王 欢，肖秦琨

（西安工业大学 电子信息工程学院，西安710021）

步态识别一直以来是科研界研究关注的热点，其中也涌现出一大批优秀的算法。现有的步态识别可以分为基于非模型和基于模型的步态识别算法。

在基于非模型的步态识别算法中，文献[1]提出分割步态轮廓，统计并分析步态轮廓的形状进行步态识别；文献[2]引出步态能量图（gait energy image，GEI）概念，经过加权平均处理一个步态周期的能量图；文献[3]提出一种改进对数方法对步态能量图提取相位一致的特征，补偿了噪声并进行判别分析，正确识别率得到提升，但缺点是需要很高的频率，所以步态特征有所损失；文献[4]利用多种融合方法将静态与动态两种特征进行融合，识别结果有提升但等错率还是比较大。从以上不难看出，步态轮廓图的分割过程会产生误差且会引入视角、衣着和携带物等协变量，分类结果并不理想。步态能量图同样也存在缺陷，它在轮廓序列的周期叠加后会丢失时序信息。

基于模型的步态识别算法可以避免行人行走过程中物体遮挡的问题，而且对于视角的变化敏感度低。文献[5]从人体轮廓提取骨架关键点，然后以关键点之间的距离和角度作为特征通过支持向量机进行步态识别；由于手工提取的骨架繁琐且精确度低，文献[6]提出一种针对Kinect 骨骼数据应用贝叶斯分类器分析步态障碍和识别帕金森病的方法，分类结果不理想；文献[7]利用Openpose 提取骨架关键点，再将其放入PTSN 网络进行步态特征的学习，完成了跨视角识别。……