一种基于直接特征提取的多通道时序步态分析算法制造技术

本发明专利技术公开了一种基于直接特征提取的多通道时序步态分析算法，涉及步态分析方法领域，该方法包括以下步骤：拍摄若干受试者的步态视频信息，将所有视频信息分割成单个分离的步态周期，调整为同一长度；计算标准化后的步态参数S

【技术实现步骤摘要】
一种基于直接特征提取的多通道时序步态分析算法
本专利技术涉及步态分析方法领域，具体涉及一种基于直接特征提取的多通道时序步态分析算法。
技术介绍
随着人口老龄化的日趋严重，老年人常见的疾病如帕金森综合征患者的数量急剧增加，该疾病严重时会导致病人完全丧失运动能力，给患者和家人带来极大的经济和护理压力，对帕金森综合征早期诊断和治疗能够有效缓解病情的恶化。步态作为人体固有的生理特征，可在智能假肢、智能监控、临床医学、康复治疗、运动分析等众多领域发挥其作用。通过步态检测与识别，可以对运动人体的行为进行分析，进而实现对特殊人群的异常行为或状态进行跟踪检测，判断患者患病程度或康复程度。在进行步态分析时，需要采集大量的视屏数据，所采集的数据具有数据量大、范围大且个体差异大的特点，在采集数据后需要进行详细的分析才能得到较准确的数据，难以进行实时测评，且由于个体差异性大，步态分析难以到统一的识别。早期的步态分析装置主要基于光学的方法，通常在人体上粘贴大量的主动光源(LED)或反射红外的小球作为标记，采用多相机的人体动作捕捉系统，如VICON本文档来自技高网...

【技术保护点】
1.一种基于直接特征提取的多通道时序步态分析算法，其特征在于，包括以下步骤：/nS1、拍摄若干受试者的步态视频信息，将所有视频信息分割成单个分离的步态周期，对分割后的每个步态周期进行插值和重新采样，将不同运动速度/采集帧率的步态周期调整为同一长度；/nS2、定义标准化后的步态参数为S

【技术特征摘要】
1.一种基于直接特征提取的多通道时序步态分析算法，其特征在于，包括以下步骤：
S1、拍摄若干受试者的步态视频信息，将所有视频信息分割成单个分离的步态周期，对分割后的每个步态周期进行插值和重新采样，将不同运动速度/采集帧率的步态周期调整为同一长度；
S2、定义标准化后的步态参数为Sz，Sz的距离方程为：



所述公式1中，Pi，x，Pi，y均为1到K的整数，K取1到9中的整数，Pi，x，Pi，y为相对应的步态相位，为在第i个周期内第x帧对应的标准步态参数Sz值，为在第j个周期内第y帧对应的标准步态参数Sz值，φ为标签距离；
标签距离φ(a，b)定义为：



其中，bool(x)为二值函数，如果x为非0则其输出为1；
S3、使用k-nn(k最近邻)的算法和参数距离方程对已经标记好的训练数据做聚类，对任意一个聚类的距离方程为：



其中，M为聚类的大小；
将聚类进行平均，由此可以得到聚类平均值其对应的输出的标签为Px；
S4、在x帧周围选取任意一个小窗(u，v)的时间序列，其中u，v均∈[-0.5，0.5)，根据公式4计算该时间序列的特征值：



其中，L为标准化后的步态周期长度，u，v均为{-0.5，-0.49，-0.48，……，0.49}中的值；
为避免分类器过拟合训练数据，通过基尼杂质Q(Cn)来度量本实施例中时间序列的质量，
其中，Cn＝{P{u，v}|u，v∈{-0.5，-.049，…，0.49}}，
u，v均为{-0.5，-0.49，-0.48，……，0.49}中的值，选取Cn值最高的B个(u，v)时间序列作为训练数据；
采用增强随机森林作为训练的模型，在训练过程中我们将目标帧x的标签与这些时间序列映射起来，Cn值最高的B个(u，v)时间序列作为随机森林训练的输入，而(u，v)所在帧x的步态分类标签作为训练的期待输出；
S5、步态相位重建
增强随机森林的输出为当前帧x分类的概率向量ρ＝{ρ1，……，ρ9}，其中每一个概率向量的值表示对应的步态相位的概率，为了对任一时间片段的特征值fs，……，fe进行步态输出，通过公式6来检测当前时间序列中的步态相位：



公式6中，a、b为两个相邻步态相位，ηf(a、b)为当前时间片段在相邻步态相位a、b之间的相关系数；
选择当前时间序列中相关系数最大的点作为步态事件，并以此重新分割步态，再次迭代上面的操作：以上一次迭代计算得到的步态事件分割而...

【专利技术属性】
技术研发人员：李娟，占永刚，曹宇，李军，熊竹青，刘建晓，
申请(专利权)人：武汉艾格美康复器材有限公司，
类型：发明
国别省市：湖北;42