行走過程中肢體的協調性研究

沈易成　薛祺　朱立志　李昊

摘 要：為加強公安機關信息化建設，提高公安機關偵查破案能力，解決生物特征識別中步態識別對識別和確定嫌疑人理論依據問題，文章選取了行走過程中肢體協調性方面入手進行實驗研究。通過實驗得到25人行走數據，對其進行處理分析，得出人在正常行走過程中左右肢體協調并且運動軌跡穩定及具有特定性的結論，即可以通過人在正常行走過程中的肢體運動軌跡，對人身進行同一性認定。

關鍵詞：刑事技術；步態識別；步態特征圖；行走姿態；生物識別

中圖分類號：TP391 文獻標志碼：A 文章編號：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，公安機關加緊信息化建設，將信息化建設成果應用于公安實戰。[1]案件偵查作為公安工作的重難點，自然也是信息化建設的重點，近年來，各類高科技手段被應用于偵查工作，為案件的破獲帶來了極大的便利。[2]然而隨著社會發展，各類案件愈加多發，且犯罪嫌疑人的反偵查意識越來越強，給公安機關的偵查破案帶來了很大的困難。與此同時監控視頻中的生物特征識別技術以簡潔、快速和對身份認定可靠、準確等優勢越來越受到人們的青睞。本文選擇其中的行走過程中肢體的協調性方面進行研究，希望能夠為犯罪嫌疑人的識別和認定提供理論依據，助力公安實戰。

1 研究背景及意義

目前已經廣泛運用于公安實戰的生物特征識別技術有人臉、指紋、聲音等特征，但是這類特征的獲取需要滿足被識別人的配合及對外部環境有一定要求，而在犯罪現場這是極難被滿足的。而且，隨著犯罪嫌疑人反偵查意識的提高，人臉、指紋等生物特征的應用范圍將會越來越多地受到限制。步態，作為一種新的生物特征，以其唯一性和真實性引起了研究人員的廣泛關注[3]。

英國南安普敦大學馬克·尼克松教授的研究顯示：如同沒有兩匹斑馬擁有相同的斑紋一樣，不同的人在肌肉、骨骼、體重、年齡、視覺等生理條件以及個人習慣等內在因素的共同作用下，展現出完全不同的步態。而且，步態難以改變。因此，利用步態可以安全可靠地進行身份認定。步態識別與傳統的生物特征識別相比，具有以下三個優勢[4]：

（1）隱蔽性。步態信息的獲取不需要被識別人的配合，可不經發覺完成采集。

（2）遠距離性。步態信息可以遠距離獲取并識別。信息獲取的遠距離性為操作人員爭取了時間，使其能夠對即將到來的危險做出反應。

（3）真實性。步態難以改變。如果刻意改變步態，反而會因為怪異的走路姿勢更加引人注目。[5]

并且隨著公安治安視頻監控系統，即天網系統的發展，與其整合必能在公安實戰之中大放異彩。

2 實驗內容及方法

2.1 實驗目的

本文通過捕捉人行走過程中四肢各特征點（肩部、肘部、手腕、胯部、膝部及腳踝）的運動，利用其時間、空間關系，從兩個角度加以研究：一是同一人左右對應的特征點運動的對稱性，二是該同一人同一特征點運動的穩定性，通過樣本之間的對比，以期可以為步態的同一性認定提供實驗依據。

2.2 實驗原理

利用運動捕捉系統十個捕捉單元對某一點同時從不同角度進行捕捉，通過三維疊加計算出該點在空間中的三維坐標。當該點運動時，可分別記錄下該點不同時刻的空間位置。再利用數理統計等方法對該點運動過程中的空間位置加以分析，從中找出相應規律。

2.3 實驗方法

（1）處理空間環境：修正鏡頭參數。

（2）標定攝像頭：利用標定架，確定各鏡頭空間位置。

（3）建立數據庫以及人體模型：測量人體參數，確定人體靜態模型。

（由于Vicon V1.3運動捕捉系統是利用紅外攝像頭收集黏貼在人體上的Mark點所發出的紅外信號，易于被外界其他無關紅外信號干擾，導致無法采集數據。在實驗過程中，中午時段進行的實驗由于太陽光線強烈，無關紅外信號干擾過多，使得無法采集特征點所發出的信號，無法生成實驗數據，導致實驗無法進行，而在夜晚時段進行的實驗則因為干擾源的減少，實驗效果達到預期。）

2.4 測量數據

測量正常行走運動中一個行走周期以上特征點空間時間數據，捕捉頻率為100hz/s，對25位測試者分別測試35組數據。

2.5 提取協調性特征數據

本文利用Vicon V1.3運動捕捉系統收集人體各特征點在正常行走過程中的時間與位置數據，將其導出制作成為Excel表格文檔，表格如下（表1-1（腕部）為編號為1的實驗者第一次測量腕部的數據……表M-N（腕部）（1≤M≤25，1≤N≤35）為編號為M的實驗者第N次測量的腕部數據……）由于數據較多，僅展示一部分，其余參照此表。

2.6 實驗器材

Vicon V1.3運動捕捉系統。

3 實驗數據分析

利用實驗數據將表格制作成時間與位置關系的折線圖，展示此特征點在空間X、Y、Z方向（X為左右方向，Y為運動方向，Z為垂直方向）上的運動軌跡。由于特征點較多，僅展示一部分，其余參照圖1、圖2。

小組成員通過比較14個特征點在正常行走過程中時間與位置關系的折線圖，發現腕部Z方向和腳踝部Z軸方向運動軌跡最為穩定和明顯，經討論一致決定選用這兩個特征點的Z方向數據進行下一步的分析處理工作。

分析處理協調性特征數據：

（1）對稱性

本文將位于人體左右兩側同一位置的特征點數據進行比較，從圖3、圖4中可以看出，腕部和腳踝部在Z軸方向上，運動的頻率、波峰、波谷、周期等趨于一致，將同一實驗對象35次實驗及25位不同實驗對象的數據進行同樣處理、對比，發現腕部和腳踝部在Z軸方向上，運動的頻率、波峰、波谷、周期等都趨于一致，由此可以得出人在正常行走過程中肢體左右兩側運動軌跡對稱。

（2）協調性

上文得出人在正常行走過程中肢體左右兩側運動軌跡對稱，可推導得出人在正常行走過程中左右肢體運動協調。

（3）穩定性

本文將同一實驗對象同一特征點多次實驗數據進行比較，從圖5、圖6中可以看出，腕部和腳踝部在Z軸方向上，運動的頻率、波峰、波谷、周期等趨于一致，再將其余不同實驗對象的數據進行同樣處理、比較，發現腕部和腳踝部在Z軸方向上，運動的頻率、波峰、波谷、周期等都趨于一致，由此可以推出人在正常行走過程中運動具有穩定性。

4 實驗結論及不足

4.1 結論

通過對實驗數據進行以上處理、大量分析本文得出以下結論：人在正常行走過程中左右肢體協調并且運動軌跡穩定及具有特定性，即可以通過人在正常行走過程中的肢體運動軌跡，對人身進行同一性認定。

4.2 不足與展望

由于本文條件所限實驗對象都為身體健康的成年男性，未對女性、殘障人士、老年人等人群進行實驗測試，結論存在一定局限性，不能適用于全部人群，且樣本容量太小，只有25人。對于實驗數據的分析處理，只是從運動軌跡、時間和位置關系，還可以從其他變量入手，使用其他的科學方法，使得實驗結論更加具有科學性，上升到理論高度。

本文從人在行走過程中的運動軌跡入手，采用科學的手段方法，得出人在正常行走過程中左右肢體協調并且運動軌跡穩定及具有特定性的結論，研究了人的正常行走姿態并為對于人的行走姿態的同一性認定提供了一定的實驗依據，再經過逐步的完善就可服務于公安實戰，還可與現在的天網系統結合起來，更加高效的識別嫌疑人，提高公安機關的信息化水平，提升自身業務能力。

本文通過實驗得出的結論不僅為行走姿態的同一性認定提供了實驗依據，而且還可以應用于醫藥衛生和電子領域，應用于仿生義肢和仿生機器人。利用人在正常行走過程中肢體左右兩側運動軌跡對稱的結論，截取人體一半肢體的運動數據，依據此結論，編制出算法，得出另一半肢體的運動數據，得到義肢的運動軌跡，由此完成整個運動過程，使得殘疾人也能正常行走，過上正常的生活。

本文希望可以為社會作出微小貢獻，不負厚望。

參考文獻：

[1]陳曉.大數據時代地方公安信息化建設的思考[J].科技與創新，2095-6835，2017（05）：54-57.

[2]鮑龍，劉鈺杰，南岳志.試論信息化偵查方法[J].讀天下社科研究.

[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]劉萍.與服飾、攜帶物無關的多視角下的步態識別[D].國防科學技術大學.