為了提高現(xiàn)有基于智能手機(jī)加速度傳感器步態(tài)身份識別的性能，提出了一種基于多分類器融合（ MCF）的識別方法。首先，針對現(xiàn)有方法所提取的步態(tài)特征較為單一的問題，對單個步態(tài)周期提取相對勻變加速度的速度變化量，以及單位時間內(nèi)加速度變化量作為兩類新特征（共16個）;其次，將新特征結(jié)合常用的時域、頻域特征組成新的特征集，用于訓(xùn)練識別效果與訓(xùn)練時間俱佳的多個分類器;最后，采用多尺度投票法（MSV）對多分類器的輸出進(jìn)行融合處理，得到最終的分類結(jié)果。為了檢測該方法的性能，采集了32個志愿者的步態(tài)數(shù)據(jù)。實驗結(jié)果表明，新特征對于單個分類器的識別率平均提升5.95個百分點，最終通過MSV融合算法的識別率為97. 78%。

　　人類的步態(tài)包含非常獨特的模式，可用于身份的識別和驗證。傳統(tǒng)的基于可穿戴式傳感器步態(tài)身份識別都是通過在人體固定部位捆綁專用傳感器采集步態(tài)數(shù)據(jù)”;近年來，智能手機(jī)的快速普及其及功能的不斷發(fā)展，使在不影響用戶正常工作、學(xué)習(xí)和生活的情況下，利用智能手機(jī)內(nèi)置的加速度傳感器對用戶進(jìn)行步態(tài)身份識別變?yōu)榭赡?1。。但是由于智能手機(jī)種類繁雜、內(nèi)置加速度傳感器性能差異較大等因素，都使得最終采集到的數(shù)據(jù)差異較大，識別的難度大，從而直接影響識別的準(zhǔn)確率和可信度。