Simi视频动作捕捉系统在步态识别中的应用
如何运用计算机视觉技术进行动作捕捉
如何运用计算机视觉技术进行动作捕捉动作捕捉是一项利用计算机视觉技术将人体动作转化为数字数据的过程。
它广泛应用于电影制作、游戏开发、体育分析等领域。
本文将介绍如何运用计算机视觉技术进行动作捕捉，并探讨其在实际应用中的挑战和前景。
首先，动作捕捉的基本原理是利用多个摄像头同时拍摄行为者，然后通过计算机分析和处理这些图像，识别并重建人体姿势。
为了实现准确的动作捕捉，有几个关键步骤需要遵循。
第一步是摄像设备的配置。
为了获得更好的捕捉结果，我们需要使用多个摄像头以不同角度捕捉行为者的动作。
这样可以提高姿势识别的准确性，减小误差。
第二步是预处理和图像处理。
在对图像进行处理之前，我们需要对捕捉的图像进行预处理，包括噪声去除、颜色校正等。
然后，我们可以使用计算机视觉算法来提取关键的人体特征点，例如头部、手臂、腿部等。
这些特征点将成为后续分析的基础。
第三步是姿势重建和跟踪。
在识别出关键的特征点之后，我们可以使用数学模型或机器学习算法来重建人体姿势。
这些模型和算法可以从给定的特征点数据中预测出整个人体的姿势，并实时跟踪动作。
在实际应用中，动作捕捉技术具有广泛的应用前景。
首先，它在电影制作中扮演着重要的角色。
动作捕捉技术能够将演员的动作忠实地传递到虚拟角色上，使得虚拟角色的动作更加自然和逼真。
这不仅节省了制片方大量的时间和成本，还提高了电影的质量和观赏性。
其次，动作捕捉技术在游戏开发中也有重要应用。
通过使用动作捕捉技术，游戏角色可以根据玩家的动作实时做出相应的反应。
这使得游戏的交互性更强，玩家可以更加身临其境地体验游戏。
此外，动作捕捉技术还可以应用于体育分析和训练中。
例如，在足球比赛中，我们可以使用动作捕捉技术来分析球员的动作姿势，评估他们的运动技巧和行为策略。
这有助于教练和球员们改进训练方法，提高比赛表现。
然而，动作捕捉技术在实际应用中还面临一些挑战。
首先，精确的动作捕捉需要高质量的摄像设备和大量的计算资源。
这对于一些资源有限的领域可能不太实用。
Codamotion三维动作捕捉系统在步态分析中的应用
Codamotion三维动作捕捉系统在步态分析中的应用作者：张朕来源：《科技资讯》2017年第26期摘要：在视频侦查越来越普及，越来越有效率的今天，分析监控视频中嫌疑人的行走步态特征已经成为侦查破案重要的一环，但是在破案一线工作中，视频中人体运动信息却往往仅凭人的观察和总结，应提供大量的数据实验以及量化标准支撑。
Codamotion三维动作捕捉系统能有效准确的分析人体运动上的规律，总结出人体运动的稳定特征和特定特征，为侦查破案提供有效的数据支持。
关键词：三维动作捕捉步态分析视频监控中图分类号：DF7 文献标识码：A 文章编号：1672-3791（2017）09（b）-0197-02步态是指人们行走时的方式，这是一种复杂的行为特征。
同时，步态特征又具有较高的稳定性和特定性。
步态特征的分析有着多方面的研究价值，在医疗领域，对于进行康复治疗的人进行步态分析，以确定治愈程度和康复计划的可行性；在运动领域，结合运动生物力学来帮助运动员更高效地进行体育运动、以优化和提高运动成绩；在人身识别方面，虽然现在的识别方法较为先进，例如人脸识别，指纹识别，虹膜识别等，但是步态识别方法在人身识别方法中独具特征——远距离性和隐蔽性等。
还可以结合行为人步态的变化来对足迹特征作出具体的量化分析，对足迹学进行更深入的量化研究。
步态具有唯一性。
早期的医学研究已经证明了步态虽然是一种复杂的行为特征，但具有唯一性。
步态是很难伪装的，即具有稳定性。
本文介绍的在国内外现阶段都属先进的人体三维动作捕捉系统codamotion，对于研究人体行走时上肢和下肢等肢体关节及身体部位对应的变化规律有着独特的优势，为进一步人体运动规律的分析和识别做出基础性分析与分类，以确定具有较高分析价值的关节、肢体部分及其对应的分析策略。
1 实验方法Codamotion系统是世界上较为先进的三维动作捕捉系统，以主动红外捕捉的方式，获取被捕捉物体各环节的动作，提供便捷、高效、精确的三维数据采集，被广泛应用于动作科研分析、步态生物力学研究、临床步态分析、神经行为和感知、人机工程学等各个领域。
基于人工智能的动作捕捉与运动分析研究
基于人工智能的动作捕捉与运动分析研究人工智能技术的快速发展与广泛应用，给许多领域都带来了巨大的机遇和挑战。
其中，基于人工智能的动作捕捉与运动分析研究在体育训练、医疗康复、虚拟现实等领域具有重要的应用价值。
本文将重点介绍基于人工智能的动作捕捉技术及其在运动分析中的研究进展和应用。
动作捕捉是指通过各种传感器和设备采集人体关节的位置、姿态和运动信息，并将其转化为计算机可处理的数据。
传统的动作捕捉技术主要依赖于电磁感应、光学标记和惯性测量等方式，但这些方法存在设备昂贵、操作复杂、局限性强等问题。
基于人工智能的动作捕捉技术应运而生，不仅能够克服传统技术的种种限制，还具备更高的精度、实时性和稳定性。
在基于人工智能的动作捕捉中，深度学习是常用的方法之一。
通过深度学习框架，如卷积神经网络（CNN）和循环神经网络（RNN），可以对输入的图像数据或时间序列数据进行学习和训练，从而实现对人体动作的自动识别、关节点提取和重建等重要任务。
例如，可以通过训练一个CNN模型，将输入的图像数据与已标注的动作关键点进行匹配，就能够实现对人体动作的实时追踪和捕捉。
除了深度学习，基于传感器的动作捕捉技术也得到了广泛的研究与应用。
利用惯性传感器、压力传感器、电极传感器等设备，可以实时获取人体关节点的位置、速度、加速度等动作信息。
通过将传感器数据与机器学习算法相结合，可以实现对人体动作的准确识别和分析。
例如，在体育训练中，运动员可以佩戴传感器设备进行训练，系统可以实时分析运动员的动作质量、力量输出等指标，为训练提供科学依据。
基于人工智能的动作捕捉技术在运动分析中具有广泛的应用前景。
首先，它可以为体育训练提供科学的指导和反馈。
通过对运动员的动作进行实时分析，可以发现动作中存在的问题和不足，并给予相关的改进建议。
其次，它可以为医疗康复提供便利和支持。
通过对患者的动作进行监测和分析，医生可以制定更加个性化和有效的康复方案。
同时，基于人工智能的动作捕捉技术还可以在虚拟现实、游戏开发、影视特效等领域发挥重要的作用。
步态识别 (2)
步态识别概述步态识别是指通过分析一个人行走时的步伐特征来对其进行身份识别或行为分析的技术。
步态是每个人独特的生物特征之一，因为每个人的步行方式和步伐特点都存在差异。
步态识别技术可以应用于安防领域、智能监控系统、医疗健康管理等多个领域。
本文将介绍步态识别的原理、应用场景和相关技术。
原理步态识别的原理是通过采集、提取和分析行人的步伐特征来识别和辨别不同的个体。
主要包括以下几个步骤：1.采集数据：通过传感器或摄像头采集行人行走时的图像、加速度、重心等数据。
2.预处理：对采集的数据进行预处理，包括数据清洗、去噪、姿势校正等。
3.特征提取：根据行人的步伐特征，提取出能够量化描述步态的特征向量。
常用的特征包括步长、步态周期、步态节奏等。
4.特征匹配：将提取的特征向量与事先建立的数据库中的特征进行匹配和比较，以找出最佳匹配结果。
5.判别识别：根据匹配结果，判断行人的身份或分析其行为。
应用场景步态识别技术具有广泛的应用场景。
安防领域在安防领域，步态识别可以用于识别和追踪可疑人员。
通过建立步态特征库，系统可以实时监测行人的步态信息，识别来访者身份是否合法，从而提高安全性和防范能力。
智能监控系统步态识别技术在智能监控系统中具有重要作用。
通过分析行人的步态特征，可以实现人员的自动识别和跟踪，对于有重要追踪需求的场景，例如机场、车站等公共场所，能够更快速、准确地进行人员监控和安全管理。
医疗健康管理步态识别技术在医疗健康管理领域也有应用前景。
通过监测和分析行人的步态变化，可以评估患者的运动能力和康复情况，为医疗决策提供重要参考依据。
此外，步态识别还可以用于老年人护理，及时发现老年人的跌倒行为，预防意外发生。
相关技术步态识别是一项复杂的技术，涉及多个学科领域的知识和技术。
计算机视觉计算机视觉是步态识别中的核心技术之一。
通过运用图像处理和机器学习等算法，从行人的图像中提取有用的步态特征，实现对行人身份的识别和追踪。
传感器技术传感器技术也是步态识别中的关键技术之一。
基于人体步态识别技术的视频监控应用研究
基于人体步态识别技术的视频监控应用研究随着科技的不断发展，人们对于安全监控的需求也越来越高，特别是在公共场所和重要场所，如商场、车站、机场等地方。
传统的监控技术主要依靠摄像头和图像识别技术，但是由于图像识别存在着一些局限性，比如光线影响、遮挡等因素，导致监控效果并不是很理想。
人们迫切需要寻找一种更加精准的监控技术。
近年来，基于人体步态识别技术的视频监控应用逐渐受到人们的关注，并得到了广泛的研究和应用。
这种技术主要通过分析人体的步态特征来进行识别和监控，不受光线和遮挡的影响，具有更加精准的识别效果。
本文将从基于人体步态识别技术的视频监控应用的原理、技术特点、研究现状和发展前景等方面进行探讨。
一、基于人体步态识别技术的原理人体步态识别技术是通过分析人体走路的姿态和动作来进行识别和监控的一种技术。
其原理主要基于人体运动学和动力学的知识，通过对人体步行过程中的步频、步长、步态轨迹等参数进行分析，从而得到一个人独特的步行特征。
这些步行特征包括步伐周期、步伐长度、步态节奏等，可以作为识别和监控的依据。
具体来说，人体的步态识别技术首先需要通过摄像头捕捉到被监视对象的步行过程，并提取出相关的步行特征。
然后，将这些步行特征输入到计算机系统中进行分析和比对，通过与已知的步行特征库进行匹配来实现对被监视对象的识别和监控。
整个步态识别过程涉及到视频采集、图像处理、运动特征提取、模式匹配等多个技术环节，需要综合运用计算机视觉、模式识别、机器学习等相关技术手段。
基于人体步态识别技术相比传统的监控技术有着很多优势，主要体现在以下几个方面：1. 免受光照和遮挡的影响：人体步态识别技术主要通过分析人体的步行姿态和动作来进行识别，不需要完整的面部信息，因此免受光照和遮挡的影响，具有更强的抗干扰能力。
2. 高精确度和实时性：人体步态是每个人独特的生物特征，通过对步行特征的分析可以实现对被监视对象的精准识别和监控，并且监控过程能够实时进行。
全身步态模型的视触融合步 态识别算法
全身步态模型的视触融合步态识别算法
全身步态模型的视触融合步态识别算法是一种综合运用视觉和触觉信息的方法，该算法主要包括以下步骤：
1. 建立全身步态模型：首先需要建立一个全身步态模型，该模型能够根据人体的运动状态和动作特征，将人体分为不同的部分，并建立各部分之间的动力学关系。
这一步通常需要使用机器学习和人工智能技术，对大量的步态数据进行训练和建模。
2. 提取视觉特征：在步态识别中，视觉特征是非常重要的一环。
通过摄像头等视觉设备，可以获取人体的运动状态、姿势、步长、步频等视觉信息。
这些信息将被转化为特征向量，用于后续的步态识别。
3. 提取触觉特征：触觉特征也是步态识别中的重要一环。
通过压力传感器等设备，可以获取人体在不同步态下的足底压力分布情况。
这些信息将被转化为特征向量，用于后续的步态识别。
4. 特征融合：将视觉特征和触觉特征进行融合，得到更全面、准确的人体步态特征。
这一步通常需要使用特征融合算法，将两种特征进行加权或者串联，得到一个综合的特征向量。
5. 分类识别：最后，使用分类器对综合特征向量进行分类识别。
常见的分类器有支持向量机、神经网络等。
在分类器训练过程中，需要使用大量的训练数据，通过不断调整参数和模型结构，提高分类器的准确性和鲁棒性。
以上是全身步态模型的视触融合步态识别算法的基本步骤，具体实现方式可能因应用场景和需求而有所不同。
在实际应用中，还需要考虑算法的实时性、准确性和稳定性等方面的问题。
步态识别在智能视频监控系统中的应用前景
３ ．上 海 市数 字媒 体 处理 与 传 输 重点 实验 室 ， 海 ２ ０ ４ ） 上 ０２ ０
０ 引 言
步态识 别是一种新兴 的生物 特征识别技术 ， 旨在 根
近年来 ， 步态识别 研究引起 了各 国学术科研机构 的
重视 ， 它在门禁 系统 、 安全监控 、 人机交互 、 医疗诊断等领
据人 们走 路的姿势进行人 的身份认 证 。如果说人脸 、 指 纹等静态 图像的识别是第一代生物识别 技术 ， 那么步态 这种动态识别则是第二代生物识别技术 。第 一代生物特
（ 跑步 、 拳击 、 网球 的击球 动作等 ）手语 的解 释等。因 打 、 此， 步态识别技 术融合 了计 算机视觉 、 模式识别 与视频／
图像序 列处理等多个领域 的研 究成果 ， 将成为未来智 能 监控领域备受关注 的前沿研究方向。
来发展来看 ， 步态是远距离情况下最有潜力 的生物特征 ，
到人 的正 面脸部 图像 ， 这在开放环境下不易获得 ， 即使能 拍 到远距离 的低 分辨力 图片 ， 其信 息量也不 足以保证识
别 质量 ； 而利 用步态特征 ， 即使没有 拍摄到人脸 ， 仅凭对
匝 还
象行走 的视频序列 即可作 出判 断。 ３ ）抗干 扰能力 不 同。人脸 图像在有 外部干 扰条件 下会 降低判决力 ， 比如 在化妆 、 整容 、 遮挡情况下 ， 仅凭人 脸 图像几乎无 法正确判 断年龄 ， 而人 的步态 是难 以隐藏
根据应用场 合 的不 同要求 ， 目前有两类 年龄估计方
基于人体步态识别技术的视频监控应用研究
基于人体步态识别技术的视频监控应用研究人体步态识别技术是一种利用计算机对人体行走时的步态进行识别和分析的技术。
该技术可以通过视频监控摄像头捕捉到的人体运动图像，提取出人体的步态特征，然后通过比对和识别来判断目标人物的身份和行为。
1. 人员识别和追踪：通过分析和识别人体的步态特征，可以对特定人员进行准确的识别和跟踪。
该技术可以在视频监控中实现对目标人物的自动识别，并实时跟踪其行动轨迹，从而实现对特定人员的有效监控和管理。
2. 行为分析和异常检测：人体步态识别技术可以通过分析人体的步态特征，判断目标人物的行为。
通过识别人体的步态特征，可以判断一个人是在行走、奔跑还是蹲下等。
基于这些信息，可以进行行为分析，并及时发现异常行为，如奔跑、摔倒等，提高监控系统的警戒性和预警效果。
3. 入侵检测和安全防护：人体步态识别技术可以结合视频监控系统，实现对特定区域的入侵检测和安全防护。
通过分析人体的步态特征和行动轨迹，可以及时发现并报警未经授权的人员进入受限区域，提高监控系统的安全性和防护能力。
4. 身份验证和门禁管理：人体步态识别技术可以用于身份验证和门禁管理。
通过分析人体的步态特征，可以对特定的个体进行准确的身份验证。
在车站、机场等需要严格管理通行的场所，可以通过人体步态识别技术来实现门禁管控，提高通行效率和安全性。
5. 行人计数和流量统计：人体步态识别技术还可以用于行人计数和流量统计。
通过分析人体的步态特征和行动轨迹，可以精确地识别和计数经过特定区域的行人数量，并实时统计行人的流量情况。
这可以为商场、车站、景区等公共场所提供重要的数据支撑，帮助管理者进行客流调度和人流管理。
基于人体步态识别技术的视频监控应用具有广泛的应用前景和重要的实际意义。
它不仅可以提高视频监控系统的智能化程度和安全性能，还可以为公共安全管理、行人流量调度等领域提供重要的技术支撑。
随着技术的不断发展和突破，相信这一领域的应用将会有更加广泛和深入的发展。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
的需求 ， 进 而达 到人 身 个体识 别的 目的 。
关 键 词 ：步 态识 别 ； 特征 提取 ： ｓ ｉ ｍｉ ： 量 化 检 验 中图分 类号 ： Ｄ Ｆ ７ ９ ３ ． ２ 文献标 志码 ： Ａ ｄ ｏ ｉ ：１ ０ ． ３ ９ ６ ９ ￣ ． ｉ ｓ ｓ ｎ ． １ ６ ７ １ — ２ ０ ７ ２ ． ２ ０ １ ３ ． ０ ２ ． ０ １ ６
文 章 编 号 ：１ ６ ７ １ — ２ ０ ７ ２ 一 （ ２ ０ １ ３ ） ０ ２ — ０ ０ ６ ６ — ０ ５
Ａｐ ｐｌ ｉ ｃ ａ ｔ ｉ ｏｎ ｏ ｆ Ｓ ｉ ｍｉ Ｍ ｏ ｔ ｉ ｏ ｎ Ｃａ ｐｔ ｕ ｒ ｅ Ｓｙ ｓ ｔ ｅ ｍ ｉ ｎ Ｇａ ｉ ｔ Ｒｅ ｃ ｏ ｇ ｎｉ ｔ ｉ ｏ ｎ
进 行识 别和 分析 。结果 提 出 了一种 基 于 关节点 的步 态特征 提取 方 法 ， 得到 了行 走 步 态特 征 的基 本参数 ， 为 步 态特 征 定量
化检验 提供 技 术支持 。结论 研 究表 明 ， ｓ ｉ ｍｉ 视 频动 作捕捉 系统 可以获 得较 精确 的 步态特征 数 据 ， 能够满 足人 体 步态 分析
ｔ ｕ ｒ ｅ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｏ ｆ ｈ ｕ ｍａ ｎ ｗａ ｌ ｋ ｉ ｎ ｇ ． Ｍｅ ｔ ｈｏ ｄ Ｂａ ｓ ｅ ｏ ｎ ｔ ｈ ｅ ｇ ａ ｉ ｔ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｔ ｅ ｃ ｈ ｎ ｉ ｑ ｕ ｅ ｓ ａ ｎ ｄ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｔ ｈ ｅ ｏ ｒ ｉ ｅ ｓ ａ ｎ ｄ ｍｅ ｔ ｈ ｏ ｄ ｓ ｏ ｆ ｆ ｏ ｏ ｔ — ｐ ｉｎ ｒ ｔ ｅ ｘ ａ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ，ｔ ｈ ｅ ｇ ａ ｉ ｔ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｏ ｆ ５ ０ ｈ ｅ ａ ｌ ｔ ｈ ｙ ｍｅ ｎ ｗｅ ｒ ｅ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｚ ｅ ｄ ａ ｎ ｄ ａ ｎ ａ ｌ ｙ ｚ ｅ ｄ ｗｉ ｔ ｈ ｔ ｈ ｅ ａ ｄ ｖ ａ ｎ ｃ ｅ ｄ Ｓ ｉ ｍｉ Ｍｏ ｔ ｉ ｏ ｎ Ｃ ａ ｐ ｔ ｕ ｒ ｅ
ｎ ｅ ｓ ｅ Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｆ ｏ ｒ ｅ ｎ ｓ ｉ ｃ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｓ ， ２ ０ １ ３ ， Ｎ ｏ ． ２ Ｔ ｏ ｔ ａ ｌ Ｎ ｏ ． ６ ７
鉴ቤተ መጻሕፍቲ ባይዱ
定
实
践
Ｆｏ ｒ ｅ ｎｓ ｉ ｃ Ｐｒａ ｃ ｔ ｉ ｃ ｅ
Ｓ ｉ ｍｉ视 频 动 作 捕 捉 系统 在 步 态 识 别 中 的应 用
高 毅
（ 中 国刑 事 警 察 学 院 痕 迹 检 验 技 术 系 ， 辽 宁 沈阳 １ ０ ０ ８ ５ ４ ）
摘 要 ：目的 探 讨人 体行 走运 动主要 步 态特征 参数 新 的提取 识 别方 法和 定量化 分析 技 术 。 方法 以步 态分析技 术 与传 统
的足迹检 验 理论 和方 法 为基 础 ， 运 用先 进 的 Ｓ ｉ ｍｉ Ｍｏ ｔ ｉ ｏ ｎ视 频 动作捕 捉 系统 ， 对５ ０名健 康 男性 正 常行 走 的步 态特 征 参数
ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ，ａ ｎ ｄ ｍｅ ｅ ｔ ｔ ｈ ｅ ｎ ｅ ｅ ｄ ｓ ｏ ｆ ｇ ａ ｉ ｔ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ：ｇ ａ ｉ ｔ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ； ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ；Ｓ ｉ ｍｉ Ｍｏ ｔ ｉ ｏ ｎ Ｃａ ｐ ｔ ｕ ｒ ｅ Ｓ ｙ ｓ ｔ ｅ ｍ ；ｑ ｕ ａ ｎ ｔ ｉ ｔ ａ ｔ ｉ ｖ ｅ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ
Ｇ Ａ０ Ｙｉ
（ Ｃ ｈ ｉ ｎ ａ Ｃ ｒ ｉ ｍ ｉ ｎ ａ ｌ Ｐ ｏ ｌ ｉ ｃ ｅ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ， Ｓ ｈ ｅ ｎ ｙ ａ ｎ ｇ １ １ ０ ８ ５ ４ ，Ｃ ｈ ｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：０ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ Ｔ ｏ ｅ ｘ ｐ ｌ ｏ ｒ ｅ ａ ｎ ｅ ｗ ｍｅ ｔ ｈ ｏ ｄ ｆ ｏ ｒ ｔ ｈ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ，ｒ ｄ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｑ ｕ ａ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｏ ｆ ｔ ｈ ｅ ｍ ａ ｊ ｏ ｒ ｇ ａ ｉ ｔ ｆ ｅ ａ —
Ｓ ｙ ｓ ｔ ｅ ｍ． Ｒ ｅ ｓ ｕ ｌ ｔ ｓ Ａ ｇ ａ ｉ ｔ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｊ ｏ ｉ ｎ ｔ ｐ ｏ ｉ ｎ ｔ ｗ ａ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ， ａ ｎ ｄ ｔ ｈ ｅ ｂ ａ ｓ ｉ ｃ ｐ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒ ｓ ｏ ｆ ｇ ａ ｉ ｔ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ
ｗｅ ｒ ｅ ｓ ｕ ｍｍａ ｉ ｒ ｚ ｅ ｄ ．Ｃｏ ｎ ｃ ｌ ｕ ｓ ｉ ｏ ｎ Ｔ ｈ ｅ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｓ ｈ ｏ ｗｓ ｔ ｈ ａ ｔ ｔ ｈ ｅ Ｓ ｉ ｍｉ Ｍｏ ｔ ｉ ｏ ｎ Ｃ ａ ｐ ｔ ｕ ｒ ｅ Ｓ ｙ ｓ ｔ ｅ ｍ ｃ ａ ｎ ａ ｃ ｑ ｕ ｉ ｒ ｅ ｍｏ ｒ ｅ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｄ ａ ｔ ａ ｏ ｆ ｇ ａ ｉ ｔ