提出了基于双目立体视觉进行步态识别，并且利用数据融合方法对由光流场中提取出的步态特征进行数据融合，然后对融合后的有效特征进行步态识别，并给出了评估步态识别的有效性与错误率。利用Renesas 32位嵌入式系统在总体结构上对步态自动识别系统进行了设计，以符合大多数场合的需要。

针对人体步态识别准确率不高且需要手动提取信号特征的问题,采用卷积神经网络(CNN)自动提取传感器信号特征,对行走、上下楼和上下坡5种步态模式进行识别。搭建惯性传感器系统,采集人体的运动信息;针对该数据特点设计了一个4层的CNN模型用于自动提取信号特征和动作分类;利用检测的数据验证了所提方法的可行性,与传统的"人工特征+支持向量机(SVM)"的识别方法进行对比试验。实验结果表明:所提出的识别方法可以准确地识别运动步态,平均识别率达到91.5%,识别效果优于传统方案。

为提高军用外骨骼无滞后地完成运动跟随性的能力,设计了一种基于姿态传感器和薄膜压力传感器的外骨骼传感系统。通过传感系统采集并解算出的下肢关节角度和脚底压力作为信号输入,提出了一种基于BP神经网络的步态识别方法,并采用LabVIEW软件进行了仿真实现。通过对比发现髋关节角度特征值相较于膝关节角度特征值和踝关节角度特征值,可以更好地区分开各步态路况。同时步态识别仿真结果表明了设计的军用外骨骼传感器系统和提出的步态识别方法的合理性和可行性。