段小虎， 蒋 刚， 留沧海

(西南科技大学 制造科学与工程学院，四川 绵阳621000)

0 引 言

运动状态识别为解决运动监测提供了技术基础，建立一种有效的人体步态识别方法，推断人的运动状态，进而评估人的运动状态，给人们提供运动建议，引导人们制定健康计划[1]。目前人体步态识别的研究主要有以下两种途径：1)基于图片或视频的运动状态识别[2,3]，通过摄像头采集人行走时的不同步态图像进行分类，这类技术可以应用于户外公共场所和室内监护，对摄像头的布置比较敏感，不能实现对个体长时间的运动步态的跟踪识别。杨文璐等使用Kinect传感器建立下肢康复动作评估系统，识别和引导受试者的康复动作[4]。2)基于传感器的行走步态识别[5]，通过带有心率、加速度等传感器的可穿戴设备，对个体行走步态的24 h跟踪识别。张乾勇等设计了一种基于加速度信息与脚底压力的下肢运动信息采集系统，对4种常见行为(走路、跑步、上楼和下楼)进行识别[6]。基于传感器的行走步态识别可以看作是一个时间序列分类问题，常用的算法有决策树[5]、K最近邻(K nearest neighbour,KNN)[7]、支持向量机(support vector machine,SVM)[8]、神经网络[9,10]等。

随着深度学习的发展，深度学习算法已被应用于模式识别的研究中，Zhan L等人使用深度神经网络替代人工提取步态特征进行步态识别[11]。Sainath T N等人使用卷积神经网络(convolutional neural network,CNN)和长短期记忆(long short term memory,LSTM)组合模型，用CNN提取语音抽象特征，LSTM进行特征分类，取得了较好的效果[12]。张加加等人使用CNN与SVM融合的方法识别步态图片[13]。……