一种基于人体步态特征识别的远程医疗监护方法及系统技术方案

本发明专利技术提供一种基于人体步态特征识别的远程医疗监护方法及系统，所述方法包括以下步骤：构建运动模型，选取特征关节角作为特征参数，抽取运动信息中的步态特征信息；获取运动外轮廓图像每一帧图像的关节点四元数并生成特征点参数化时间序列；提取相邻两帧图像膝关节角度差的绝对值计算时间距离，提取相邻两帧骨架图像脊柱中点三维坐标Z轴坐标值之差的绝对值计算空间距离；归一化处理取值范围不同的时间距离和空间距离，计算关键步态特征信息的图像帧之间距离的极值，识别步态特征行为。本发明专利技术基于四元数数据结合时间距离空间距离计算判断识别步态特征，实现了少特征、高准确度，及早预防和干预异常健康状况，有效提高远程医疗服务水平和质量。疗服务水平和质量。疗服务水平和质量。

A telemedicine monitoring method and system based on human gait feature recognition

【技术实现步骤摘要】
一种基于人体步态特征识别的远程医疗监护方法及系统


[0001]本专利技术涉及远程医疗监护
，具体而言，涉及一种基于人体步态特征识别的远程医疗监护方法及系统。

技术介绍

[0002]在现有的医疗体系中，一般只有当患者身体出现严重不适才去就医，如出现站立不稳、走路趔趄等疾病的早期症状时容易延误病情。
[0003]此外，老年人由于肢体运动功能的减退，容易出现跌倒等病状，由于患者无法自我呼叫医疗救助时，而医院也无法立即获知病人信息，往往错失宝贵的救援时间，延误病情救治，给患者或患者家庭带来无可挽回的重大损失。根据世界卫生组织统计，每年约有35％的65岁及以上老人发生过跌倒，跌倒不但会造成骨折致残等严重的生理伤害，而且对老年人产生较大的心理影响。
[0004]当前，步态识别技术是一种新兴的生物特征测量技术，是通过提取人体运动特征，利用合适的算法分析和识别人的动作行为方式，并采用自然语言等方法对其进行描述的过程。但是，现有的运动步态识别方法需要提取众多的、多达数十个的关节点信息，庞杂的特征提取量和计算量，使得识别处理的效率很低。

技术实现思路

[0005]鉴于此，本专利技术的目的在于针对现有技术的上述问题，通过设计精简、快速的步态特征识别算法，对病人进行远程医疗监护，系统性作出相应的判断和指导，提升医疗服务效率。
[0006]本专利技术提供一种基于人体步态特征识别的远程医疗监护方法，包括以下步骤：
[0007]S1、基于人体的拓扑分析将人体的运动外轮廓图像构建为运动模型，选取所述运动模型的特征关节角作为特征参数，得到单个运动人体多个关节点的运动信息，抽取所述运动信息中的步态特征信息；
[0008]S2、获取所述运动外轮廓图像每一帧图像中的关节点四元数，并生成特征点参数化时间序列；
[0009]令大腿顶端关节点坐标为(x
hip
，y
hip
，z
hip
)，膝关节坐标为(x
knee
，y
knee
，z
knee
)，脚踝关节坐标为(x
ankle
，y
ankle
，z
ankle
)，得到向量V1＝[x
knee
‑
x
hip
，y
knee
‑
y
hip
，z
knee
‑
z
hip
]，V2＝[x
ankle
‑
x
knee
，y
ankle
‑
y
knee
，z
ankle
‑
z
knee
]，向量V2绕向量V1的选择信息用四元数表述；
[0010]将向量V2和向量V1归一化：
[0011][0012][0013][0014]将公式(2)得到的两个向量做叉积，得到新的向量axis[axis(1)，axis(2)，axis(3)][0015]其中：
[0016]axis(1)＝(y
knee
‑
y
hip
)(z
ankle
‑
z
knee
)
‑
(y
ankle
‑
y
knee
)(z
knee
‑
z
hip
)
[0017]axis(2)＝(z
knee
‑
z
hip
)(x
ankle
‑
x
knee
)
‑
(z
ankle
‑
z
knee
)(x
knee
‑
x
hip
)
[0018]axis(3)＝(x
knee
‑
x
hip
)(y
ankle
‑
y
knee
)
‑
(y
knee
‑
y
hip
)(x
ankle
‑
x
knee
)
ꢀꢀ
(3)
[0019]对旋转轴向量axis进行归一化计算，得到新的归一化向量axis
NEW
，则旋转四元数Q＝(W+Xi+Yj+Zk)为：
[0020][0021]其中W表述物体坐标系下的旋转角度信息，通过反余弦变换得到旋转弧度，分别表示在X
‑
Y平面，Y
‑
Z平面Z
‑
X平面上膝关节点的旋转；
[0022]将所述获取的关节四元数旋转数据生成参数化的时间序列；
[0023]S3、从所述参数化的时间序列提取运动外轮廓图像中相邻两帧图像的膝关节角度差的绝对值计算时间距离：
[0024]DIFFKneeAngle(i)＝|KneeAngle(i+1)
‑
KneeAngle(i)|
ꢀꢀꢀ
(5)；
[0025]提取所述运动外轮廓图像中相邻两帧骨架图像的脊柱中点的三维坐标Z轴坐标值之差的绝对值计算空间距离：
[0026]DIFFSpinZ(i)＝|SpinZ(i+1)
‑
SpinZ(i)|
ꢀꢀꢀ
(6)；
[0027]S4、将取值范围不同的所述时间距离和所述空间距离均归一化处理转换到(0，1)之间，对不同取值范围的片段的特征进行融合，表达式为：
[0028][0029]式(7)归一化处理，得到：diffKnee Angle(i)以及diffSpinZ(i)；
[0030]S5、将具有关键步态特征信息的图像帧之间的距离定义为：
[0031]diffKneeAngle(i)+diffSpinZ(i)
ꢀꢀꢀ
(8)；
[0032]通过计算所述具有关键步态特征信息的图像帧之间的距离的极值，判断识别人体步态特征的行为。
[0033]进一步地，所述S5步骤之后还包括：如人体步态特征判断识别为异常步态特征，则将判断识别出的所述异常步态特征的信号上传至远程服务器，提取数据库中的数据做比较，作出是否接医的判断和/或医疗指导。
[0034]进一步地，所述S1步骤的所述进行步态特征信息抽取的方法为使用人体的关键关节点的信息，包括：左腿膝关节、右腿膝关节、、脊柱中点、单一肘关节中的一种或多种的组合。
[0035]进一步地，所述S1步骤的所述步态特征信息包括：跑步步态、走路步态、静止步态，所述跑步步态、走路步态、静止步态的区别方法是通过膝关节的特征点的时间距离来区分这三个运动姿势。
[0036]进一步地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人体步态特征识别的远程医疗监护方法，其特征在于，包括以下步骤：S1、基于人体的拓扑分析将人体的运动外轮廓图像构建为运动模型，选取所述运动模型的特征关节角作为特征参数，得到单个运动人体多个关节点的运动信息，抽取所述运动信息中的步态特征信息；S2、获取所述运动外轮廓图像每一帧图像中的关节点四元数，并生成特征点参数化时间序列；令大腿顶端关节点坐标为(x
hip
，y
hip
，z
hip
)，膝关节坐标为(x
knee
，y
knee
，z
knee
)，脚踝关节坐标为(x
ankle
，y
ankle
，z
ankle
)，得到向量V1＝[x
knee
‑
x
hip
，y
knee
‑
y
hip
，z
knee
‑
z
hip
]，V2＝[x
ankle
‑
x
knee
，y
ankle
‑
y
knee
，z
ankle
‑
z
knee
]，向量V2绕向量V1的选择信息用四元数表述；将向量V2和向量V1归一化：将向量V2和向量V1归一化：将向量V2和向量V1归一化：将公式(2)得到的两个向量做叉积，得到新的向量axis[axis(1)，axis(2)，axis(3)]其中：axis(1)＝(y
knee
‑
y
hip
)(z
ankle
‑
z
knee
)
‑
(y
ankle
‑
y
knee
)(z
knee
‑
z
hip
)axis(2)＝(z
knee
‑
z
hip
)(x
ankle
‑
x
knee
)
‑
(z
ankle
‑
z
knee
)(x
knee
‑
x
hip
)axis(3)＝(x
knee
‑
x
hip
)(y
ankle
‑
y
knee
)
‑
y
knee
‑
y
hip
)(x
ankle
‑
x
knee
) (3)对旋转轴向量axis进行归一化计算，得到新的归一化向量axis
new
，则旋转四元数Q＝(W+Xi+Yj+Zk)为：其中W表述物体坐标系下的旋转角度信息，通过反余弦变换得到旋转弧度，分别表示在X
‑
Y平面，Y
‑
Z平面Z
‑
X平面上膝关节点的旋转；将所述获取的关节四元数旋转数据生成参数化的时间序列；S3、从所述参数化的时间序列提取运动外轮廓图像中相邻两帧图像的膝关节角度差的
绝对值计算时间距离：DIFFKneeAngle(i)＝|KneeAngle(i+1)
‑
KneeAngl(i)|
ꢀꢀ
(5)；提取所述运动外轮廓图像中相邻两帧骨架图像的脊柱中点的三维坐标Z轴坐标值之差的绝对值计算空间距离：DIFFSpinZ(i)＝|SpinZ(i+1)
‑
SpinZ(i)|
ꢀꢀꢀꢀ
(6)；S4、将取值范围不同的所述时间距离和所述空间距离均归一化处理转换到(0，1)之间，对不同取值范围的片段的特征进行融合，表达式为：式(7)归一化处理，得到：diffKnee Angle(i)以及diffSpinZ(i)；S5、将具有关键步态特征信息的图像帧之间的距离定义为：diffKneeAngle(i)+diffSpinZ(i)
ꢀꢀꢀ
(8)；通过计算所述具有关键步态特征信息的图像帧之间的距离的极值，判断识别人体步态特征的行为。2.根据权利要求1所述的远程医疗监护方法，其特征在于，所述S5步骤之后还包括：如人体步态特征判断识别为异常步态特征，则将判断识别出的所述异常步态特征的信号上传至远程服务器，提取数据库中的数据做比较，作出是否接医的判断和/或医疗指导。3.根据权利要求1所述的远程医疗监护方法，其特征在于，所述S1步骤的所述进行步态特征信息抽取的方法为使用人体的关键关节点的信息，包括：左腿膝关节、右腿膝关节、、脊柱中点、单一肘关节中的一种或多种的组合。4.根据权利要求1所述的远程医疗监护方法，其特征在于，所述S1步骤的所述步态特征信息包括：跑步步态、走路步态、静止步态，所述跑步步态、走路步态、静止步态的区别方法是通过膝关节的特征点的时间距离来区分这三个运动姿势。5.根据权利要求1所述的远程医疗监护方法，其特征在于，所述S3步骤的所述三维坐标Z轴坐标值的确立方法是基于穿戴于人体的传感器的绝对高度。6.根据权利要求1所述的远程医疗监护方法，其特征在于，所述S1步骤的所述，选取靠近所述传感器的肘关节的特征点的位置，通过肘关节的特征点与所述传感器的相对位置判断人体运动方向。7....

【专利技术属性】
技术研发人员：刘向军，
申请(专利权)人：中科微影浙江医疗科技有限公司，
类型：发明
国别省市：