Bauman Moscow State Technical University (Security of the Digital World, associate professor)
employee
employee
UDC 343.98
The article considers a number of theoretical and applied issues related to the forensic investigation of human gait, namely: – consideration of the concept of human gait based on the requirements defined by state standards and medical science; – systematization of factors affecting human gait; – generalization of groups of human gait features that can be investigated in solving the tasks of forensic examination; – description of the differences between contact and non-contact methods of human gait research; – characteristics of structural and structureless models of human gait used for representing movements and subsequent analysis using specialized software, typical examples of such models; – examples of national and foreign software tools developed to study human gait parameters and solve the problem of identifying a person by gait; – description of some types of databases containing specially prepared sets of features designed to train neural networks to analyze human gait. Based on the results of the generalizations, a set of measures is proposed to increase the possibilities of investigation human gait through the use of modern technical means and techniques.
gait, identification, gait research methods, signs of gait, software tools, structural models, structureless models
Введение
Криминалистические исследования походки человека с каждым годом становятся все более актуальными и востребованными, поскольку позволяют получать важную информацию о лицах, совершающих преступления и правонарушения. В настоящее время посредством изучения манеры и особенностей передвижения человека можно установить как факты присутствия отдельных людей в определенных местах, так и обстоятельства их передвижения, что является важным при доказывании практически любого преступления. Востребованность исследований походки человека объясняется еще и повсеместным внедрением в повседневную жизнь различных средств фото-видеофиксации, позволяющих запечатлеть, среди прочего, передвижение определенных людей на местности. Причем особую актуальность и значимость такие исследования приобретают в ситуациях, затрудняющих изучение внешнего облика человека по общефизическим признакам в рамках портретной экспертизы: когда в виду низкой разрешающей способности объектива, из-за определенных условий видеофиксации (например, проводящейся в условиях ограниченной видимости), либо по иным причинам элементы внешнего облика на представляемых видеозаписях не просматриваются, либо закрыты сопутствующими элементами внешности. В связи с вышеизложенным, видится актуальным освещения ряда теоретических и прикладных вопросов, которые касаются современных возможностей изучения походки человека.
Понятие и признаки походки человека
Задача идентификации человека по различным биометрическим характеристикам на протяжение многих лет не теряет актуальность. Современные достижения в области обработки и анализа цифровых изображений сделали возможным использование для идентификации человека такой биометрической характеристики как походка.
В соответствии с ГОСТ 54412-2019 походка определяется как стиль или манера ходьбы[1]. В свою очередь ПНСТ 656-2022 разъясняет, что под распознаванием субъекта по походке понимается автоматическое распознавание субъекта по манере его ходьбы[2]. Также ПНСТ 656-2022 вводит такое понятие как «распознавание субъекта по изображению тела», под которым понимается распознавание субъекта на основе морфологии его тела.
В медицине под походкой понимается совокупность признаков (индивидуальных особенностей), определяющая манеру пешего передвижения отдельно взятого человека. Походка объединяет биомоторику свободных конечностей с движениями туловища и головы, при котором механизм мышечной координации регулируется механизмами осуществления движения, поддержания позы и равновесия тела[3]. Многие двигательные элементы и признаки походки обуславливаются наследственно, однако на формирование походки оказывает влияние воспитание, темперамент, характер, выбранная профессия и другие факторы [1].
Изучение признаков походки человека, рассматриваемых в различных научных работах [1-7] позволяет выделить признаки, которые могут быть использованы при решении задач судебной экспертизы, связанных с изучением походки человека. Указанные признаки представлены в Таблице 1.
Таблица 1. Признаки походки человека, которые могут быть исследованы
|
Группа признаков |
Признак |
Комментарий |
|
Временные |
Длительность цикла шага |
Время от начала контакта ноги с опорой до следующего такого же контакта этой же ноги [2, с. 30] |
|
Длительность отдельных периодов и фаз цикла шага |
Например, в работе [3] рассматривается возможность идентификации на основе таких характеристик, как длительность первого и второго периода двойной опоры и длительность первого и второго периодов переноса |
|
|
Частота шага |
Число одиночных шагов за минуту [2, с. 33]. Одиночный шаг – часть цикла шага от контакта с опорой одной стопы до контакта с опорой второй стопы [2, с. 33] |
|
|
Пространственные |
Длина правого шага |
|
|
Длина левого шага |
|
|
|
Длина двойного шага |
|
|
|
База шага |
|
|
|
Угол разворота правой стопы |
|
|
|
Угол разворота левой стопы |
|
|
|
Высота отрыва правой ноги |
Расстояние между стопой соответствующей ноги и опорой в период переноса ноги [4, с. 43] |
|
|
Высота отрыва левой ноги |
||
|
Кинематические |
Угол сгибания локтевого сустава правой руки |
В ходе исследования могут быть рассмотрены как отдельные численные показатели указанных углов в различных фазах цикла шага, так и графики изменения таких углов на протяжении цикла шага |
|
Угол сгибания локтевого сустава левой руки |
||
|
Угол сгибания коленного сустава правой ноги |
||
|
Угол сгибания коленного сустава левой ноги |
||
|
Угол сгибания правого тазобедренного сустава |
||
|
Угол сгибания левого тазобедренного сустава |
||
|
Угол сгибания левого голеностопного сустава |
||
|
Угол сгибания правого голеностопного сустава |
||
|
Угол сгибания правого запястья |
||
|
Угол сгибания левого запястья |
||
|
Угол перемещения плеча относительно корпуса тела |
||
|
Графики перемещения наиболее высокоамплитудных антропометрических точек относительно центра тяжести |
В качестве таких точек рассматриваются плечевой, локтевой, лучезапястный, коленный и голеностопный суставы [4, с. 41] |
|
|
График динамики движения центра тяжести относительно горизонтальной оси (X) |
Примеры использования указанных графиков приводятся в работе [4] |
|
|
График динамики движения центра тяжести относительно вертикальной оси (Y) |
||
|
График динамики скорости движения человека в пространстве |
Пример использования такого графика приведен в работе [5] |
|
|
Иные признаки |
Вид походки |
Медленная, тяжелая, шаркающая, семенящая, подпрыгивающая, вихляющая, вразвалочку, с размахиванием руками и др. |
|
Темп походки |
Зависит от частоты шага и может быть [3, с. 304]: – очень медленный (60-70 шагов в мин.) – медленный (70-90 шагов в мин.) – средним (90-120 шагов в мин.) – быстрым (120-140 шагов в мин.) – очень быстрым (более 140 шагов в мин.) |
|
|
Осанка |
Нормальная, сутулая, кифотическая, лордотическая и др. |
|
|
Особенности походки, обусловленные отклонением от нормы |
Например, хромота, асимметрия перемещения левой и правой конечностей, приволакивание нижних конечностей, спастическая походка, походка приседания, гемиплегическая походка и др. |
|
|
Величина и симметрия вертикальных колебаний корпуса |
Для оценки величины и симметрии таких колебаний для правого и левого шага предлагается выделить и сложить контуры фигуры в разных кадрах (бинарные маски) [2, с. 35] |
|
|
Энергия походки, характеризующая частоту нахождения в определенной позе во время движения |
Оценка этой характеристики проводится с помощью методов GEI [1; 6], MSI[4][6], GEnI [1; 6], FDEI [1; 6] |
Современные методы и программные средства изучения походки человека
Для изучения признаков походки человека могут применяться контактные и бесконтактные методы. Контактные методы предполагают непосредственное соприкосновение устройства для измерения походки с двигательной частью человека [5, c. 80]. Например, это могут быть датчики, которые могут прикрепляться как к телу человека, так и располагаться на специальной дорожке, различные платформы и прочие аппаратные устройства. Такие методы главным образом могут быть применены для каких-либо научных исследований, например, медицинских. Применительно к задачам судебной экспертизы такие методы могут быть использованы для экспериментальных исследований [5, c. 81].
Кроме этого могут применяться бесконтактные методы, предполагающие оцифровку признаков походки с помощью средств фото-видеофиксации. Для судебной экспертизы более актуальными представляются методы и средства исследования признаков походки, запечатленных с помощью бесконтактных методов.
При исследовании признаков походки, отобразившихся в видеозаписи, важно учитывать, что на возможность и результаты исследования влияют такие факторы как ракурс съемки, освещение, технические характеристики камеры. Кроме того, для проведения последующих сравнительных исследований необходимо получение сравнительных образцов отображения признаков походки человека. Процесс получения таких образцов также имеет свои особенности и специфику, которые подробно рассматриваются в работе [8].
Как правило, для изучения признаков походки и проведения идентификационных исследований может использоваться специализированное программное обеспечение, позволяющее повысить точность вычисления различных характеристик походки и автоматизировать процесс исследования. При этом для проведения вычислений такие программы используют представление движений человека с помощью определенной модели [2, с. 35]. Выделяют два вида таких моделей: структурные и бесструктурные модели[5].
В структурных моделях учитываются особенности тела человека, которые описываются набором связанных друг с другом примитивов. Такие модели позволяют определять параметры походки с высокой точностью, однако корректное построение структурной модели по низкокачественным изображениям затруднительно[6] [2, c. 35].
Самыми подробными структурными моделями считаются скелетные модели, аналогичные используемым в биомеханике и включающие основные суставы [2, c. 35]. Скелетные модели могут иметь разное количество степеней свободы. Минимальным количеством является три степени свободы: линия спины (от головы до таза) и по линии на каждую ногу от таза до лодыжки. Классическая скелетная модель содержит 21 степень свободы [9, с. 110]. Также в работе [10] выделяют «модель обратного маятника» и «баллистическую модель».
Бесструктурные модели не учитывают анатомические особенности человека. В таких моделях используется выделенная из фона фигура, исследуемая как некоторое абстрактное пятно, циклически меняющее форму [2, c. 35]. Система признаков фигуры строится на характере изменений пятна фигуры в течение цикла шага [2, c. 36].
Наиболее распространенные бесструктурные модели основываются на таких методах, как анализ изображений энергии походки (Gait Energy Image, GEI) [1, с. 70; 6], анализ изображений энтропии походки (Gait Entropy Image, GEnI) [1, с. 70; 6], анализ изображений силуэтов движения (Motion Silhouettes Image, MSI)[7] [6], анализ изображений энтропии походки (Gait Entropy Image, GEnI) [1, с. 70; 6] и анализ изображений энергии разницы кадров (Difference Energy Image, FDEI) [1, с. 70].
Для исследования параметров походки и решения задачи идентификации человека по походке на сегодняшний день активно разрабатывается различное программное обеспечение. В частности, существует ряд отечественных разработок, таких как программа для определения параметров походки человека по видеопотоку, созданная на базе Томского государственного университета систем управления и радиоэлектроники[8], экспертный программный модуль «Анализ движений человека» [4], программный комплекс для идентификации личности по характеристикам цикла шага [3] и другие. А также разработок других стран: Sheffield Features of Gait Tool[9], система биометрической идентификации SFootBD[10], ПО FindFace Multi от компании NtechLab[11], система для анализа походки от компании Watrix.ai[12] и другие.
Стоит отметить, что некоторые из существующих в настоящее время программных средств нацелены главным образом на решение задач, связанных с обеспечением контроля и управления доступом, поэтому в текущей конфигурации они не всегда применимы для задач судебной экспертизы. Но тем не менее заложенные в основу работы таких программ алгоритмы потенциально могут в модифицированном виде применяться для решения задач судебной экспертизы.
Для решения задач, связанных с исследованием походки человека, активно используются технологии искусственного интеллекта. Так, в качестве средства выделения и анализа параметров походки могут использоваться нейронные сети. В частности, это могут быть сверточные нейронные сети, так как именно этот класс архитектур используется для анализа цифровых изображений. Настройка параметров нейронной сети (весовых коэффициентов), а также их корректировка осуществляется в результате обучения сети на тестовых наборах данных (датасетах). В результате анализа специальной литературы нами были выделены следующие базы данных, которые используются для обучение нейронных сетей, нацеленных на распознавание походки[13]: CMU MoBo, USF HumanID, SOTON (Small Database, Large Database, Multimodal, Temporal), CASIA (A, B, C), TUM GAID, TUM-IITKGP, OU-ISIR, WOSG и другие. В указанных базах содержатся специально подготовленные наборы данных, с помощью которых может быть проведено обучение нейронной сети и ее последующее тестирование.
При этом важно помнить, что основанное на технологиях искусственного интеллекта программное обеспечение, как и любое другое программное обеспечение, имеет определенный уровень доверия и может быть подвержено ошибкам первого и второго рода и давать ложноположительные или ложноотрицательные результаты. В связи с чем такое программное обеспечение должно использоваться экспертами осознанно и в совокупности с другими методами и средствами производства экспертизы.
Заключение
Подводя итог исследования следует отметить, что отдельные методы и средства изучения походки человека еще не получили достаточно широкого распространения в экспертной деятельности, практика их применения продолжает формироваться. Эффективность изучения походки человека, как полагаем, может быть повышена за счет внедрения в практическую деятельность определенных моделей представления, включающих в себя комплексы признаков, отображающихся при движении человека. Такие наборы признаков могут использоваться для обучения нейронных сетей распознаванию и анализу особенностей походки отдельных людей.
[1] ГОСТ Р 54412-2019 (ISO/IEC TR 24741:2018) Информационные технологии (ИТ). Биометрия. Общие положения и примеры применения.
[2] ПНСТ 656-2022 (ИСО/МЭК 39794-17:2021) Информационные технологии (ИТ). Биометрия. Расширяемые форматы обмена биометрическими данными. Часть 17. Данные последовательности изображений походки.
[3]Большая Медицинская Энциклопедия (БМЭ), под редакцией Петровского Б.В., 3-е издание. URL: https://бмэ.орг/index.php/ПОХОДКА
[4]Lam T., Lee R. A New Representation for Human Gait Recognition: Motion Silhouettes Image (MSI). URL: https://www.researchgate.net/publication/221383506_A_New_Representation_for_Human_Gait_Recognition_Motion_Silhouettes_Image_MSI
[5] Fukuchi C.A., Fukuchi R.K., Duarte M. A Public Dataset of Overground and Treadmill Walking Kinematics and Kinetics in Healthy Individuals. URL: https://www.researchgate.net/publication/324730233_A_public_dataset_of_overground_and_treadmill_walking_kinematics_and_kinetics_in_healthy_individuals
[6] Choi S., Kim J., Kim W., Kim Ch. SkeletonBased Gait Recognition via Robust Frame-Level Matching. URL: https://www.researchgate.net/publication/331361002_Skeleton-Based_Gait_Recognition_via_Robust_Frame-Level_Matching
[7]Lam T., Lee R. A New Representation for Human Gait Recognition: Motion Silhouettes Image (MSI), C. 613-617.
[8] Программа для определения параметров походки человека по видеопотоку. URL: https://tusur.ru/ru/nauka-i-innovatsii/innovatsionnaya-deyatelnost/katalog-razrabotok-tusura/programma-dlya-opredeleniya-parametrov-pohodki-cheloveka-po-videopotoku
[9] Birch I., Birch M., Rutler L., Brown S. The repeatability and reproducibility of the Sheffield Features of Gait Tool. URL:https://www.researchgate.net/publication/332536486_The_repeatability_and_reproducibility_of_the_Sheffield_Features_of_Gait_Tool
[10] Costilla Reyes, O., Vera-Rodriguez, R., Scully, P., & Ozanyan, K. B. Analysis of Spatio-temporal Representations for Robust Footstep Recognition with Deep Residual Neural Networks. IEEE Transactions on Pattern Analysis and Machine Intelligence. URL: https://www.researchgate.net/publication/322808655_Analysis_of_Spatio-Temporal_Representations_for_Robust_Footstep_Recognition_with_Deep_Residual_Neural_Networks
[11] FindFace Multi. URL: https://ntechlab.ru/findface-multi/
[12] Watrix.ai. URL: https://watrix.ai
[13] Gross R., Shi J. The CMU motion of body (MoBo) database. Technical Report CMU-RITR-01-18, Robotics Institute, Carnege Mellon University. URL: https://www.researchgate.net/publication/2941192_The_CMU_motion_of_body_MoBo_database
1. Sokolova A.I., Konushin A.S. Methods of gait recognition in video. Trudy ISP RAN/Proc. ISP RAS, vol. 31, issue 1, 2019. pp. 69-82 (In Russ.). https://doi.org/10.15514/ISPRAS-2019-31(1)-5
2. Petrov S.M. Forensic Gait Study. Theory and Practice of Forensic Science. 2022;17(3):26-39. (In Russ.) https://doi.org/10.30764/1819-2785-2022-3-26-39
3. Leonov, S.V., Fomina, E.E. (2023) 'A software package for personal identification by step cycle characteristics', Software & Systems, 36(2), pp. 303-308. (In Russ.). https://doi.org/10.15827/0236-235X.142.303-308
4. Bulgakov V.G., Bumagin V.V. Expert software module for the study of dynamic signs of human walking // Forensic examination. 2011. No. 3 (27). pp. 36-46.
5. Pavlenko K.I., Skvorczova M.A., Mochalkina I.S., Sirotina A.S. Possibilities of gait study with the help of computer technologies in forensics. Encyclopedia of forensic examination. 2017. No. 4 (15). pp. 79-91. (In Russ.).
6. Makihara Y., Yagi Y. Gait Recognition: Databases, Representations, and Applications // Computer Vision, A Reference Guide (pp.487-499). https://doi.org/10.1007/978-3-030-63416-2_883
7. Kataev M.Yu., Korobko A.P., Kotelnikova N.A. Estimation of the gait angle parameters from human skeletal model derived from image processing. Proceedings of Tomsk State University of Control Systems and Radioelectronics. 2017. No. 4. pp. 109-112. (In Russ.). https://doi.org/10.21293/1818-0442-2016-19-1-46-49
8. Bulgakov V.G Specificity of obtaining samples for comparative examination of dynamic features of a man on video materials. Bulletin of the Vladimir Law Institute. 2010. No. 4(17). pp. 64-67. (In Russ.).
9. Kataev M.Yu., Kataeva N.G., Korobko A.P., Shaymardanov T.M. Methodology to build a frontal skeletal model of a human figure during walking using images. Proceedings of Tomsk State University of Control Systems and Radioelectronics. 2017. №4. pp. 109–112. (In Russ.). https://doi.org/10.21293/1818-0442-2017-20-4-109-112
10. Voronoy V.V., Verhovod D.P. Selection of human gait mathematical model for use in rehabilitation devices. The Siberian Journal of Clinical and Experimental Medicine. 2023; 38(4):231-235. https://doi.org/10.29001/2073-8552-2022-644
