基于無(wú)標(biāo)記點(diǎn)運(yùn)動(dòng)跟蹤的步態(tài)參數(shù)提取

摘要：提出一種無(wú)標(biāo)記點(diǎn)的步態(tài)參數(shù)提取方法，采用基于模型的人體運(yùn)動(dòng)跟蹤方法，無(wú)須標(biāo)記點(diǎn)即可從視頻圖像序列中獲取運(yùn)動(dòng)步態(tài)參數(shù)。利用粒子濾波算法跟蹤人體目標(biāo)運(yùn)動(dòng)過(guò)程，通過(guò)基于外觀模型的相似度計(jì)算及邊界匹配誤差判斷定位腿部關(guān)節(jié)點(diǎn)。依據(jù)曲線擬合方法在跟蹤與定位結(jié)果上提取運(yùn)動(dòng)步態(tài)參數(shù)。實(shí)驗(yàn)結(jié)果表明，該方法能精確定位腿部關(guān)節(jié)點(diǎn)且有效地提取步態(tài)參數(shù)。

關(guān)鍵詞：無(wú)標(biāo)記點(diǎn)； 人體模型； 人體運(yùn)動(dòng)跟蹤； 步態(tài)參數(shù)

中圖分類號(hào)：TP391.9文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001－3695(2008)06－1759－03

步態(tài)分析是利用生物力學(xué)的概念和已知的人體解剖學(xué)、生理學(xué)知識(shí)，借助現(xiàn)代計(jì)算機(jī)技術(shù)對(duì)人的行走姿態(tài)進(jìn)行分析的研究方法。步態(tài)分析的研究?jī)?nèi)容主要包括人體動(dòng)力學(xué)和人體運(yùn)動(dòng)學(xué)。近年來(lái)，隨著計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)的快速發(fā)展，步態(tài)分析在臨床醫(yī)學(xué)、康復(fù)醫(yī)療、矯形外科、體育運(yùn)動(dòng)分析等相關(guān)領(lǐng)域得到了廣泛應(yīng)用。

過(guò)去的研究中，運(yùn)動(dòng)步態(tài)參數(shù)基本上是通過(guò)對(duì)標(biāo)記點(diǎn)的定位得到的。標(biāo)記點(diǎn)的定位方法主要分為兩類：a)通過(guò)傳感器設(shè)備獲取標(biāo)記點(diǎn)位置及運(yùn)動(dòng)數(shù)據(jù)[1，2]；b)利用數(shù)字圖像處理技術(shù)識(shí)別、跟蹤標(biāo)記點(diǎn)[3，4]。上述方法，通過(guò)儀器定位標(biāo)記點(diǎn)通常會(huì)對(duì)人體運(yùn)動(dòng)形成一定限制，存在精度不高、無(wú)法消除電磁干擾等缺點(diǎn)。對(duì)標(biāo)記點(diǎn)進(jìn)行識(shí)別與跟蹤，雖然提高了標(biāo)記點(diǎn)自動(dòng)化跟蹤程度，但這些標(biāo)記點(diǎn)有時(shí)被遮擋或變形，容易產(chǎn)生錯(cuò)位導(dǎo)致定位不精確，影響測(cè)試結(jié)果。

本文提出了一種新的運(yùn)動(dòng)步態(tài)參數(shù)提取方法，區(qū)別于步態(tài)分析原型系統(tǒng)中標(biāo)記點(diǎn)的定位方法，提出利用無(wú)標(biāo)記點(diǎn)的運(yùn)動(dòng)跟蹤方法跟蹤及定位人體關(guān)節(jié)點(diǎn)。采用背景剪除技術(shù)從視頻圖像序列中提取運(yùn)動(dòng)人體目標(biāo)，用于運(yùn)動(dòng)跟蹤。通過(guò)對(duì)人體建模，利用一個(gè)帶外觀模型的人體骨架模型描述人體關(guān)節(jié)特征。粒子濾波算法用于跟蹤整個(gè)步態(tài)運(yùn)動(dòng)，在基于外觀模型的相似度計(jì)算和邊界匹配誤差判斷的基礎(chǔ)上精確定位腿部關(guān)節(jié)點(diǎn)。利用曲線擬合方法，復(fù)現(xiàn)了離散關(guān)節(jié)點(diǎn)的連續(xù)變化運(yùn)動(dòng)軌跡，從而提取出運(yùn)動(dòng)步態(tài)參數(shù)。利用無(wú)標(biāo)記點(diǎn)的人體運(yùn)動(dòng)跟蹤方法提取步態(tài)參數(shù)，解決了步態(tài)分析原型系統(tǒng)中影響標(biāo)記點(diǎn)定位精度和步態(tài)參數(shù)準(zhǔn)確性的問(wèn)題。

1人體目標(biāo)提取

人體目標(biāo)提取結(jié)果的好壞直接影響到后面人體關(guān)節(jié)點(diǎn)跟蹤與定位的精確性。通過(guò)背景估計(jì)初始化背景模型，恢復(fù)圖像序列中的背景圖像。在具有運(yùn)動(dòng)物體的場(chǎng)景中，由于場(chǎng)景在整個(gè)視頻序列中近似靜止，可以通過(guò)濾波方法估計(jì)靜止背景，利用公式重建背景：Bk(x，y)=∑N-ii=0hi×fk-1。其中：hi為中值濾波器；N為濾波器長(zhǎng)度。

采用背景消減技術(shù)從圖像序列中檢測(cè)出人體運(yùn)動(dòng)目標(biāo)：首先利用公式Dk(x，y)=｜fk(x，y)-Bk-1(x，y)｜計(jì)算背景圖像Bk與當(dāng)前幀圖像fk的差。其中：fk(x，y)、Bk-1(x，y)分別為當(dāng)前幀圖像和背景圖像；Dk(x，y)為背景減得到的差分圖像。然后依據(jù)公式Rk(x，y)=1foregroundDk(x，y)＞T0background Dk(x，y)≤T

對(duì)差分圖像Dk進(jìn)行二值化和形態(tài)學(xué)處理，并對(duì)所得結(jié)果Rk進(jìn)行區(qū)域連通性分析。當(dāng)某一連通區(qū)域的面積大于給定閾值，則為檢測(cè)目標(biāo)，并認(rèn)為該區(qū)域就是目標(biāo)的區(qū)域范圍。其中：T是目標(biāo)分割時(shí)設(shè)定的閾值。

由于亮度變化，差分的結(jié)果不能滿足需求，需要選擇合適的閾值。一般情況下，亮度的變化取決于物體和背景的對(duì)比度，也就是要知道圖像灰度的分布情況；閾值的選擇可以根據(jù)差分圖像直方圖確定。運(yùn)動(dòng)人體檢測(cè)中的圖像結(jié)果如圖1所示。其中圖1（c）為最終提取的人體二值圖像。

2人體建模

人體各部位可近似看做剛體，各部位之間通過(guò)關(guān)節(jié)點(diǎn)（如頸關(guān)節(jié)、髖關(guān)節(jié)、膝關(guān)節(jié)、踝關(guān)節(jié)等）相連。為分析人體步態(tài)運(yùn)動(dòng)，采用如圖2（b）所示的多關(guān)節(jié)人體骨架模型[5]。本文依據(jù)身體各部分相對(duì)于身高的比例關(guān)系（圖2（a）），計(jì)算身體各部位的長(zhǎng)度，如頸、軀干、大腿、小腿的長(zhǎng)度等。

人體骨架模型由關(guān)節(jié)點(diǎn)和連接兩個(gè)相鄰關(guān)節(jié)點(diǎn)的直線段一起構(gòu)成。用狀態(tài)向量Xt={(x1，y1)，…，(x8，y8)，θ1，θ2，θ3，θ4}來(lái)表示人體在時(shí)刻t的運(yùn)動(dòng)姿態(tài)。其中：(xi，yi)表示人體步態(tài)模型中各關(guān)節(jié)點(diǎn)的坐標(biāo)位置，包括頭頂點(diǎn)、頸關(guān)節(jié)、肩關(guān)節(jié)、髖關(guān)節(jié)、左右膝關(guān)節(jié)、左右踝關(guān)節(jié)（圖中左上角為原點(diǎn)位置，X軸向右為正，Y軸向下為正），i=1…8；θi表示大、小腿與豎直方向的夾角（X軸正向夾角為正角，反之為負(fù)角），i=1…4。

為精確定位腿部關(guān)節(jié)點(diǎn)，建立人體骨架模型對(duì)應(yīng)的外觀模型用于相似度計(jì)算及邊界匹配誤差判斷。圖2（c）為人體步態(tài)模型中腿部的四個(gè)方形區(qū)域，每個(gè)區(qū)域包含兩個(gè)關(guān)節(jié)點(diǎn)，方形區(qū)域的中軸線即為連接兩個(gè)相鄰關(guān)節(jié)點(diǎn)的直段。依據(jù)狀態(tài)向量的四個(gè)關(guān)節(jié)角度，通過(guò)計(jì)算腿部各區(qū)域的四個(gè)頂點(diǎn)得到外觀模型。方形區(qū)域?qū)挼拈L(zhǎng)度依據(jù)恰好覆蓋下肢的原則，由實(shí)驗(yàn)過(guò)程確定區(qū)域?qū)挼拈L(zhǎng)度為十個(gè)像素單位。

3人體步態(tài)運(yùn)動(dòng)跟蹤

3．1步態(tài)運(yùn)動(dòng)約束

人體步態(tài)運(yùn)動(dòng)作為一種高度約束的活動(dòng)，其步行模式具有對(duì)稱性和周期性。通常，人體運(yùn)動(dòng)是由擺動(dòng)腿踏出向前邁進(jìn)的單腳支撐期和雙腿完全著地重心下沉的雙腳支撐期兩個(gè)不同運(yùn)動(dòng)階段構(gòu)成；一個(gè)步態(tài)周期由兩個(gè)單腳支撐期和兩個(gè)雙腳支撐期組成。人行走的過(guò)程就是上述周期不斷重復(fù)的過(guò)程。由于不同視頻中人體的運(yùn)動(dòng)規(guī)律存在差異，通過(guò)獲得特定人體的運(yùn)動(dòng)規(guī)律對(duì)跟蹤視頻中特定人體的運(yùn)動(dòng)姿態(tài)進(jìn)行預(yù)測(cè)。本文利用運(yùn)動(dòng)約束[6]選擇關(guān)節(jié)角度，用于避免跟蹤過(guò)程中產(chǎn)生的不可能運(yùn)動(dòng)姿態(tài)及人體步態(tài)運(yùn)動(dòng)分析。人體腿部的運(yùn)動(dòng)約束包括：a）下肢關(guān)節(jié)角度變化細(xì)微，不會(huì)突然地或增大或變小，而且一個(gè)步態(tài)周期內(nèi)角度變化大致上呈單調(diào)性；b）當(dāng)關(guān)節(jié)的角度接近0時(shí)，雙腿出現(xiàn)遮擋，角度正負(fù)開(kāi)始交替；c）前面大、小腿的夾角與后面大、小腿的夾角方向相反，大小不一定相等。

3．2粒子濾波算法

粒子濾波[7]是一種基于遞推貝葉斯?fàn)顟B(tài)估計(jì)的濾波方法。依據(jù)貝葉斯原理，其基本思想是從狀態(tài)的假設(shè)分布中抽取一定數(shù)量的隨機(jī)樣本，即粒子，在測(cè)量的基礎(chǔ)上通過(guò)調(diào)節(jié)各粒子權(quán)值的大小來(lái)近似實(shí)際狀態(tài)分布，原則上用這些帶權(quán)的隨機(jī)樣本集合來(lái)估計(jì)狀態(tài)分布的后驗(yàn)概率密度。

假定X={x1，x2，…，xk}、Z={Z1，Z2，…，Zk}分別表示t=tk時(shí)刻的狀態(tài)向量和測(cè)量向量?；诿商乜_積分的粒子濾波算法，通過(guò)從一個(gè)已知的容易抽樣的提議分布(函數(shù))q(·）上抽樣來(lái)逼近，此時(shí)后驗(yàn)概率分布可以用如下離散粒子集來(lái)估計(jì)：p(Xk｜Zk)≈∑Ni=1w∧ikδ(Xk-Xik)。其中：Xik~q(·）為第i個(gè)在t時(shí)刻從提議分布上抽取的粒子；δ(·）為狄拉克函數(shù)；w∧ik為歸一化權(quán)值。在預(yù)測(cè)過(guò)程中，粒子權(quán)值wk由方程wk(Xk)=p(Xk｜Zk)p(Zk)/q(Xk｜Zk)計(jì)算獲得。如果將提議函數(shù)分解為q(Xk｜Zk)=q(X0)∏ki=1q(xk｜Xk-1，Zk)，則可用wik=wik-1p(zk｜xik)p(xik｜xik-1）/q(xik｜Xik-1，Zk)來(lái)表示重要的權(quán)值的遞推估計(jì)形式。綜上可知，粒子濾波算法實(shí)現(xiàn)的關(guān)鍵在于尋找一組在狀態(tài)空間中傳播的粒子對(duì)條件概率密度函數(shù)p(Xk｜Zk)進(jìn)行最優(yōu)估計(jì)。

3．3跟蹤與定位人體關(guān)節(jié)點(diǎn)

采用粒子濾波算法跟蹤人體運(yùn)動(dòng)，結(jié)合相似性計(jì)算及邊界匹配誤差判斷精確定位人體關(guān)節(jié)點(diǎn)。跟蹤與定位下肢關(guān)節(jié)點(diǎn)的具體過(guò)程如下：

a）初始化。初始化過(guò)程就是從圖像序列的前N幀找出一幀作為跟蹤的起始幀。依據(jù)人體各部位占整個(gè)身高的比例關(guān)系確定關(guān)節(jié)點(diǎn)的縱坐標(biāo)yi，橫坐標(biāo)xi=xl+(xr-xl)/2。其中：xl和xr分別表示二值圖像上身體各部位區(qū)域的最左邊點(diǎn)和最右邊點(diǎn)的橫坐標(biāo)；下肢各部位相對(duì)于垂直方向的夾角θj=tan-1 (｜xi-xi-1｜/｜yi-yi-1｜)。由上述過(guò)程確定表示各幀姿態(tài)的狀態(tài)向量，通過(guò)選擇左右大、小腿之間夾角差均為最小時(shí)的一幀為跟蹤起始幀。

b）預(yù)測(cè)和觀測(cè)。根據(jù)上述步態(tài)運(yùn)動(dòng)約束對(duì)下一幀的關(guān)節(jié)角度進(jìn)行估計(jì)，預(yù)測(cè)其運(yùn)動(dòng)姿態(tài)。角度估計(jì)過(guò)程是一個(gè)或遞增或遞減的過(guò)程。每一次遞增或遞減都產(chǎn)生一個(gè)新進(jìn)的姿態(tài)。在視頻圖像序列中，由于上半身只做平移運(yùn)動(dòng)，軀干以上關(guān)節(jié)點(diǎn)的坐標(biāo)計(jì)算方式同初始化，但腿部關(guān)節(jié)除了做平移運(yùn)動(dòng)外，還有旋轉(zhuǎn)運(yùn)動(dòng)，其關(guān)節(jié)點(diǎn)的位置根據(jù)估計(jì)的角度重新確定。

觀測(cè)過(guò)程是將每一個(gè)預(yù)測(cè)姿態(tài)對(duì)應(yīng)的外觀模型與當(dāng)前圖像中對(duì)應(yīng)的區(qū)域進(jìn)行相似度計(jì)算及邊界匹配誤差[6]判斷，選擇帶有最佳相似度及邊界匹配誤差最小的狀態(tài)向量表示當(dāng)前幀的運(yùn)動(dòng)姿態(tài)，由此精確定位下肢各關(guān)節(jié)點(diǎn)。相似度計(jì)算公式為：

wi=（Ni1+Ni2+Ni3+Ni4）/N。其中：wi表示第i個(gè)姿態(tài)的權(quán)值；Ni1、Ni2、Ni3、Ni4分別表示第i個(gè)姿態(tài)對(duì)應(yīng)外觀模型中下肢四個(gè)區(qū)域中包含的像素點(diǎn)個(gè)數(shù)；N表示人體目標(biāo)區(qū)域包含的像素點(diǎn)個(gè)數(shù)。假定圖像中下肢區(qū)域的像素為pi，邊界上的像素為qi，邊界匹配誤差判斷公式為：Eb=1/n∑ni=1‖F(xiàn)i‖。其中：Eb表示邊界上所有像素的匹配誤差均值；Fi為向量piqi；‖F(xiàn)i‖為像素pi到qi的匹配誤差；n為腿部區(qū)域邊界上的像素點(diǎn)總數(shù)。

c）重采樣。按照上述預(yù)測(cè)、觀測(cè)過(guò)程完成當(dāng)前幀的跟蹤與關(guān)節(jié)定位后，將當(dāng)前幀的最佳姿態(tài)作為下一幀的跟蹤起始幀，進(jìn)而可對(duì)下一幀進(jìn)行新的預(yù)測(cè)和觀測(cè)，迭代進(jìn)行直至跟蹤到圖像序列的最后一幀，完成整個(gè)關(guān)節(jié)跟蹤與定位過(guò)程。

4人體運(yùn)動(dòng)步態(tài)參數(shù)的確定

4．1運(yùn)動(dòng)曲線和步態(tài)參數(shù)

對(duì)人體運(yùn)動(dòng)視頻圖像序列跟蹤后，得到下肢關(guān)節(jié)點(diǎn)離散的坐標(biāo)序列和關(guān)節(jié)角度序列。關(guān)節(jié)運(yùn)動(dòng)是連續(xù)的，為從運(yùn)動(dòng)軌跡中反映人體運(yùn)動(dòng)規(guī)律。本文采用多項(xiàng)式的最小二乘曲線擬合方法獲得下肢關(guān)節(jié)連續(xù)運(yùn)動(dòng)軌跡曲線。設(shè)關(guān)節(jié)點(diǎn)P(x，y)隨時(shí)間t的變化滿足n次多項(xiàng)式：[X(t)Y(t)]=A0tn+A1tn-1+…+An-1t+An，t=采樣頻率×圖像序列數(shù)。其中：Ai為多項(xiàng)式系數(shù)；n為多項(xiàng)式的階。理論上，n+1個(gè)數(shù)據(jù)點(diǎn)可以惟一地確定n階多項(xiàng)式，通過(guò)考慮曲線平滑程度與數(shù)據(jù)點(diǎn)之間的數(shù)據(jù)振蕩問(wèn)題合理選擇擬合多項(xiàng)式的階數(shù)。

人體運(yùn)動(dòng)步態(tài)參數(shù)計(jì)算包括下肢關(guān)節(jié)位移、線速度/加速度、關(guān)節(jié)角度、角速度/加速度、步幅和步態(tài)周期等。對(duì)關(guān)節(jié)的連續(xù)運(yùn)動(dòng)軌跡曲線求一階導(dǎo)（對(duì)時(shí)間t），得到該關(guān)節(jié)的線速度參數(shù)，求二階導(dǎo)則得到線加速度參數(shù)；角速度是對(duì)關(guān)節(jié)角度時(shí)間曲線求一階導(dǎo)得到，角加速度的計(jì)算方法同上；步幅是同一只足連續(xù)兩次著地之間的距離；步態(tài)周期即平均步幅時(shí)間。

4．2實(shí)驗(yàn)結(jié)果分析

本文用MATLAB實(shí)現(xiàn)了無(wú)標(biāo)記點(diǎn)的下肢關(guān)節(jié)點(diǎn)跟蹤與定位過(guò)程，通過(guò)將下肢各關(guān)節(jié)點(diǎn)的離散運(yùn)動(dòng)軌跡曲線按時(shí)間順序擬合獲得連續(xù)運(yùn)動(dòng)變化軌跡，對(duì)其進(jìn)行參數(shù)分析，最終完成步態(tài)分析原型系統(tǒng)的各運(yùn)動(dòng)步態(tài)參數(shù)提取部分。測(cè)試對(duì)象的單目視頻由中國(guó)科學(xué)院的NLPR數(shù)據(jù)庫(kù)提供。該數(shù)據(jù)庫(kù)包含20人，每人3個(gè)不同視角（側(cè)視、45°和90°視角），每視角4個(gè)步態(tài)序列，共240個(gè)序列。圖像采集速率為25 fbps，分辨率為352×240的PNG格式的彩色圖像文件。

圖3、4給出了圖像序列被跟蹤與定位之后步態(tài)參數(shù)提取結(jié)果。圖3（a）是下半身各關(guān)節(jié)點(diǎn)跟蹤與定位后的離散數(shù)據(jù)。從這些數(shù)據(jù)可以看到髖關(guān)節(jié)運(yùn)動(dòng)軌跡在[110，120]及兩膝關(guān)節(jié)運(yùn)動(dòng)軌跡在[140，160]的運(yùn)動(dòng)幅度較為平穩(wěn)，但左右膝關(guān)節(jié)仍在x軸[250，300]和左腿在x軸[200，250]位置輕微波動(dòng)，這主要是由于兩腿交疊至一腿上提往前邁出造成的。踝關(guān)節(jié)運(yùn)動(dòng)軌跡在[170，190]的運(yùn)動(dòng)幅度明顯較大，運(yùn)動(dòng)呈周期性變化規(guī)律。軌跡擬合過(guò)程中，取決于關(guān)節(jié)運(yùn)動(dòng)軌跡擬合效果的關(guān)鍵因素是曲線擬合多項(xiàng)式的階，多項(xiàng)式的階數(shù)過(guò)高，雖然擬合效果好，但數(shù)據(jù)點(diǎn)之間會(huì)出現(xiàn)數(shù)據(jù)振蕩的問(wèn)題，且計(jì)算時(shí)間長(zhǎng)；反之階數(shù)過(guò)小，則擬合效果不好。在考慮擬合誤差的基礎(chǔ)上，實(shí)驗(yàn)選取多項(xiàng)式的階n為5，分別在x軸和y軸上對(duì)左膝關(guān)節(jié)運(yùn)動(dòng)數(shù)據(jù)進(jìn)行擬合。實(shí)驗(yàn)結(jié)果如圖3（b）所示。

參照文獻(xiàn)[3，4]給出的基于標(biāo)記點(diǎn)識(shí)別與跟蹤方法的實(shí)驗(yàn)結(jié)果，圖4為左膝速度參數(shù)和大腿角度參數(shù)。從圖4（a）可以看出，測(cè)試者以較均勻的速度行走，這驗(yàn)證了左膝關(guān)節(jié)跟蹤與定位離散數(shù)據(jù)的正確性；（b）中左右大腿角度的變化在[30，-30°]，實(shí)驗(yàn)結(jié)果符合文獻(xiàn)[5]給出的下肢關(guān)節(jié)角度范圍。從給出的角度參數(shù)中還

可以看到，角度呈周期變化，人體在正常運(yùn)動(dòng)情況下的步態(tài)運(yùn)動(dòng)具有周期性變化規(guī)律。 

5結(jié)束語(yǔ)

本文研究了靜止背景下人體運(yùn)動(dòng)目標(biāo)檢測(cè)，以及基于人體運(yùn)動(dòng)跟蹤方法的人體主要關(guān)節(jié)點(diǎn)的跟蹤與定位，提出了一種新的無(wú)標(biāo)記點(diǎn)運(yùn)動(dòng)步態(tài)參數(shù)提取方法。該方法結(jié)合無(wú)標(biāo)記和運(yùn)動(dòng)跟蹤的思想，通過(guò)定位腿部關(guān)節(jié)點(diǎn)獲得關(guān)節(jié)運(yùn)動(dòng)軌跡，用于各運(yùn)動(dòng)步態(tài)參數(shù)提取。無(wú)標(biāo)記點(diǎn)解決了帶標(biāo)記點(diǎn)步態(tài)分析系統(tǒng)中因標(biāo)記點(diǎn)粘貼位置不準(zhǔn)確、標(biāo)記點(diǎn)滑動(dòng)和遮擋產(chǎn)生的誤差等問(wèn)題。利用曲線擬合對(duì)運(yùn)動(dòng)軌跡曲線進(jìn)行分析，準(zhǔn)確地獲得了各運(yùn)動(dòng)步態(tài)參數(shù)。實(shí)驗(yàn)結(jié)果表明，無(wú)標(biāo)記人體運(yùn)動(dòng)跟蹤思想在步態(tài)參數(shù)提取中簡(jiǎn)單有效。

本文方法實(shí)現(xiàn)了人體關(guān)節(jié)點(diǎn)的跟蹤與定位，并在此基礎(chǔ)上提取出了各運(yùn)動(dòng)步態(tài)參數(shù)。但所面對(duì)的研究問(wèn)題本身仍有許多困難，如復(fù)雜背景的人體目標(biāo)提取、粒子濾波算法等。針對(duì)這些困難，本文步態(tài)參數(shù)方法還需要進(jìn)一步的改良與完善。下一步的工作主要集中在：一方面，進(jìn)一步提高粒子濾波算法在運(yùn)動(dòng)跟蹤過(guò)程中的執(zhí)行效率，提高本文方法的實(shí)用性能；另一方面，在多個(gè)視角下對(duì)人體運(yùn)動(dòng)進(jìn)行跟蹤與定位，更大規(guī)模地驗(yàn)證方法的有效性。

參考文獻(xiàn)：

［1］KAIVU T，MALCOLM H，GRANAT. A practical gait analysis system using gyroscopes[J]．Medical Engineering Physics，1999，21(2):87－94．

[2]KISS R M，KOCSIS L，KNOLL Z，et al. Joint kinematics and spatial－temporal parameters of gait measured by an ultrasound－based system[J]． Medical Engineering Physics，2004，48(1):41－54．

[3]王人成，董華，黃昌華，等.低成本人體步態(tài)檢測(cè)系統(tǒng)[J].清華大學(xué)學(xué)報(bào):自然科學(xué)版，2002，42(2)：165－167．

[4]郭忠武，王廣志，劉永斌，等.基于數(shù)字視頻和數(shù)字圖像處理的步態(tài)分析系統(tǒng)[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程，2004，15(2)：122－126．

[5]YOO J H，NIXON M S，HAMIS C J.Extracting human gait signatures by body segment properties[C]//Proc of the 5th IEEE Southwest Symposium on Image Analysis and Interpretation. [S．l．]: IEEE，2002．

[6]NING Hua－zhong， TAN Tie－niu， WANG Liang，et al．People tracking based on motion model and motion constraints with automatic initia－lization[J].Pattern Recognition，2004，37(7):1423－1440.

[7]DENG Xiao－long，XIE Jian－ying，YANG Yu－pu.Improved particle filter for passive target tracking[J].Journal of Shanghai University:English Edition，2005，9(6):534－538.

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文