一种基于Kinect的人体步态参数提取方法技术

本发明专利技术提供一种更具普适性的基于Kinect的人体步态参数提取方法，获取Kinect体感深度传感器提取的原始关节点位置序列数据；对原始关节点位置序列数据进行滤波处理并计算原始步态参数值；根据原始步态参数值构造步态特征空间，步态特征空间包括静态姿势特征、连续运动变化特征和整体变化特征；利用步态特征空间采用基于随机森林模型的步态相位划分策略得到每帧单侧状态的初步判定结果，再对异常相位进行误判修正得到最终步态相位划分结果；从最终步态相位划分结果确定摆动期的起点帧和终点帧，得到摆动阶段的起点位置、终点位置以及起点时刻和终点时刻从而计算得到步态时空参数。本发明专利技术具有较全面的步态特征表示，具有无接触、低成本的优点。低成本的优点。低成本的优点。

【技术实现步骤摘要】
一种基于Kinect的人体步态参数提取方法


[0001]本专利技术人体感应技术，特别涉及人体步态参数提取技术。

技术介绍

[0002]步行，作为人类最基本的运动状态之一，反映了人体运动的诸多信息，是骨骼系统、肌肉系统以及神经系统的耦合协同。人体步态的协调性、周期性、稳定性具有鲜明的个性化的特征，也包含了丰富的运动学信息、动力学信息、肌肉活动及耗氧信息。步态分析，就是通过采集受试者的运动信息来获取其步态特征，用以研究人体姿势与运动的变化和规律，是以人为对象，通过科学手段获得人在行走时的多个步态参数信息，包括步行周期、正常步行周期的基本构成、时空参数等基本概念。
[0003]目前，对被检查者进行步态分析，根据运动信息获取方式可以分为两类：一类是定性分析方法，这种方式依靠检查人员的目测观察，其优点是简单且不依赖设备，缺点是依赖于检查者长久的工作经验和主观判断，不同检查者对于同一个体的评价结果往往具有差异性，不够定量化和准确；另一类是定量分析方法，这种方式依靠传感器获得初始的运动数据，不同类型的传感器可以捕获不同种类的运动信号，运动信息的提取方式也有所区别，按照所用传感器类型，可分为足底压力方式、肌电信号方式、惯性传感器方式、基于标记点的视觉捕捉方式。
[0004]Benocci等人开发了一种用于步态和姿态分析的无线系统，由于此种步态分析数据获取的便携性、灵活性，虽然激发了研究人员的极大兴趣，但因为足底压力数据信息的单一性，不能良好的反馈人体姿态情况，只能作为下肢运动的参考性信息。芬兰Mega面肌电测试系统ME6000，通过自建的肌电分析软件MegaWin，实现了多种量化的运动参数输出，但肌电信号本身具有易受干扰、信号随机性强的缺点。Luis等人提出了一种系统，该系统需要将三轴轴加速度计和二轴陀螺仪放置在骨盆的一侧，使用小波分解来检测和区分每只脚的脚步，并使用高通滤波加速度的正向和反向积分的组合来计算步长度，但无法剔除这种传感器位置改变对实际人体关节角度变化的影响，从而造成数据扰动和累计误差。瑞典Qualysis AB公司研发的Oqus运动捕捉系统，具有高精度、高可靠性、安装简便、支持多种设备同步等特点，缺点是价格昂贵，操作复杂。
[0005]因此，能够实现客观量化、低成本、便携式的运动分析成为了新的需求，Kinect体感深度传感器能够对人体多个关节点位置进行定位，实现人体骨架模型的构建，从而获取人体运动周期内的特征性信息，进而进行步态分析，且成本较低，提供了一种解决问题的新思路。
[0006]公开号为CN108030497A的专利技术申请提出了一种基于惯性传感器IMU的步态分析装置及方法，通过在双脚各自放置一个IMU来实现对步态数据的获取，两个IMU之间通过蓝牙进行数据交互。但未解决IMU数据累计误差的问题，并且未考虑穿戴式设备对人体真实步态的实际影响。
[0007]公开号为CN 108960155 A的专利技术申请提出了一种基于Kinect的成人步态提取与
异常分析方法，其通过足端轨迹变化情况实现对步态时空参数的计算。但该方案仅仅通过设置单个阈值的方式实现对步态相位的划分，不同个体往往步态特征区别明显，结果缺乏普适性。

技术实现思路

[0008]本专利技术所要解决的技术问题是，提供一种更具普适性的基于Kinect的人体步态参数提取方法。
[0009]本专利技术为解决上述技术问题所采用的技术方案是，一种基于Kinect的人体步态参数提取方法，包括以下步骤：
[0010]1)获取Kinect体感深度传感器提取的原始关节点位置序列数据，所述原始关节点位置序列数据包括髋关节、膝关节、踝关节和足关节的空间位置信息；
[0011]2)对原始关节点位置序列数据进行滤波处理并计算原始步态参数值，所述原始步态参数值包括膝关节角度、踝关节角度、髋关节角度、足关节速度、踝关节角速度和膝关节角速度；
[0012]3)根据原始步态参数值构造步态特征空间，步态特征空间包括静态姿势特征、连续运动变化特征和整体变化特征；
[0013]静态姿势特征包括当前帧的足关节坐标、足关节速度、膝关节角度和膝关节角速度：
[0014]连续运动变化特征包括当前帧与前一帧的足关节坐标、足关节速度、膝关节角度和膝关节角速度之间的差值；
[0015]整体变化特征包括当前帧与第一帧的足关节坐标、足关节速度、膝关节角度和膝关节角速度之间的差值；
[0016]4)利用步态特征空间采用基于随机森林模型的步态相位划分策略得到每帧单侧状态的初步判定结果，再对异常相位进行误判修正得到最终步态相位划分结果；对异常相位进行误判修的方法为：初步判定结果为摆动相时，进一步判断摆动阶段中足的行走距离是否大于等于半步长预设值，如是，该帧单侧状态的最终步态相位划分结果为摆动相，否则，修改该帧单侧状态的最终步态相位划分结果为支撑相；
[0017]5)从最终步态相位划分结果确定摆动期的起点帧和终点帧，再根据起点帧和终点帧中关节点位置坐标得到摆动阶段的起点位置、终点位以及起点时刻和终点时刻从而计算得到步态时空参数。
[0018]本专利技术的有益效果是，能够实现人体多处关节角度、步态相位状态、步态时空参数的计算，采取改进的基于随机森林模型的步态相位划分策略，解决了基于阈值方法缺乏普适性的缺点。本专利技术构建了新型步态时空特征参数描述模型，具有较全面的步态特征表示，具有无接触、低成本的优点。
附图说明
[0019]图1为基于随机森林的步态相位划分的人体参数提取示意图。
[0020]图2为实施例相机坐标系示意图。
具体实施方式
[0021]1)获取Kinect体感深度传感器提取的原始关节点位置序列数据；这里的关节具体包括：髋关节、膝关节、踝关节和足关节；原始关节点位置序列数据包括：髋关节、膝关节、踝关节和足关节的空间位置信息；
[0022]2)对原始关节点位置序列数据进行滤波处理并计算关节参数值，具体包括：膝关节角度、踝关节角度、足关节速度、踝关节角速度、膝关节角速度、髋关节角度；
[0023]实施例优选Savitzky Golay滤波算法对Kinect原始数据进行滤波处理。
[0024]由于Savitzky Golay滤波算法使用局部多项式的思路，通过移动窗口利用最小二乘法进行最佳拟合的方法，能保留观测值样本的极大值、极小值、宽度等分布特性，因此适合对Kinect原始数据进行处理，以消除一定的误差。本专利技术中，滑动窗口宽度数值设为17，对原始关节点位置序列数据进行滤波处理。
[0025]将膝关节、踝关节处视为刚体铰链模型。因此，可通过滤波后的髋关节、膝关节、踝关节空间位置信息计算膝关节角度θ
Knee
，这里使用到的髋关节、膝关节、踝关节空间位置信息为膝关节点到髋关节方向向量e1和膝关节点到踝关节方向向量e2；通过膝关节、踝关节、足关节信息计算踝关节角度θ
Ankle
，这里使用到的膝关节、踝关节、足关节为踝关节关节点到膝关节方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Kinect的人体步态参数提取方法，其特征在于，包括以下步骤：1)获取Kinect体感深度传感器提取的原始关节点位置序列数据，所述原始关节点位置序列数据包括髋关节、膝关节、踝关节和足关节的空间位置信息；2)对原始关节点位置序列数据进行滤波处理并计算原始步态参数值，所述原始步态参数值包括膝关节角度、踝关节角度、髋关节角度、足关节速度、踝关节角速度和膝关节角速度；3)根据原始步态参数值构造步态特征空间，步态特征空间包括静态姿势特征、连续运动变化特征和整体变化特征；静态姿势特征包括当前帧的足关节坐标、足关节速度、膝关节角度和膝关节角速度：连续运动变化特征包括当前帧与前一帧的足关节坐标、足关节速度、膝关节角度和膝关节角速度之间的差值；整体变化特征包括当前帧与第一帧的足关节坐标、足关节速度、膝关节角度和膝关节角速度之间的差值；4)利用步态特征空间采用基于随机森林模型的步态相位划分策略得到每帧单侧状态的初步判定结果，再对异常相位进行误判修正得到最终步态相位划分结果；对异常相位进行误判修的方法为：初步判定结果为摆动相时，进一步判断摆动阶段中足的行走距离是否大于等于半步长预设值，如是，该帧单侧状态的最终步态相位划分结果为摆动相，否则，修改该帧单侧状态的最终步态相位划分结果为支撑相；5)从最终步态相位划分结果确定摆动期的起点帧和终点帧，再根据起点帧和终点帧中关节点位置坐标得到摆动阶段的起点位置、终点位以及起点时刻和终点时刻从而计算得到步态时空参数。2.如权利要求1所述方法，其特征在于，对原始关节点位置序列数据进行滤波处理使用Savitzky Golay滤波。3.如权利要求2所述方法，其特征在于，Savitzky Golay滤波使用的滑动窗口宽度数值设为17。4.如权利要求1所述方法，其特征在于，髋关节、膝关节、踝关节和足关节的空间位置信息具体包括膝关节点到髋关节方向向量e1、膝关节点到踝关节方向向量e2、踝关节关节点到膝关节方向向量e3和踝关节点到足关节方向向量e4，以及髋关节与膝关节构成的向量对应的水平面的法向量l1、髋关节与膝关节构成的向量对应的矢状面的法向量l2、髋关节与膝关节构成的向量对应的冠状面的法向量为l3；膝关节角度θ
Knee
的计算方法为：踝关节角度θ
Ankle
的计算方法为：髋关节角度通过髋关节与膝关节构成的向量与水平面夹角θ
Hip...

【专利技术属性】
技术研发人员：汪玲，荀小飞，邱静，程洪，陈路锋，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：