本文提出了一种受手动标记轮廓启发的全身分层可变形模型（LDM），用于从单目视频序列中的部分步态动力学进行基于模型的步态自动识别。LDM是为前平行步态定义的，有22个参数描述人体部位的形状（宽度和长度）和动力学（位置和方向）。LDM中有四层，肢体可变形。然后开发了基于LDM的人体姿态恢复算法，从手动标记和自动提取的轮廓估计LDM参数，其中自动轮廓提取通过粗到细的定位和提取过程进行。通过使用动态时间扭曲进行匹配，并在AdaBoost中采用组合方案，将估计的LDM参数用于基于模型的步态识别。M2.虽然现有的基于模型的步态识别方法主要关注下肢，但估计的LDM参数使我们能够利用上肢、肩部和头部的动力学来研究基于全身模型的步履识别。在实验中，基于LDM的步态识别在鞋型、表面、携带条件和时间不同的步态序列上进行了测试。结果表明，识别性能不仅得益于下肢动力学，还得益于上肢、肩部和头部的动力学。此外，LDM可以作为分析工具，用于研究各种条件下影响步态的因素。
