基于步态特征的老年人衰弱等级分类方法技术

本发明专利技术公开了一种基于步态特征的老年人衰弱等级研究方法。包括以下步骤：首先，使用深度学习网络提取人体关键特征点，避免了传统方法特征点识别不准确等问题。其次，有效结合轮廓分割网络中的深层和浅层特征，以便于更精细的分割人体轮廓。在此基础上，将特征提取与注意力机制结合，突出有用信息提升识别率。本发明专利技术所提方法在将步态特征与老年人衰弱等级联系起来的同时改进了人体轮廓提取方法，并优化了特征提取模块，提取特征后进行分类实验，验证了步态特征和老年衰弱的关联性。实现了步态特征与老年人衰弱表现的有效结合，在扩大老年综合干预有效保障人群，提升医疗服务质量，医疗资源精准使用等方面有着广泛的应用前景。疗资源精准使用等方面有着广泛的应用前景。

【技术实现步骤摘要】
基于步态特征的老年人衰弱等级分类方法


[0001]本专利技术涉及一种基于步态特征的老年人衰弱等级研究方法，属于计算机视觉与图像信息分割分类及老年医学评估领域。

技术介绍

[0002]步态作为唯一可远程识别的生物认证技术，越来越受社会及科研机构的关注。在社会安全、身份认证、视频监测等方面有着广泛的应用前景。与其他生物特征认证技术不同，步态是人的外在的、动态的表现，且和时空密切联系。同时，与基于静态特征的其他生物认证技术相比,步态识别具有非接触性、非侵入性和难隐藏性等显著的优势。具体而言，步态可实现远程检测(>5m)，且能在低分辨率意义下进行监控，有较强的鲁棒性。其次，步态识别可在被观察者不发现的情况下进行，检测不需要被观察者的合作。第三，其他认证技术比如说人脸识别可以通过把脸遮住从而具有隐藏性，而步态是较难隐藏的。
[0003]目前在步态识别领域研究人员提出了大量的算法，主要可分为基于模型(mode1
‑
based)的方法和基于整体(appearance
‑
based)的方法两种类型。基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于步态特征的老年人衰弱等级分类方法，其特征在于包括以下步骤：(1)自建步态数据集SCU
‑
Gait；(2)使用AlphaPose网络提取人体的关键特征点,以此计算姿态特征，并通过SVM和MLP两种模型验证姿态特征与衰弱等级的关联性；(3)在基础网络Pose2Seg的基础上，改进分割模块，引入密集连接模块进行替换，优化分割网络；(4)改进特征提取网络，引入注意力模块优化全局特征。2.根据权利要求书1所述的方法，其特征(1)中自建数据集，构建方法如下：我方设计了一个纯色的背景，主要目的在于，希望拍摄到的步态视频可以尽量不受外界杂乱背景的影响，最理想的情况是使用纯色背景板遮挡真实背景，但在实际拍摄过程中，由于某些客观条件的限制，在有些场景中并未利用该方法减少杂乱背景带来的影响；使用5台摄像机拍摄步态视频，且两相邻的摄像机角度相差45
°
，为了保证所拍摄的步态视频的稳定性，使用三角架稳定摄像机辅助拍摄，此外拍摄时对固定摄像机的位置也有一定的要求，应该保证拍摄的步态视频里包含受试者完整的身体部位，并且需要保证摄像机与受试者的距离不能过远或过近；对拍摄对象的年龄有一定要求，因为老年人衰弱等级研究主要是针对65岁以上的老年人，所以该数据集中受试者的年龄不能低于65岁，其次受试者应该有独立行走、自主运动的能力，保证自己可独立完成步态视频的拍摄；接着为了保证受试者可以完成Fried表型标准的评估，需要受试者的听力和视力均正常，且没有诸如帕金森、重症肌无力等神经肌肉的病变；最后还需要确保受试者对本研究知情，并且是自愿参与本研究；经过多批次的数据采集后，目前已经处理的老年人样本共有144例。3.根据权利要求1所述的方法，其特征在于(2)中提取人体关键点并计算姿态后验证姿态与衰弱的关联性，构建方法如下：使用AlphaPose网络提取到人体的关键特征点后，将每一个人体实例的关键特征点坐标保存在对应的json文件中，通过提取到的坐标计算人体实例每一帧步态图像对应的大腿角度值，随后计算每个样本的一个步态序列中左右大腿角度最大值与...

【专利技术属性】
技术研发人员：何小海，滕奇志，胡睿，刘怡欣，贺璇，印彪，卿粼波，
申请(专利权)人：四川大学，
类型：发明
国别省市：