嵌入式系統(tǒng)的是由一個或幾個預(yù)先編程好以用來執(zhí)行少數(shù)幾項任務(wù)的微處理器或者單片機(jī)組成。嵌入式系統(tǒng)是以應(yīng)用為中心，以計算機(jī)技術(shù)為基礎(chǔ)，軟硬件可裁剪，適用于應(yīng)用系統(tǒng)對功能，對可靠性、成本、體積、功耗有嚴(yán)格要求的專用計算機(jī)系統(tǒng)。步態(tài)識別是一種新興的生物特征識別技術(shù)，旨在通過人們走路的姿態(tài)進(jìn)行身份識別，與其他的生物識別技術(shù)相比，步態(tài)識別具有非接觸遠(yuǎn)距離和不容易偽裝的優(yōu)點(diǎn)。在智能視頻監(jiān)控領(lǐng)域，比面像識別更具優(yōu)勢。

　　迄今為止，針對步態(tài)識別所進(jìn)行的研究幾乎全部是基于PC機(jī)的，而在許多情況下，卻需要非PC機(jī)環(huán)境，所以研究基于嵌入式平臺的步態(tài)識別系統(tǒng)，具有一定的工程意義。本系統(tǒng)的功能是對采集到的步態(tài)視頻序列進(jìn)行圖像處理，得到視頻序列中的人體步態(tài)信息，再由步態(tài)算法根據(jù)所得到的步態(tài)信息進(jìn)行步態(tài)識別。

　　1 系統(tǒng)結(jié)構(gòu)

　　本嵌入式自動步態(tài)識別系統(tǒng)主要包括CCD攝像機(jī)、圖像采集卡、嵌入式系統(tǒng)、顯示屏等。其中為的是嵌入式系統(tǒng)部分，它包括Renesas 32位嵌入式芯片SH7709S、存儲器、外圍電路、鍵盤、鼠標(biāo)等。主要完成視頻序列信號的預(yù)處理、處理、步態(tài)識別、顯示輸出等功能。該系統(tǒng)的結(jié)構(gòu)示意圖如圖1所示。

　　2 步態(tài)識別的基本原理

　　2.1 雙目立體視覺

　　雙目立體視覺是今年來在圖像測量領(lǐng)域發(fā)展起來的一種新技術(shù)，與單目視覺相比，雙目視覺有以下優(yōu)點(diǎn)：可以獲得單目視覺中所沒有的視差或者深度信息；當(dāng)場景中有遮擋發(fā)生時，雙目立體視覺可以很好地處理遮擋。因為步態(tài)識別的場景難免存在遮擋，為了更好地從各個方向獲得步態(tài)視頻序列，從而能夠為進(jìn)行正確的步態(tài)識別作出鋪墊，所以采用雙目立體視覺來獲取人體步態(tài)視頻序列。

　　在本實驗中，兩個CCD攝像機(jī)分別固定在一個三角架的兩邊，組成雙目立體視覺。

　　2.2 步態(tài)圖像序列中的光流場

　　光流是指圖像中模式運(yùn)動的速度。光流場是一種二維（2D）瞬時速度場，其中的2D速度矢量是景物中可見點(diǎn)的三維（3D）速度矢量在成像表面的投影。光流不僅包含了被觀察物體的運(yùn)動信息，而且攜帶著有關(guān)景物3D結(jié)構(gòu)的豐富信息。光流法假定相鄰時刻之間的間隔很?。ㄒ话銥閹资甿s），從而相鄰時刻的圖像差異也比較小。

　　2.2.1 光流的基本等式

　　光流亮度不變性描述的是圖像上某個象素點(diǎn)的灰度值隨時間的變化率為零，即，展開為

　　若記其中u和v是該點(diǎn)的光流的x分量和y分量，則式（1）為

　　式（2）就為光流計算的基本等式。

　　2.2.2 光流有關(guān)的計算

　　對于圖像上的每一點(diǎn)（xi,yi），求解光流場方程（2），得到由迭代形式表示的解為：

　　2.3 光流場中運(yùn)動特征的提取

　　從光流中提取的特征包括運(yùn)動點(diǎn)T，加權(quán)的運(yùn)動點(diǎn)|（u,v）|，|u|，|v|，以及光流分布的質(zhì)心特征等。通過光流場，利用T（u，v）將運(yùn)動點(diǎn)（白色）和非運(yùn)動點(diǎn)（黑色）區(qū)分開來，由下式表示：

　　在本實驗中，選取|（u，v）|加權(quán)橫坐標(biāo)作

　　為從光流場中提取的步態(tài)特征。

　　2.4 步態(tài)特征的數(shù)據(jù)融合

　　對于所提取的步態(tài)特征xuc和yuc，由數(shù)據(jù)融合算法D-S合成公式：

　　其中m1和m2是特征空間上的兩個mass函數(shù)，N為矛盾引子，

　　2.5 識別

　　將由數(shù)據(jù)融合得出的特征進(jìn)行基于PCA的特征空問變換。假設(shè)初始的訓(xùn)練樣本集為T={pi-j},i=1，2，…，C，j=1，2，…，Ni；第i個人第j個步態(tài)樣本向量為Xij，而樣本總數(shù)為NT=N1+N2+…+Nc。

　　求樣本集的總體均值向量μ和協(xié)方差矩陣∑，

　　如果協(xié)方差矩陣∑的秩為N，由det|λI-∑|=0求得矩陣∑的N個特征值λ1，λ2，λ3，…，λN，并由矩陣方程λiI-∑=0，i=0,1,2，…，N;求得對應(yīng)于N個特征值λ1，λ2，λ3，…，λN的N個特征向量e1，e2，e3，…，eN。選取與前K個特征值對應(yīng)的前K個特征向量，并使其中α表示樣本集在前K個軸上的能量占整個能量的百分比。通常取α值接近于1，以使得樣本集在前K個軸上的能量幾乎接近于整個能量。

　　用式（2）中所求得K個特征向量重建初始樣本集中的每個樣本。算法如下：

　　這樣就得到一個K維的權(quán)向量Ωi，j用于進(jìn)行識別。

　　選取近鄰分類法進(jìn)行步態(tài)模式分類。設(shè)經(jīng)過特征提取并向特征空間投影，所得到的特征向量為Ω，求得Ω與每個每個模式類的平均向量Ω i，j之間的歐幾立德距離。

　　其中

　　由近鄰分類法的判決準(zhǔn)則可知，當(dāng)εi（x）的值時，則x∈εi；否則x∈εi。

　　2.6 識別的有效性與錯誤率

　　根據(jù)模式識別的原理，當(dāng)有兩類步態(tài)時，步態(tài)識別的錯誤率由下式給出：

　　其中積分區(qū)間R1為當(dāng)w2誤判為w1時的誤判區(qū)間，而積分區(qū)間R2為當(dāng)w1誤判為w2時的誤判區(qū)間。當(dāng)p（e）時，識別越有效，而當(dāng)p（e）越大時，識別性能越差。當(dāng)有多類步態(tài)時，依次類推。

　　3 系統(tǒng)實現(xiàn)

　　3.1 硬件實現(xiàn)

　　系統(tǒng)硬件連接框圖如圖2所示。

　　3.2 軟件實現(xiàn)

　　系統(tǒng)軟件流程圖如圖3所示。

　　4 結(jié)論

　　步態(tài)識別已成為近些年來計算機(jī)視覺領(lǐng)域新的研究方向。本文提出了一種簡單的自動步態(tài)識別方法，并給出了基于Renesas嵌入式芯片的自動步態(tài)識別系統(tǒng)，從長遠(yuǎn)來看，該系統(tǒng)的應(yīng)用很廣泛。