The invention discloses an abnormal gait detection method based on human side gait video. The abnormal gait video is captured by common common cameras or mobile phones, from which the characteristics of human step change and body tilt are extracted, and the feature information of normal gait is used to train a single classification support vector machine model, which is fast and effective. The corresponding gait was normal or abnormal. The invention does not need special detection equipment, and does not need to carry out gait detection in specific places, and has high flexibility. The invention considers the forward leaning feature when extracting gait features from gait video, and can effectively avoid the influence of abnormal training data on the detection ability of abnormal gait detection model and improve the detection accuracy. The invention only needs the feature of normal gait information to train the single classification support vector machine model. The training sample is small, and the gait normal/abnormal can be detected quickly and accurately, so as to assist doctors in the diagnosis of abnormal gait and improve the work efficiency of doctors.
【技术实现步骤摘要】
基于人的侧面步态视频的异常步态检测方法
本专利技术涉及步态识别领域,具体涉及一种从人的侧面步态视频中提取特征并结合异常步态检测模型实现异常步态检测的方法。
技术介绍
步态即人行走的姿态,异常步态则是当一个人身体出现异常时出现的非正常行走姿态。常见的导致步态异常的原因包括疼痛、中枢神经系统异常和骨骼肌肉系统损伤。异常步态的种类繁多,典型的异常步态包括痉挛性偏瘫步态、痉挛性截瘫步态、感觉性共济失调步态、慌张步态、肌病步态、跨阈步态、癔症步态等。部分典型步态的出现反映了特点疾病的存在,通过对异常步态进行观察分析,可以对患者进行症状诊断,如帕金森病患者常见的慌张步态、冻结步态等。因此,异常步态的检测是医生诊断的重要依据。虽然目前已有关于人的步态的研究,但都集中在使用步态进行身份识别上,在异常步态检测上的研究较少,并且这些方法都是基于正常人的步态进行身份识别分类,并不适用于通用的异常步态检测。在临床医学上,对患者的异常步态检测常采用直接观察或基于肌电图等客观采集数据的定量分析。对异常步态的采集与分析通常使用外置硬件仪器进行,如使用角度测量装置综合采集主要关节的运动轨迹,分析人的步态周期规律;或通过穿戴式步态采集器采集足底压力,根据足底压力数据的变化分析踮脚走、后跟走、外八字和内八字等类别的异常步态。这些方法基于硬件设备对患者的步态进行分析,对设备要求较高,需要在特定场所进行,灵活度较低,不利于日常生活的异常步态检测。个别研究(如申请号为2017107435559的专利技术专利《异常步态检测方法及异常步态检测系统》)通过人体轮廓提取特征进行正常异常分类,但仅考虑了下半 ...
【技术保护点】
1.基于人的侧面步态视频的异常步态检测方法,其特征包括以下步骤:步骤1、获取侧面步态视频,并从侧面步态视频中提取侧影轮廓图像序列;步骤2、根据步骤1中所得的侧影轮廓图像序列,构建步宽与身高比的参数序列A、头部与两足中心的x轴水平距离与身高比前倾参数序列B,并由参数序列A和参数序列B提取描述步态信息的特征;步骤3、收集正常步态的侧面步态视频作为训练样本;所述训练样本依次通过步骤1和步骤2提取其步态信息的特征,并将所提取的特征输入单分类支持向量机进行训练,构建异常步态检测模型;步骤4、获取待检测的侧面步态视频,依次通过步骤1和步骤2提取其步态信息的特征,并将该特征输入步骤3所构建的异常步态检测模型中进行检测。
【技术特征摘要】
1.基于人的侧面步态视频的异常步态检测方法,其特征包括以下步骤:步骤1、获取侧面步态视频,并从侧面步态视频中提取侧影轮廓图像序列;步骤2、根据步骤1中所得的侧影轮廓图像序列,构建步宽与身高比的参数序列A、头部与两足中心的x轴水平距离与身高比前倾参数序列B,并由参数序列A和参数序列B提取描述步态信息的特征;步骤3、收集正常步态的侧面步态视频作为训练样本;所述训练样本依次通过步骤1和步骤2提取其步态信息的特征,并将所提取的特征输入单分类支持向量机进行训练,构建异常步态检测模型;步骤4、获取待检测的侧面步态视频,依次通过步骤1和步骤2提取其步态信息的特征,并将该特征输入步骤3所构建的异常步态检测模型中进行检测。2.根据权利要求1所述的基于人的侧面步态视频的异常步态检测方法,其特征在于:所述步骤2包括以下步骤:2.1、将步骤1所得的侧影轮廓图像序列中每一帧侧影轮廓图像中根据各点像素值分割获得人体区域图像;2.2、根据步骤2.1分割得到的人体区域图像提取身高h,头部顶点x轴坐标x1;2.3、按照从上到下的方向截取步骤2.1所获得的人体区域图像的4/5h到h高度的足部区域图像,获取实际步长宽度w及两足中心点x轴坐标x2;2.4、根据步骤2.3和步骤2.4计算所得的参数计算参数α和β:计算步宽与身高比参数α,计算公式为计算头部水平前倾距离与身高比参数β,计算公式为2.5、将每一帧侧影轮廓图像提取的参数α、β分别添加在参数序列A与参数序列B中,直至侧影轮廓图像序列中所有侧影轮廓图像处理完毕,获得参数序列A和参数...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。