测和跟踪，提取人的步态特征，最后结合已经存储的步态模式进行身份识别。若发现该人是罪犯或嫌疑人，系统将自动发出警告。
邮局订阅号：８２－９４６３６０元／年 技术创新 人工智能 《ＰＬＣ技术应用２００例》 您的论文得到两院院士关注 基于贝叶斯网络的步态识别 ＨｕｍａｎｇａｉｔｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓ （北京科技大学）张 磊刘冀伟 Ｚｈａｎｇ，ＬｅｉＬｉｕ，Ｊｉｗｅｉ 摘要：步态作为一种重要的生物特征由于其远距离身份识别能力而逐渐受到人们的重视。本文提出了一种基于贝叶斯网络的步态识别方法。首先应用背景差方法获得运动人体侧面二值图像，将侧面像分为七部分来提取特征，采用最大方差法对 训练集进行离散化，对各部分分别建立贝叶斯网络，最后利用“投票” 规则将网络推理结果进行组合。将该方法在Ｓｏｔｏｎ步态数据库上进行试验，取得了比较理想的识别效果。关键词：生物特征识别；步态识别；贝叶斯网络 中图分类号：ＴＰ３９１．４ 文献标识码：ＡＡｂｓｔｒａｃｔ：Ｇａｉｔｈａｓｒｅｃｅｎｔｌｙｇａｉｎｅｄｍｏｒｅａｎｄｍｏｒｅａｔｔｅｎｔｉｏｎａｓａｎｉｍｐｏｒｔａｎｔｂｉｏｌｏｇｉｃｆｅａｔｕｒｅｆｏｒｉｔｓａｂｉｌｉｔｙｏｆｉｄｅｎｔｉｆｉｃａｔｉｏｎａｔｄｉｓｔａｎｃｅ． ＴｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓａｈｕｍａｎｇａｉｔｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓ．Ｆｏｒｅａｃｈｋｅｙｆｒａｍｅ，ａｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎｐｒｏｃｅｄｕｒｅｉｓｕｓｅｄｔｏｅｘｔｒａｃｔｍｏｖｉｎｇｓｉｌｈｏｕｅｔｔｅｏｆｔｈｅｗａｌｋｉｎｇｆｉｇｕｒｅｆｒｏｍｔｈｅｂａｃｋｇｒｏｕｎｄ．Ｅａｃｈｓｉｌｈｏｕｅｔｔｅｉｓｄｉｖｉｄｅｄｉｎｔｏｓｅｖｅｎｐａｒｔｓｔｏｅｘｔｒａｃｔｆｅａｔｕｒｅｓ．Ｔｈｅｔｒａｉｎｉｎｇｄａｔａｉｓｄｉｓｃｒｅｔｉｚｅｄｂｙｔｈｅｍｅｔｈｏｄｏｆｍａｘｉｍａｌｖａｒｉａｎｃｅｄａｔａｄｉｓｃｒｅｔｉｚａｔｉｏｎ．ＴｈｅＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓａｒｅｓｅｔｆｏｒｅａｃｈｓｕｂ－ｒｅｇｉｏｎｏｆｔｈｅｓｉｌｈｏｕｅｔｔｅ．Ａｔｌａｓｔ，ｔｈｅｒｅｓｕｌｔｓｏｆｉｎｆｅｒｅｎｃｅａｒｅｃｏｍｂｉｎｅｄｗｉｔｈｖｏｔｉｎｇｒｕｌｅ．ＴｈｉｓｍｅｔｈｏｄｉｓｔｅｓｔｅｄｏｎｔｈｅＳｏｔｏｎｇａｉｔｄａｔａｂａｓｅ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓａｒｅｄｅｍｏｎｓｔｒａｔｅｄｔｈａｔｔｈｅｍｅｔｈｏｄｉｓｅｆｆｅｃｔｉｖｅ．Ｋｅｙｗｏｒｄｓ：ｂｉｏｍｅｔｒｉｃｓｒｅｃｏｇｎｉｔｉｏｎ，ｇａｉｔｒｅｃｏｇｎｉｔｉｏｎ，ｂａｙｅｓｉａｎｎｅｔｗｏｒｋｓ 文章编号：１００８－０５７０（２００６）０９－２－０２６３－０３ １前言 近年来在例如视频监视，智能交互等许多重要领域中对自动身份识别系统的需求显著增加，极大的促进了基于计算机视觉的远距离身份识别的研究。步态作为一种重要的生物特征由于其远距离身份识别能力而逐渐受到人们的重视。相对于指纹、虹膜等生物特征，步态还具有非入侵、难伪装等特点。 步态识别是指通过人走路方式来判断人的身份。虽然步态识别仍是生物特征识别中的新兴领域，但近年来已经涌现出了大量的研究成果。ＵＭＤ的ＣｈｉｒａｚＢｅｎＡｂｄｅｌｋａｄｅｒ等通过估计人体高度参数和步幅参数来进行识别。中科院的王亮等提出了基于Ｐｒｏｃｒｕｓｔｅｓ形状分析的识别方法。ＭＩＴ的ＬｉｌｙＬｅｅ采用七个椭圆描述人的侧面二值图像，采用椭圆参数和人体质心的高度作为特征，通过模板匹配方法进行步态识别。 贝叶斯网络是对不确定知识进行表达和推理的拓扑结构，广泛应用于人工智能、决策评估等领域。作为一种分类器，贝叶斯网络能清晰的表示上下层之间的依存关系，由于模仿了人的推理机制，贝叶斯网络能较好的表达知识的不确定性，并且能实现快速推理，因此本文提出了基于贝叶斯网络的步态识别方法。首先利用背景差获得人体侧面二值图像，以文献中的图像表示方法为基础，将其改进后用于特征提取。根据各特征间的独立关系建立贝叶斯网络，通过贝叶斯网络推理实现对步态的识别。 ２步态特征提取 人体行走是一个周期运动，如果对周期中每个静态姿势提取特征，特征维数过高，训练数据有限，建模将会非常困难。考虑到步态周期中双足支撑期和单足支撑期姿态相对稳定，因此，取这两个姿态作为关键姿态。 运动人体侧面二值图像通过背景差的方法获得，侧面二值图像的宽度随时间呈周期变化，以宽度为标准获取关键帧，这种方法算法步骤少，效率高，虽然精度有限，但仍然可以满足后面工作的要求。 Ｌｅｅ提出了将人体侧面二值图像分为七部分并用椭圆来拟合的表示方法。本文以这种方法为基础，文献中的人体结构比例，采用如下方法将侧面像分成七个区域：取人体质心，质心上半部分１／３作头部部分， ２／３作躯干部分， 质心下半部分平均分成两份，除了头部部分，用通过质心的垂线把人体区域分成前后两部分，形成共７个区域，如图１ａ所示。 这７个区域分别用一椭圆来匹配，如图１ｂ。以椭圆参数构成子区域特征向量，这些参数包括：归一化后的质心（ｘ／ｈ，ｙ／ｈ），长短轴比例（ｌ），长轴方向（α）以及相对面积（ｎ／ａｒｅａ），即各子区域的特征向量为ｒｉ＝（ｘｉ／ｈ，ｙｉ／ ｈ，ｌｉ，αｉ，ｎｉ／ａｒｅａ）， ｉ＝１，２，．．．７，ｒｉ，与人体区域的质心相对高度张磊：硕士研究生 北京市“现代信息科学与网络技术”重点实验室资助项目（基金项目编号为：ＴＤＸＸ０５０３） ２６３－－
课程论文 步态识别 学号：12426009 班级：通信122 ：楚舒琦 目录 摘要 (3) 一、背景介绍 (4)
二、相关研究 (4) 三、主题（算法） (5) 3.1基于线图模型的动态特征提取 (6) 3.2基于整体的静态特征提取 (8) 3.3识别 (9) 四、实验 (9) 五、结果讨论 (12) 六、总结 (12) 七、应用前景 (13) 八、技术难点及解决途径 (14) 8.1技术难点 (14) 8.2解决途径 (15) 九、参考文献 (16)
摘要 步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。在智能视频监控领域，比面像识别更具优势。对步态识别的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式识别算法进行了综述,并对步态识别中存在的问题与未来的研究方向进行了讨论。 关键词:生物特征识别;步态识别;特征提取;运动分割;动态时间规正
一、背景介绍 步态是指人们行走时的方式，这是一种复杂的行为特征。罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在作案现场，但有样东西他们是很难控制的，这就是走路的姿势。英国南安普敦大学电子与计算机系的马克·尼克松教授的研究显示，人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的"风格"上都存在细微差异。对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。 人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。步态识别的输入是一段行走的视频图像序列，因此其数据采集与面像识别类似，具有非侵犯性和可接受性。但是，由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比较困难。尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别的研究工作却是刚刚开始。步态识别主要提取的特征是人体每个关节的运动。到目前为止，还没有商业化的基于步态的身份鉴别系统。 二、相关研究 信息融合：感知融合是人类感知外部世界的本能之一。人类可以非常自然地运用这一能力把来自人体各个感知器官眼耳鼻四肢的信息图像声音气味触觉组合起来并使用先验知识去估计理解和识别周围的环境以及正在发生的事情。融合理论正是对人类这一本能的模仿旨在利用计算机技术对按时序获得的多源观测信息在一定准则下加以自动分析综合以完成所需的决策和估计任务而进行的信息处理过程。 信息融合的基本原理就像人脑综合处理信息一样充分利用多源信息通过对这些多源的观测信息的合理支配和使用把多源信息在空间或时间上的冗余或互补依据某种准则来进行组合以获得被测对象的一致性解释或描述。按照信息抽象的个层次可将信息融合分为3级（像素级融合特征级融合和决策级融合）。 像素级融合是在采集到的原始数据上进行的融合是原始测报未经预处理之前就进行的综合和分析是最低层次的融合。
步态分析 项目七步态分析 第一节概述 一、步态分析的目的 1．确定异常步态的障碍学诊断。 2．确定异常步态的程度。 3．比较不同种类的辅助具（假肢、矫形器）对步态的影响。 二、适应症和禁忌症 （一）适应症 1．中枢神经系统损伤：脑外伤，脑血管意外，脑瘫，帕金森病。 2．骨关节疾病与外伤：截肢，髋关节或膝关节置换术后，关节炎，软组织损伤。 3．下肢肌力损伤：股神经损伤，腓总神经损伤，脊髓灰质炎。 4．其他如疼痛。 （二）禁忌症 1．严重的心肺疾患。 2．下肢骨折未愈合。 第二节正常步态 一、步行周期 步行周期指行走过程中一侧足跟着地至该侧足跟再次着地时所经过的时间。 分为： 1．站立相（stance phase 62％）：又称支持相，为足底与地面接触的时期。 2．迈步相（swing phase 38％）：又称摆动相，指支持腿离开地面想起摆动的阶段。二、正常步行周期的基本组成 （一）双支撑期和单支撑期 双支撑期（12％）：一侧足跟着地至对侧足趾离地前双腿与地面接触的时期。 每一个步行周期中，有两个双支撑相，即负荷反应期和站立末期。 （二）步行周期分期 1．首次着地 指足跟或足底的其他部位第一次与地面接触的瞬间，此时骨盆旋前5度，髋关节屈曲30度，膝和踝关节中立位。 正常人首次着地方式为足跟着地，病理步态时表现各异：脑瘫患儿可出现脚掌着地，脚后跟疼痛患者可见足底外侧缘或内侧缘着地。 2．负荷反应期（承重期）――双支撑期 指足跟着地后至足底与地面全面接触的一段时间，即一侧足跟着地后至对侧足趾离地。此时，膝关节屈曲达到站立相的最大值。 3．站立中期 指从对侧下肢离地至躯干位于支撑腿正上方时。 4．站立末期 指从支撑腿足跟离地到对侧下肢足跟着地。 5．迈步前期――双支撑期 指从对侧下肢足跟着地到支撑腿足趾离地之前的一段时间。
偏瘫的步态分析 来源：刘传雪的日志 偏瘫是指由于脑血管意外、脑外伤、脑肿瘤术后引起的运动中枢受损导致对侧躯体运动障碍。许多患者有明显缺陷和畸形，表现为异常的步态、行走速度缓慢、费力、稳定性差等。通过康复治疗，患者的步态可以得到改善。 1步态分析 步态分析由5个部分组成，包括观察形成行走动作的特定变量和反映步态动力学所产生的效果两部分。观察形成行走动作的特定变量有：动作分析(motion analysis)—确定每个关节动作的大小和时值；动态肌电图(dynamic electromyography)—确定肌肉活动在步态周期中的发生时间和相对强度；测力板试验(force plate)—确定下肢承重所经受的负荷变化。跨步分析(stride analysis)和能量消耗测量(energy cost measurement)。后两者用于反映步态动力学所产生的效果。每个患者步态异常的程度不同，分析的方法也不同，一般作观察式步态分析(observational gait analysis)应检选出主要的步态异常，然后确定进一步检查的项目。 观察式步态分析时，一方面将所观察的一侧下肢在步态周期中按功能分为不同的期，通常为8个期，即开始触地期(initial contact, IC)、承重反应期(loading response, LR)、站立中间期(midstance, mst)、站立终末期(terminal stance, Tst)、摆动前期(preswing, Psw)、开始摆动期(initial swing, Isw)、中间摆动期(Midswing, Msw)和终末摆动期(terminal swin g，Tsw)，前5个期为站立期的连续5个不同的阶段，后3个期为摆动期的连续3个不同阶段；另一方面将偏瘫患者与行走有关的身体部分，包括躯干、骨盆、髋、膝、踝、足趾一一作仔细观察，步态各期出现的异常动作，即病理性步态的外在表现，是直立行走的肌肉在上运动神经元受到损害后，出现下运动神经元及其所支配的肌肉活动失去控制，导致肌张力增加，肌协调收缩功能障碍，并可由动态肌电图证实。偏瘫步态具体表现如下：●开始触地期：缺乏足跟着地，而是前足、或整个足底、或足底外侧缘着地，这是由于足背屈不足，伸膝不完全或足内翻所致。 承重反应期：踝关节过度跖屈，呈马蹄足，可能是由于跟腱挛缩，或由于持久而过度的小腿三头肌活动，使前足首先着地，正常足跟着地的摇滚动作丧失，使步态不平滑。正常胫骨在足跟处摇滚向前运动比大腿向前运动快，引起膝屈曲，而偏瘫病人吸收缓冲体重冲力的膝屈曲消失。前足着地反而给胫骨产生向后的推力，妨碍身体向前推进和利用下肢的动量向前，使能量消耗增加。足内翻多由于胫前肌在摆动期过度活跃，或小腿三头肌提前活动引起。足外侧缘着地使负重面不稳定。当髋内收肌过度活动、共济失调、本体感觉受损时，可引起患足在健足前方着地，易致内翻损伤或不稳跌倒。 ●中间站立期：由于挛缩、过度屈肌活动和强力的伸展模式，正常踝关节从15°跖屈位至大约10°背屈位的转移动作消失，患者不能将体重从足跟转移到前足，并出现两种代偿方式。如果膝活动度良好，就会出现膝过伸；如果患者有充分的伸髋控制能力，或有手杖支撑时，就会出现躯干前倾。两种情况均使骨盆后缩处于足跟的后上方，影响了身体向前的动量和步长。
步态分析 第一节概述 一、步态分析的目的 1．确定异常步态的障碍学诊断。 2．确定异常步态的程度。 3．比较不同种类的辅助具（假肢、矫形器）对步态的影响。 二、适应症和禁忌症 （一）适应症 1．中枢神经系统损伤：脑外伤，脑血管意外，脑瘫，帕金森病。 2．骨关节疾病与外伤：截肢，髋关节或膝关节置换术后，关节炎，软组织损伤。 3．下肢肌力损伤：股神经损伤，腓总神经损伤，脊髓灰质炎。 4．其他如疼痛。 （二）禁忌症 1．严重的心肺疾患。 2．下肢骨折未愈合。 第二节正常步态 一、步行周期 步行周期指行走过程中一侧足跟着地至该侧足跟再次着地时所经过的时间。 分为： 1．站立相（stance phase 62％）：又称支持相，为足底与地面接触的时期。 2．迈步相（swing phase 38％）：又称摆动相，指支持腿离开地面想起摆动的阶段。 二、正常步行周期的基本组成 （一）双支撑期和单支撑期 双支撑期（12％）：一侧足跟着地至对侧足趾离地前双腿与地面接触的时期。 每一个步行周期中，有两个双支撑相，即负荷反应期和站立末期。 （二）步行周期分期 1．首次着地 指足跟或足底的其他部位第一次与地面接触的瞬间，此时骨盆旋前5度，髋关节屈曲30度，膝和踝关节中立位。 正常人首次着地方式为足跟着地，病理步态时表现各异：脑瘫患儿可出现脚掌着地，脚后跟疼痛患者可见足底外侧缘或内侧缘着地。 2．负荷反应期（承重期）――双支撑期 指足跟着地后至足底与地面全面接触的一段时间，即一侧足跟着地后至对侧足趾离地。此时，膝关节屈曲达到站立相的最大值。 3．站立中期 指从对侧下肢离地至躯干位于支撑腿正上方时。 4．站立末期 指从支撑腿足跟离地到对侧下肢足跟着地。 5．迈步前期――双支撑期 指从对侧下肢足跟着地到支撑腿足趾离地之前的一段时间。 6．迈步初期 从支撑腿离地至该侧膝关节达到最大屈曲时。
常见异常步态 2007-5-27 21:51 作者：任我游911 详情: 查看论坛本文已有9位网友阅读网友评论 0 条 （一）分类 1、支撑相障碍下肢支撑相的活动属于闭链运动，足、踝、膝、髋、骨盆、躯干、上肢、颈、头均参与步行姿势。闭链系统的任何改变都将引起整个运动链的改变，远端承重轴（踝关 节）对整体姿态的影响最大。 (1)支撑面异常足内翻、足外翻、单纯踝内翻和踝内翻伴足内翻、单纯踝外翻和踝外翻伴 足外翻、足趾屈曲、拇趾背伸。 (2)肢体不稳由于肌力障碍或关节畸形导致支撑相踝过分背屈、膝关节屈曲或过伸、膝内 翻或外翻、髋关节内收或屈曲，致使肢体不稳。 (3)躯干不稳一般为髋、膝、踝关节异常导致的代偿性改变。 2、摆动相障碍摆动相属于开链运动，各关节可以有相对孤立的姿势改变，但是往往引起 对侧支撑相下肢姿态发生代偿性改变；近端轴（髋关节）的影响最大。 (1)肢体廓清障碍垂足、膝僵硬、髋关节屈曲受限、髋关节内收受限。 (2)肢体行进障碍膝僵硬、髋关节屈曲受限或对侧髋关节后伸受限、髋关节内收。 （二）常见异常步态 异常步态可以孤立存在，也可以组合存在，构成复杂的临床现象。 1、足内翻是最常见的病理步态，多见于上运动神经元病变患者，常合并足下垂和足趾卷屈。步行时足触地部位主要是足前外侧缘，特别是第五蹠骨基底部，常有承重部位疼痛，导致踝关节不稳，进而影响全身平衡。支撑相早期和中期由于踝背屈障碍，导致胫骨前向移动受限，从而促使支撑相末期膝关节过伸，以代偿胫骨前移不足。由于膝关节过伸，足蹬离力降低，使关节做功显著下降。此外髋关节也可发生代偿性屈曲。患肢摆动相地面廓清能力降低。步态障碍患者纠正足内翻往往是改善步态的第一要素。与足内翻畸形相关的肌肉包括：胫前肌、胫后肌、趾长屈肌、腓肠肌、比目鱼肌、拇长伸肌和腓骨长肌。其中胫前肌、胫后肌、腓肠肌和比目鱼肌过分活跃较常见，拇长伸肌过度活动也有关联。 2、足外翻骨骼发育尚未成熟的儿童或年轻患者多见（例如脑瘫），表现为步行时足向外侧倾斜，支撑相足内侧触地，可有足趾屈曲畸形。可以导致舟骨部位胼胝生成和足内侧(第一蹠骨)疼痛，明显影响支撑相负重。步行时身体重心主要落在踝前内侧。踝背屈往往受限，同样影响胫骨前向移动，增加外翻。严重畸形者可导致两腿长度不等，跟距关节疼痛和踝关节不稳。早期支撑相可有膝关节过伸，足蹬离缺乏力量，摆动相踝关节蹠屈导致肢体廓清障碍 (膝关节和髋关节可产生代偿性屈曲)。动态肌电图可见：腓骨长肌、腓骨短肌、趾长屈肌、腓肠肌、比目鱼肌过度活跃或痉挛，胫前肌、胫后肌活动降低或肌力下降。 3、足下垂足下垂指摆动相踝关节背屈不足，常与足内翻或外翻同时存在，可导致廓清障碍。代偿机制包括：摆动相增加同侧屈髖、屈膝，下肢划圈行进，躯干向对侧倾斜。常见的病因是胫前肌无活动或活动时相异常。单纯的足下垂主要见于脊髓损伤、儿麻和外周神经损伤。 4、足趾卷曲支撑相足趾保持屈曲。常见于神经损伤、反射性交感神经营养障碍、长期制动和挛缩。常伴有足下垂和内翻。患者主诉穿鞋时足趾尖和蹠趾关节背面疼痛，伴有胼胝生成。患者常缩短患肢步长和支撑时间，导致足推进相力量减少。相关的肌肉包括：趾长屈肌、拇长伸肌和屈肌。踝关节背屈时使该畸形加重。动态肌电图常可见趾长屈肌、拇长屈肌活动时间明显延长，腓肠肌和比目鱼肌异常活跃，趾长伸肌活动减弱。 5、拇趾背伸多见于中枢神经损伤患者。患者步行时(支撑相和摆动相)拇趾均背屈，常伴有足下垂和足内翻。患者主诉支撑相拇趾和足底第一蹠趾关节处疼痛，在支撑相早期和中期负重困难，因此常缩短受累侧支撑相，使摆动相时间超过支撑相，从而影响支撑相末期或摆动前期的足蹬离力。动态肌电图可显示腓肠肌群过度活跃；摆动相拇长伸肌加强活动，以代偿足下
异常步态的原因与表现 一、异常步态的原因 造成步态偏离正常模式的原因众多，可以是肌肉骨骼和周围神经系统疾患，也可以是中枢神经系统疾患。其中包括： 1．关节活动受限(包括挛缩)。 2．活动或承重时疼痛。 3．肌肉软弱或无力。 4．感觉障碍。 5．协调运动丧失。 6．截肢后。 二、常见的异常步态 (一)短腿步态 患肢缩短达2．5cm以上者，该腿着地时同侧骨盆下降，导致同侧肩倾斜下沉，对侧摆动腿、髋膝过度屈曲与踝背伸加大，出现斜肩步。如缩短超过4cm，则步态特点可改变为患肢用足尖着地以代偿。 (二)关节挛缩或强直步态 髋关节屈曲挛缩患者，站立时腰椎常过伸，骨盆前倾，行走时步幅缩短。 膝关节屈曲挛缩者，如挛缩小于30‘，仅在快速行走时才呈现异常步态；如超过30’，则慢速行走也不正常，其表现与下肢缩短相同。 膝关节伸直挛缩者，由于患侧腿变得过长，该腿摆动时须髋外展及同侧骨盆上提。 踝跖屈挛缩和马蹄足畸形者，行走时患腿足跟始终不能着地，且摆动时膝髋过度屈曲，以防足趾拖地，呈现跨槛步态。 (三)蹒跚步态或关节不稳步态 行走时左右摇摆如鸭步，见于先天性髋关节脱位、佝偻病、大骨节病、进行性肌营养不良。 (四)疼痛步态 腰部疼痛时，躯干前屈，步幅变小，步行速度慢，躯干僵硬，可侧屈。 髋关节疼痛时，患者尽量缩短患肢的支撑相，延长对侧支撑相，躯干侧方移动度增大，患侧呈外展屈曲位，步幅缩短，故又称短促步。 膝关节疼痛时，膝关节屈曲，足趾着地。 (五)偏瘫步态 1．足下垂、内翻步态足下垂是由于小腿三头肌痉挛、踝关节跖屈所造成。先是足尖着地，然后全足底着地。内翻下垂足在足跟着地阶段是足尖和足的外侧先着地，进而全足底着地。它有稳定性差、推进力量弱、摆动期足尖拖地易跌倒等特点。 2．膝反张步态膝伸展弱，为防止出现折膝，膝关节保持在膝伸展位。当足下垂时骨盆后倾，躯干前屈，也引起膝伸展位。膝反张步态患者长距离行走会导致关节疼痛。 3．划圈步态足下垂时，为避免足部拖地，摆动时常使患肢经外侧划一个半圆弧向前摆动腿。4．剪刀步态髋关节内收肌群痉挛时摆动相下肢向前内侧迈出，下肢呈交叉状态步行。交叉严重时步行困难。 (六)肌无力步态 胫前肌无力时足下垂，摆动相用增加髋、膝屈曲度以防足拖地，形成跨槛步。 小腿三头肌无力时支撑后期患侧髋下垂，身体向前推进速度减慢。 股四头肌无力时，患肢支撑相不能主动维持稳定的伸膝，故身体前倾，让重力线在膝前