陈先睿

（贵州大学体育学院，贵州 贵阳550025）

1 引言

现阶段指纹、人脸等生物特征识别技术在足球训练、交通以及工业等领域中已经有了十分广泛的应用［1-2］。但是这些生物特征的获取需要依靠近距离或者接触性的协作感知方法，而且这些信息容易伪装或隐藏，所以生物特征识别技术的应用范围受到了一定的限制，因此一种全新生物特征引起了相关专家的广泛关注，这就是步态。例如文献［3］提出一种基于确定性学习的人体步态识别方法，利用人体运动捕捉设备获取关节角时序数据序列，其中局部准确的人体步态内部动力学能够采用径向基函数网络得到逼近，根据将NN逼近获取的步态动力学知识存储在RBF网络中，利用该网络有效进行步态识别；文献［4］提出一种基于MPSO-BP神经网络方法的人体步态识别方法，主要采用自适应调整学习因子组建MPSO-BP神经网络分类器，通过多种传感信息的特征向量样本集对神经网络进行训练，以实现不同运动模式的步态识别。以上方法虽然在现阶段取得了较好的研究成果，但是这两种方法的识别有效率并不是十分理想。为了有效克服上述方法存在的问题，提出了一种基于多维数据关联的机器人运动步态识别方法。

2 机器人运动步态识别方法设计

以下给出基于多维数据关联的机器人运动步态识别流程图，如图1所示。

分析图1可知，基于多维数据关联的机器人运动步态识别流程为：采用背景减除法提取机器人运动图像，通过形态学方法去除所提取到的图像中的噪声及空洞。……