第5期 杨静，等：基于频谱分析的Procrustes统计步态识别算法 ·435 2)计算配置矩阵S. PMS,从图4可以看出，在相同视角下，同一个运动目标 3)计算配置矩阵S的最大特征值对应的特征 的3个样本(3种不同线型所示)对应的PMS是非常相 向量，即为均值形状可， 近的，不同运动目标的PMS则有很大的区别，因此，实 图4所示5个视角(0°54°、90°、14°、180)下的 验结果证明，可以用PMS来描述人体步态特征. 0.10 图像序列1 图像序列2 0.05 一-图像序列3 10 15 0 0 低频*Hz -0.05 -0.10 -0.04 -0.02 0.02 0.04 235 240 245 250255 高频率/Hz 0.10 运动目标】 运动目标2 0.05 一运动日标3 0 20 低频*Hz 2r 0.05 0.10 -0.04 -0.02 0 0.02 0.04 240 245 250 255 高频率Hz (a)O°下序列的PMS以及PMS的低频谱和高颜谱 0.10 图像序列1 一一图像序列2 0.05 一-图像序列3 0 △20 低频率/Hz 2 0.05 -0.1 0.04 -0.02 0.02 0.04 235 240 245 250253 高频率/Hz 0.10 运动目标1 运动目标2 0.05 一一一运动日标3蜉 10 15 低频率/Hz 0.05 1 0.10 、●八 -0.04 -0.02 0 0.02 0.04 235 240 245 250253 高频率/Hz (b)54°下的序列PMS以及PMS的低频诣和高频谱