行走过程中肢体的协调性研究

沈易成　薛祺　朱立志　李昊

摘 要：为加强公安机关信息化建设，提高公安机关侦查破案能力，解决生物特征识别中步态识别对识别和确定嫌疑人理论依据问题，文章选取了行走过程中肢体协调性方面入手进行实验研究。通过实验得到25人行走数据，对其进行处理分析，得出人在正常行走过程中左右肢体协调并且运动轨迹稳定及具有特定性的结论，即可以通过人在正常行走过程中的肢体运动轨迹，对人身进行同一性认定。

关键词：刑事技术；步态识别；步态特征图；行走姿态；生物识别

中图分类号：TP391 文献标志码：A 文章编号：2095-2945（2018）17-0010-04

Abstract： In order to strengthen the information construction of public security organs， improve the ability of investigating and solving cases in public security organs， and solve the problem of gait recognition in biometric identification to identify and determine the theoretical basis of suspects， we， in this paper， choose the aspect of limb coordination in the walking process to carry on the experimental research. The walking data of 25 people were obtained and analyzed， and the conclusion that people coordinated the left and right limbs in the normal walking process and the track of movement was stable and specific was concluded. That is， we can justify the identity of the human body through the movement track of the body in the normal walking process.

Keywords： criminal technology； gait recognition； gait feature map； walking posture； biometric identification

在信息化社會中，公安机关加紧信息化建设，将信息化建设成果应用于公安实战。[1]案件侦查作为公安工作的重难点，自然也是信息化建设的重点，近年来，各类高科技手段被应用于侦查工作，为案件的破获带来了极大的便利。[2]然而随着社会发展，各类案件愈加多发，且犯罪嫌疑人的反侦查意识越来越强，给公安机关的侦查破案带来了很大的困难。与此同时监控视频中的生物特征识别技术以简洁、快速和对身份认定可靠、准确等优势越来越受到人们的青睐。本文选择其中的行走过程中肢体的协调性方面进行研究，希望能够为犯罪嫌疑人的识别和认定提供理论依据，助力公安实战。

1 研究背景及意义

目前已经广泛运用于公安实战的生物特征识别技术有人脸、指纹、声音等特征，但是这类特征的获取需要满足被识别人的配合及对外部环境有一定要求，而在犯罪现场这是极难被满足的。而且，随着犯罪嫌疑人反侦查意识的提高，人脸、指纹等生物特征的应用范围将会越来越多地受到限制。步态，作为一种新的生物特征，以其唯一性和真实性引起了研究人员的广泛关注[3]。

英国南安普敦大学马克·尼克松教授的研究显示：如同没有两匹斑马拥有相同的斑纹一样，不同的人在肌肉、骨骼、体重、年龄、视觉等生理条件以及个人习惯等内在因素的共同作用下，展现出完全不同的步态。而且，步态难以改变。因此，利用步态可以安全可靠地进行身份认定。步态识别与传统的生物特征识别相比，具有以下三个优势[4]：

（1）隐蔽性。步态信息的获取不需要被识别人的配合，可不经发觉完成采集。

（2）远距离性。步态信息可以远距离获取并识别。信息获取的远距离性为操作人员争取了时间，使其能够对即将到来的危险做出反应。

（3）真实性。步态难以改变。如果刻意改变步态，反而会因为怪异的走路姿势更加引人注目。[5]

并且随着公安治安视频监控系统，即天网系统的发展，与其整合必能在公安实战之中大放异彩。

2 实验内容及方法

2.1 实验目的

本文通过捕捉人行走过程中四肢各特征点（肩部、肘部、手腕、胯部、膝部及脚踝）的运动，利用其时间、空间关系，从两个角度加以研究：一是同一人左右对应的特征点运动的对称性，二是该同一人同一特征点运动的稳定性，通过样本之间的对比，以期可以为步态的同一性认定提供实验依据。

2.2 实验原理

利用运动捕捉系统十个捕捉单元对某一点同时从不同角度进行捕捉，通过三维叠加计算出该点在空间中的三维坐标。当该点运动时，可分别记录下该点不同时刻的空间位置。再利用数理统计等方法对该点运动过程中的空间位置加以分析，从中找出相应规律。

2.3 实验方法

（1）处理空间环境：修正镜头参数。

（2）标定摄像头：利用标定架，确定各镜头空间位置。

（3）建立数据库以及人体模型：测量人体参数，确定人体静态模型。

（由于Vicon V1.3运动捕捉系统是利用红外摄像头收集黏贴在人体上的Mark点所发出的红外信号，易于被外界其他无关红外信号干扰，导致无法采集数据。在实验过程中，中午时段进行的实验由于太阳光线强烈，无关红外信号干扰过多，使得无法采集特征点所发出的信号，无法生成实验数据，导致实验无法进行，而在夜晚时段进行的实验则因为干扰源的减少，实验效果达到预期。）

2.4 测量数据

测量正常行走运动中一个行走周期以上特征点空间时间数据，捕捉频率为100hz/s，对25位测试者分别测试35组数据。

2.5 提取协调性特征数据

本文利用Vicon V1.3运动捕捉系统收集人体各特征点在正常行走过程中的时间与位置数据，将其导出制作成为Excel表格文档，表格如下（表1-1（腕部）为编号为1的实验者第一次测量腕部的数据……表M-N（腕部）（1≤M≤25，1≤N≤35）为编号为M的实验者第N次测量的腕部数据……）由于数据较多，仅展示一部分，其余参照此表。

2.6 实验器材

Vicon V1.3运动捕捉系统。

3 实验数据分析

利用实验数据将表格制作成时间与位置关系的折线图，展示此特征点在空间X、Y、Z方向（X为左右方向，Y为运动方向，Z为垂直方向）上的运动轨迹。由于特征点较多，仅展示一部分，其余参照图1、图2。

小组成员通过比较14个特征点在正常行走過程中时间与位置关系的折线图，发现腕部Z方向和脚踝部Z轴方向运动轨迹最为稳定和明显，经讨论一致决定选用这两个特征点的Z方向数据进行下一步的分析处理工作。

分析处理协调性特征数据：

（1）对称性

本文将位于人体左右两侧同一位置的特征点数据进行比较，从图3、图4中可以看出，腕部和脚踝部在Z轴方向上，运动的频率、波峰、波谷、周期等趋于一致，将同一实验对象35次实验及25位不同实验对象的数据进行同样处理、对比，发现腕部和脚踝部在Z轴方向上，运动的频率、波峰、波谷、周期等都趋于一致，由此可以得出人在正常行走过程中肢体左右两侧运动轨迹对称。

（2）协调性

上文得出人在正常行走过程中肢体左右两侧运动轨迹对称，可推导得出人在正常行走过程中左右肢体运动协调。

（3）稳定性

本文将同一实验对象同一特征点多次实验数据进行比较，从图5、图6中可以看出，腕部和脚踝部在Z轴方向上，运动的频率、波峰、波谷、周期等趋于一致，再将其余不同实验对象的数据进行同样处理、比较，发现腕部和脚踝部在Z轴方向上，运动的频率、波峰、波谷、周期等都趋于一致，由此可以推出人在正常行走过程中运动具有稳定性。

4 实验结论及不足

4.1 结论

通过对实验数据进行以上处理、大量分析本文得出以下结论：人在正常行走过程中左右肢体协调并且运动轨迹稳定及具有特定性，即可以通过人在正常行走过程中的肢体运动轨迹，对人身进行同一性认定。

4.2 不足与展望

由于本文条件所限实验对象都为身体健康的成年男性，未对女性、残障人士、老年人等人群进行实验测试，结论存在一定局限性，不能适用于全部人群，且样本容量太小，只有25人。对于实验数据的分析处理，只是从运动轨迹、时间和位置关系，还可以从其他变量入手，使用其他的科学方法，使得实验结论更加具有科学性，上升到理论高度。

本文从人在行走过程中的运动轨迹入手，采用科学的手段方法，得出人在正常行走过程中左右肢体协调并且运动轨迹稳定及具有特定性的结论，研究了人的正常行走姿态并为对于人的行走姿态的同一性认定提供了一定的实验依据，再经过逐步的完善就可服务于公安实战，还可与现在的天网系统结合起来，更加高效的识别嫌疑人，提高公安机关的信息化水平，提升自身业务能力。

本文通过实验得出的结论不仅为行走姿态的同一性认定提供了实验依据，而且还可以应用于医药卫生和电子领域，应用于仿生义肢和仿生机器人。利用人在正常行走过程中肢体左右两侧运动轨迹对称的结论，截取人体一半肢体的运动数据，依据此结论，编制出算法，得出另一半肢体的运动数据，得到义肢的运动轨迹，由此完成整个运动过程，使得残疾人也能正常行走，过上正常的生活。

本文希望可以为社会作出微小贡献，不负厚望。

参考文献：

[1]陈晓.大数据时代地方公安信息化建设的思考[J].科技与创新，2095-6835，2017（05）：54-57.

[2]鲍龙，刘钰杰，南岳志.试论信息化侦查方法[J].读天下社科研究.

[3]Lai Daniel TH， Begg Rezaul K， Palaniswami Marimuthu. Computational Intelligence in Gait Research： A Perspective on Current Applications and Future Challenges [J]. Information Technology in Biomedicine， IEEE Transactions on，2009，13（5）：687-702.

[4]Tracey K M Lee， Mohammed Belkhatir， Saeid Sanei. A comprehensive review of past and present vision-based techniques for gait recognition[J]. Multimedia Tools and Applications， 2014，72（3）：2833-2869.

[5]刘萍.与服饰、携带物无关的多视角下的步态识别[D].国防科学技术大学.