《表2 身份识别背景下的步态识别方法比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人体步态识别方法与技术》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：**代表此项为空。

表3为异常步态辨识背景下的步态识别方法对比，可以看出，此类方法几乎不使用开源的数据集，不同研究者的数据来源、数据类型和疾病类型常常是不同的，因此很难仅通过精度来判断各种方法的优劣。但是，研究者更加关注如何设计高效的步态识别系统来对步态特征进行提取，而不关注复杂算法的设计，因此常会选择多种成熟的识别方法对同一组步态特征进行比较，以选择最优的识别算法。通过查阅这类文献，可以得到不同步态特征对应的最优识别算法。例如，从文献[105]可以看出，当输入特征为肩部、肘部、臀部、膝盖和脚踝的角度、时空参数，异常步态类型为偏瘫、帕金森、腰部疼痛、背部疼痛时，KNN为最优识别算法。但是在文献[5]中，当输入特征为下肢关节轨迹、地面反作用力、肌电图时，KNN表现较为一般，SVM为最优识别算法。