李漢林 李潔 劉天宇

（濱州學院 航空工程學院 山東省濱州市 256600）

近年來隨著計算機處理能力的提高與人工智能的興起，使步態(tài)識別作為一種非侵入識別方式的識別準確性不斷提高，其非接觸性，不易察覺，也使被測人員很難進行偽裝?？茖W醫(yī)學研究發(fā)現(xiàn)，人的步行姿態(tài)包括二十多種特征，且受到多種生理因素影響，如果全面考慮這些因素，每個人的步態(tài)都是不同的。通常基于機器視覺的步態(tài)識別的輸入數(shù)據(jù)是很多幀步行的圖像序列，因為機器視覺所用到的算法模型對算力要求較高，處理困難，且容易受到很多外界因素干擾[1]，比如：環(huán)境光線，拍攝角度，衣服鞋帽等都會影響人體輪廓。本項目采用的壓力感知方式的步態(tài)識別實現(xiàn)方法簡易，直觀，在繼承步態(tài)識別的優(yōu)點同時可以有效地的避免上述問題。所有本文設(shè)計一種基于步態(tài)識別的足底壓力感知人員身份識別系統(tǒng)。

1 系統(tǒng)結(jié)構(gòu)與功能

本身份識別系統(tǒng)由壓力傳感模塊，STM32F4 單片機，紅外喚醒模塊，上位機等器件組成，結(jié)構(gòu)示意圖如圖1所示。

1.1 采集設(shè)備結(jié)構(gòu)

考慮到步態(tài)識別方式的特性，充分發(fā)揮步態(tài)識別的優(yōu)勢，采集裝置采用嵌入地面設(shè)計，具有隱蔽性，不易察覺，如圖2所示。

1.2 壓力傳感模塊

通過柔性薄膜壓力傳感器橫縱分布式交叉排布構(gòu)建出來的400個采樣點，采集行走過程中腳掌的壓力變化生物數(shù)據(jù)，進行數(shù)據(jù)采集。通過大量程應變式稱重傳感器測量人體體重信息。如圖3所示。

柔性薄膜壓力傳感器的阻值R 隨著受力F 的增大而減小，設(shè)計電路通過STM32F4 單片機測量讀取薄膜壓力傳感器的電壓值，傳感器的電壓值因為電阻值的變化而變化。通過單片機收集柔性薄膜壓力傳感器各個節(jié)點數(shù)據(jù)變化，得到行走過程中腳掌的壓力變化，量化壓力變化數(shù)據(jù)?？梢詼y量出足底各個位置的壓力值，柔性薄膜壓力傳感器壓力與電阻曲線如圖4[3]。

1.3 STM32F407VET6單片機

STM32F407VET6 芯片具有低功耗，高性能的優(yōu)點，芯片最高運行頻率168MHz，12 位數(shù)模轉(zhuǎn)換器，符合設(shè)計要求，使用STM32F407VET6 進行模擬信號采樣，STM32F407 VET6 單片機將采樣信號進行預處理，封裝通過串口發(fā)送給上位機。

1.4 紅外喚醒裝置

考慮到功耗及元器件壽命等原因，使用紅外光電開關(guān)對是否有人員出入進行檢測。無人員進出時單片機處于休眠狀態(tài)，當檢測到人員進出時喚醒單片機。

1.5 上位機

在上位機搭建軟件算法，使用足底壓力分布及變化作為步態(tài)信息，對識別模型進行訓練從而實現(xiàn)對人員的鑒別。

圖1：系統(tǒng)結(jié)構(gòu)示意圖

圖2：采集設(shè)備結(jié)構(gòu)圖

圖3：壓力傳感器

2 壓力數(shù)據(jù)特征提取

根據(jù)H.奈奎斯特提出的采樣定理，必須當采樣頻率大于被測量的模擬信號最大頻率兩倍以上時，采樣數(shù)據(jù)才能完全顯示原信號的特征。相關(guān)調(diào)查表明人體運動頻率一般不高于 30Hz，本系統(tǒng)按照人體活動頻率不高于 30Hz，設(shè)計對足底壓力傳感器采樣頻率為80Hz[2]。通過上位機從單片機獲取的數(shù)據(jù)，擬合出足底壓力分布圖像，并使用opencv 庫對足底壓力分布圖像進行處理。如圖5所示。

圖4：壓力KG 與電阻KOhm 變化曲線

圖5：足底各區(qū)域的壓力分布圖

圖6：足底區(qū)域劃分

2.1 數(shù)據(jù)處理

為了確保提取到的足底壓力圖像的完整性，防止因接觸傳感器位置的邊緣導致壓力圖像的不完整而導致測量結(jié)果錯誤。本設(shè)計設(shè)定足底長寬比的上限與下限，當壓力圖像不在此范圍時排除該壓力圖像。

2.2 足底區(qū)域劃分

根據(jù)計算壓力圖像有參數(shù)的行與列，算出足部長和寬的像素點的個數(shù)，分別記為r 和c。依照列數(shù)r 等分為三等份，記為r1,r2,r3，分別對應各部分的有效行數(shù)。如圖6所示。

圖7：不同人員步態(tài)特征變化曲線

圖8：同一人員步態(tài)特征變化曲線

2.3 壓力分布特征提取

2.3.1 形狀特征

根據(jù)人腳的生理特點，通常使用腳與地面的接觸面積和足底長寬比來反映被測人員足底的形狀特征。壓力圖像的有參數(shù)的行與列，計算足部長的行數(shù)和寬的列數(shù)，足底各區(qū)域的長和寬是指足底各區(qū)域中有壓力參數(shù)行數(shù)和有壓力參數(shù)列數(shù)。足底的接觸面積是指足底中有壓力參數(shù)的像素點的個數(shù)。

2.3.2 最大壓力圖像

由于人在行走時，足底接觸地面的過程為動態(tài)過程，因此當不同人員腳從接觸地面到離開地面的壓力曲線都會不同，從中選取壓力最大的圖像的最大壓力像素點。將整個足底與傳感器接觸區(qū)域受力使人前進的力集中于特定區(qū)域，該區(qū)域就是足底壓力中心點。一般情況下，足底壓力中心點位于足底中間部分靠近內(nèi)側(cè)的位置。由于不同人肌肉力量骨骼長度腳型的不同，足底壓力中心點的位置也會有很大的不同[4]。足底壓力中心點計算公式（1），（2）。

圖9：系統(tǒng)流程圖

圖10：系統(tǒng)軟件界面圖

Xi和Yi為提取壓力圖片上的像素點的行數(shù)與列數(shù)，Pi為提取壓力圖片上當前讀取像素點的壓力值，n 為該壓力圖像中矩陣像素個數(shù)，Xc和Yc分別為足底壓力中心點的行數(shù)和列數(shù)[3]。

2.3.3 時空參數(shù)

設(shè)定從一只腳接觸傳感器瞬間到另一只腳接觸傳感器瞬間所用時間為行走周期，支撐時間為在一個行走周期內(nèi)一只腳與傳感器接觸的時長，因為個人的生理差異都會有所不同[5]。

3 識別算法設(shè)計

目前步態(tài)識別的方法大多是基于模式識別的判斷方法。隨著人工智能算法的發(fā)展，基于模式識別的判斷方法準確性越來越高，但現(xiàn)在模式識別常用算法無一不需要大量的測試樣本對分類器進行訓練，獲得較好的識別效果[6]。由于本系統(tǒng)的實際應用場景問題，無法獲得被測試人員的大量樣本。所以我們嘗試設(shè)計出具有普適性的步態(tài)識別算法。來實現(xiàn)對于測試人員錄入的單一樣本也能獲得較好的識別準確率。對不同人員的樣本進行特征提取，將提取的所有足底壓力特征進行歸一化處理，得出實驗數(shù)據(jù)如圖7，8 所示。

特征值序號：1 接觸面積，2 足底長寬比，3 最大足底壓力像素點，4 足底壓力中心點，5 行走周期，6 支撐時間，7 體重。

實驗發(fā)現(xiàn)不同人員的足底壓力中心點，支撐時間，足底接觸面積三個足底壓力特征在數(shù)值上有較大波動，賦予較高的識別優(yōu)先級，根據(jù)各個特征數(shù)據(jù)波動幅度的大小，依次進行優(yōu)先級排序，再根據(jù)優(yōu)先級對識別算法各特征的權(quán)重進行調(diào)整。達到當測試人員只錄入一次本人足底壓力樣本，之后對未知樣本進行判斷的要求。

4 系統(tǒng)總體設(shè)計

系統(tǒng)總體流程圖如圖9所示。

當有人員通過時，系統(tǒng)被紅外喚醒裝置喚醒，檢測人員足底壓力信息，與數(shù)據(jù)庫已有模型進行匹配，進行人員身份識別。系統(tǒng)軟件如圖10。

5 結(jié)語

本項目設(shè)計一種基于物聯(lián)網(wǎng)研發(fā)的一套足底壓力感知身份識別系統(tǒng)，通過薄膜壓力傳感器，采集行走過程中腳掌的壓力變化生物數(shù)據(jù)，通過大量程應變式稱重傳感器測量人體體重信息。將信號傳輸給STM32F4 單片機，然后STM32F4 單片機將數(shù)據(jù)封裝發(fā)送給上位機，上位機搭建軟件算法，使用足底壓力分布及變化作為步態(tài)信息，設(shè)計識別算法，采集出入人員的腳掌壓力分布及變化趨勢，從而實現(xiàn)對人員身份進行鑒別，同時通過其出入時的體重及步態(tài)的微小變化，分析人員是否攜帶異常物品。本系統(tǒng)基于步態(tài)識別的足底壓力感知人員身份識別系統(tǒng)，步態(tài)平均識別率達到89.2%，可以在20 個樣本存量中實現(xiàn)準確識別。本項目采用的壓力感知方式的步態(tài)識別實現(xiàn)方法簡易，直觀，在繼承步態(tài)識別的優(yōu)點同時有效地的避免了步態(tài)識別對算力要求較高，環(huán)境對識別結(jié)果影響較大的問題。在步態(tài)識別領(lǐng)域具有一定的實用性和研究價值。