基于视觉刺激下的重心面积模型区分人体平衡障碍的方法技术

本发明专利技术公开的基于视觉刺激下的重心面积模型区分人体平衡障碍的方法，包括如下步骤：首先按照与人体行走时正面呈90°的角度拍摄正常人和非正常人在搭建好的模拟现实的场景中的人体行走姿态视频；然后，将采集到的正常人和非正常人的行走姿态视频分别提取成图片，然后将提取的图片分别进行处理得到正常人和非正常人的上中下重心坐标数据；最后，结合重心面积数据、三角形面积均方差、速度和轨迹路线图，判断并分类出平衡能力障碍人群。本发明专利技术的方法利用不倒翁原理解释通过重心面积偏移模型区分出具有平衡障碍能力的人群，使得对自己或他人的平衡能力产生客观的判断，通过多个步骤对视频及图像进行处理，并保证最终分类的准确率在86％以上。

【技术实现步骤摘要】
基于视觉刺激下的重心面积模型区分人体平衡障碍的方法
本专利技术属于数字图像处理技术练领域，涉及一种基于视觉刺激下的重心面积模型区分人体平衡障碍的方法。
技术介绍
人体平衡能力是身体素质的一种，是指抵抗破坏平衡的外力，以保持全身处于稳定状态的能力，是一切静态与动态活动的基础能力。包括维持某种姿态的能力或受外作用力时调控机体保持平衡的能力，是人体重要的生理机能之一。影响平衡能力的主要因素有支撑面积、重心高度、体重等因素，同时也受到视觉、身体器官、感受系统等因素的影响。当人体出现平衡障碍时，会出现肌力和耐力的低下、关节的灵活度和软组织的柔韧度下降、中枢神经系统功能的障碍、视觉、前庭功能、本体感受效率下降、触觉的输入和敏感度降低、空间感知能力减弱等现象。拥有良好的平衡能力，有利于提高运动器官的功能和前庭器官的机能，改善中枢神经系统对肌肉组织与内脏器官的调节功能，从而保证身体活动的顺利进行，提高适应复杂环境的能力和自我保护的能力。传统的主观人体平衡能力观察方法主要有强化Romberg氏检测法、闭目直立检查法和单腿直立检测法(OLST)。传统的主观观察法虽然操作较为简单，但是过于粗略和主观，缺乏客观性和统一的标准，不能清楚直观的判断平衡障碍的程度，只能用于临床上对疑似平衡能力障碍患者的初步测试。其他的方法如量表测评法，包括Berg平衡量表、Tinetti步态和平衡量表、活动平衡信心量表、Brunel平衡量表等，需要通过复杂的设备。目前，基于虚拟现实的VR系统得到了很大的利用，其涉及计算机图形学、人机交互技术、传感技术、人工智能等技术，有望产生巨大的经济效益和社会效益。利用计算机，生成逼真的三维视、听、嗅觉等感觉，使参与者自然地对虚拟世界进行体验和交互作用，通过精确的3D世界影像产生身临其境的感觉。通过VR系统模拟出的不同虚拟场景，使参与者根据相应的场景做出反应与交互，同时计算机根据所做出的反应得到的数据，通过科学的依据与数据测量计算方法，就可以快速判定出人体平衡能力的好坏。具有更高的准确性和可靠性，以及更高的效率。但是，目前采用VR技术和图像处理技术分析人体平衡时，不管是平衡能力好的人群还是平衡能力有障碍的人群都会产生眩晕感，因为VR带来的画面无法真正欺骗我们的大脑，从而引发不适感。目前主要存在问题有前庭系统、延迟问题、场景得移动问题、视觉辐辏。
技术实现思路
本专利技术的目的是提供一种基于视觉刺激下的重心面积模型区分人体平衡障碍的方法，解决了现有方法操作复杂、造成测试者身体不适以及成本较高的问题。本专利技术所采用的技术方案是，基于视觉刺激下的重心面积模型区分人体平衡障碍的方法，具体操作过程包括如下步骤：步骤1.按照与人体行走时正面呈90°的角度拍摄正常人和非正常人在搭建好的模拟现实的场景中的人体行走姿态视频；步骤2.将采集到的正常人和非正常人的行走姿态视频分别提取成图片，然后将提取的图片分别进行处理得到正常人和非正常人的上中下重心坐标数据；步骤3.根据得到的正常人和非正常人的上中下重心坐标数据，提取由上中下重心组成的三角形面积、重心三角形面积的均方差、以及人体行走的速度和路程轨迹图；通过SVM分类器将提取到的重心面积数据分类后，结合重心面积数据、三角形面积均方差、速度和轨迹路线图，判断并分类出平衡能力障碍人群。本专利技术的其他特点还在于，步骤2的具体过程如下：步骤2.1使用cvLoadImage函数读取采集到的正常人和非正常人的姿态视频，设定读入视频的开始时间和结束时间，如果capture函数没有读取到含有人像的视频，则重新设定视频的开始时间和结束时间，重复步骤2.1，如果capture函数读取到含有人像的视频，则进行步骤2.2；步骤2.2通过OpenCV中的CvCapture函数将提取的正常人和非正常人的视频分别拆帧，首先分别提取出两组视频中的空白场景进行图片保存，然后将拍摄的人体姿态视频每两秒取一帧保存为图片；步骤2.3将保存的正常人和非正常人的姿态图片分别与空白场景进行差分处理，得到只有人体姿态的图片，差分的具体过程为：首先，将保存的正常人和非正常人的包含有人体姿态的图片与空白场景图做差分处理，设第k时刻提取到的含有人体的图像为Ip，空白场景的图像为Ie，对两张图像进行差分，得到差分图像为Idif：Idif＝Ip-Ie；步骤2.4将差分后的图片用双边滤波算法进行图像去噪；步骤2.5将去噪后的图片进一步进行图像腐蚀，最终得到只有人体图像的灰度图像；步骤2.6将腐蚀后得到的图像进行边缘提取，利用Canny边缘检测算子对腐蚀后的图像进行处理得到图像的连通区域，首先使用高斯滤波器与图像进行卷积，以减少边缘检测器上明显的噪声影响；然后，计算图像中每个像素点的梯度强度和方向，并应用非极大值抑制，以消除边缘检测带来的杂散响应；最后，使用双阈值检测来确定真实的和潜在的边缘，并通过抑制孤立的弱边缘最终完成边缘检测，使用findContours函数提取出人体轮廓图像。步骤2.7我们将人体分为上中下三部分，分别计算人体轮廓图像的矩，通过轮廓图像的矩计算人体上中下重心坐标。步骤2.4的具体过程如下：采用双边滤波算法对差分处理后的图像进行滤波，双边滤波是基于采用加权平均的方法，使用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布，令Idif,分别为差分处理得图像和去噪处理后的图像，则双边滤波输出的结果为其中，参数σs定义了用于过滤像素的空间邻域的大小，σr控制了由于强度差异而使相邻像素下降的程度，使权的和标准化。步骤2.5中图像的腐蚀过程如下：对通过差分和去噪的图像进行腐蚀，通过getStructuringElement函数定义腐蚀窗口的大小，选择矩形窗口MORPH_RECT，腐蚀核的大小选择3×3，然后，通过腐蚀窗口MORPH_RECT使用erode函数进行腐蚀操作，得到只含有人像的图片。步骤2.7中人体重心坐标的计算方法如下：首先，计算人体轮廓图像的矩，将图片中的人体作为一个平面物体，将每个点的像素值作为该点的密度，该点的期望值就是该点的矩，采用图像的一阶矩计算人体重心坐标，如公式1-3所示：则人体图像重心的坐标为：其中，V(i,j)表示人体图像在点(i,j)上的灰度值，当图像为二值图，V(i,j)只有黑色和白色，即0和1两种值，则M00表示为人体图像中白色区域的总和，即二值图像的面积，M10代表图像中白色区域横坐标值的累加；同理，M01代表图像中白色区域纵坐标值的累加，xc代表重心横坐标，yc代表重心纵坐标。步骤3的具体过程如下：步骤3.1根据获得的正常人和非正常人的上中下重心坐标数据求出的重心三角形的面积作为输入数据，通过SVM分类器进行分类，得到带有标记的正常人和非正常人重心坐标数据；步骤3.2分别求出正常人和非正常人的上中下重心所组成的三角形面积的均值和方差；步骤3.3将整个模拟现实场景中，正常人和非正常人行走的路程均分前半段路程和后半段路程，使用路程和行走的时间，根据公式V＝S/t分别计算得到正常人在前半段路程和后半段路程中的速度值，以及非常人在前半段路程和后半段路程中的速度值；步骤3.4已知人体上中下三个重心的坐标数据，分别对其横坐标求平均，对其纵坐标求和得到重心三角形的重心坐标，将每帧图片上的重心本文档来自技高网...

【技术保护点】
1.基于视觉刺激下的重心面积模型区分人体平衡障碍的方法，其特征在于，具体操作过程包括如下步骤：步骤1.按照与人体行走时正面呈90°的角度拍摄正常人和非正常人在搭建好的模拟现实的场景中的人体行走姿态视频；步骤2.将采集到的正常人和非正常人的行走姿态视频分别提取成图片，然后将提取的图片分别进行处理得到正常人和非正常人的上中下重心坐标数据；步骤3.根据得到的正常人和非正常人的上中下重心坐标数据，提取由上中下重心组成的三角形面积、重心三角形面积的均方差、以及人体行走的速度和路程轨迹图；通过SVM分类器将提取到的重心面积数据分类后，结合重心面积数据、三角形面积均方差、速度和轨迹路线图，判断并分类出平衡能力障碍人群。

【技术特征摘要】
1.基于视觉刺激下的重心面积模型区分人体平衡障碍的方法，其特征在于，具体操作过程包括如下步骤：步骤1.按照与人体行走时正面呈90°的角度拍摄正常人和非正常人在搭建好的模拟现实的场景中的人体行走姿态视频；步骤2.将采集到的正常人和非正常人的行走姿态视频分别提取成图片，然后将提取的图片分别进行处理得到正常人和非正常人的上中下重心坐标数据；步骤3.根据得到的正常人和非正常人的上中下重心坐标数据，提取由上中下重心组成的三角形面积、重心三角形面积的均方差、以及人体行走的速度和路程轨迹图；通过SVM分类器将提取到的重心面积数据分类后，结合重心面积数据、三角形面积均方差、速度和轨迹路线图，判断并分类出平衡能力障碍人群。2.如权利要求1所述的基于视觉刺激下的重心面积模型区分人体平衡障碍的方法，其特征在于，所述步骤2的具体过程如下：步骤2.1使用cvLoadImage函数读取采集到的正常人和非正常人的姿态视频，设定读入视频的开始时间和结束时间，如果capture函数没有读取到含有人像的视频，则重新设定视频的开始时间和结束时间，重复步骤2.1，如果capture函数读取到含有人像的视频，则进行步骤2.2；步骤2.2通过OpenCV中的CvCapture函数将提取的正常人和非正常人的视频分别拆帧，首先分别提取出两组视频中的空白场景进行图片保存，然后将拍摄的人体姿态视频每两秒取一帧保存为图片；步骤2.3将保存的正常人和非正常人的姿态图片分别与空白场景进行差分处理，得到只有人体姿态的图片，差分的具体过程为：首先，将保存的正常人和非正常人的包含有人体姿态的图片与空白场景图做差分处理，设第k时刻提取到的含有人体的图像为Ip，空白场景的图像为Ie，对两张图像进行差分，得到差分图像为Idif：Idif＝Ip-Ie；步骤2.4将差分后的图片用双边滤波算法进行图像去噪；步骤2.5将去噪后的图片进一步进行图像腐蚀，最终得到只有人体图像的灰度图像；步骤2.6将腐蚀后得到的图像进行边缘提取，利用Canny边缘检测算子对腐蚀后的图像进行处理得到图像的连通区域，首先使用高斯滤波器与图像进行卷积，以减少边缘检测器上明显的噪声影响；然后，计算图像中每个像素点的梯度强度和方向，并应用非极大值抑制，以消除边缘检测带来的杂散响应；最后，使用双阈值检测来确定真实的和潜在的边缘，并通过抑制孤立的弱边缘最终完成边缘检测，使用findContours函数提取出人体轮廓图像；步骤2.7我们将人体分为上中下三部分，分别计算人体轮廓图像的矩，通过轮廓图像的矩计算人体上中下重心坐标。3.如权利要求2所述的基于视觉刺激下的重心面积模型区分人体平衡障碍的方法，其特征在于，所述步骤2.4的具体过程如下：使用双边滤波算法对差分处理后的图像进行滤波，双边滤波采用加权平均的方法，用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布，用双边滤波算法将差分处理后的图像中一点像素的强度用周边像素亮度值的加权平均代表，令Idif,分别为差分处理得到的图像和去噪处理后的图像，则双边滤波输出的结果为其中，参数σs定义了用于过滤像素的空间邻域的大小，σr控制了由于强度差异而使相邻像素下降的程度，使权的和标准化。4.如权利要求2所述的基于视觉刺激下的重心面积模型区分人体平衡障碍的方法，其特征在于，所述步骤2.5中图像的腐蚀过程如下：对通过差分和去噪的图像进行腐蚀，通过getStructuringElement函数定义腐蚀窗口的大小，选择矩形窗口MORPH_RECT，腐蚀核的大小选择3×3，然后，通过腐蚀窗口MORPH_RECT使用erode函数进行腐蚀操作，得到只含有人像的图片。5.如权利要求2所述的基于视觉刺激...

【专利技术属性】
技术研发人员：金海燕，谢乐，肖照林，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61