一种三维步态特征提取及异常步态评估的实现方法技术

一种三维步态特征提取及异常步态评估的实现方法，步骤

【技术实现步骤摘要】
一种三维步态特征提取及异常步态评估的实现方法


[0001]本专利技术涉及步态特征提取及异常步态评估方法领域，涉及一种三维步态特征提取及异常步态评估的实现方法
。

技术介绍

[0002]在步态特征提取及异常步态评估任务中，步态障碍在老年人
、
手术后患者或运动损伤患者中较为常见，十分影响生活质量
。
近几年研究学者利用视觉传感器或可穿戴传感器进行步态特征提取，然而，步态特征提取及异常步态评估的研究依然存在一定的困难
。
利用可穿戴传感器来获取人体的步态参数，可以获得较为精确的步态特征并对步态做出准确的识别和分析，但是由于可穿戴传感器价格较视觉传感器来说比较昂贵，其穿戴以及校准都需要专业人员进行指导
。
使用视觉传感器进行步态特征提取与分析虽然能较好的解决上述问题，但仍存在步态识别精度低，人体关节有遮挡等问题
。
同时，由神经系统或肌肉骨骼系统的疾病导致的步态异常康复评估通常依赖医师利用步态量表进行主观判断，如
Tinetti
量表和
Holden
功能性步态量表等
。
这种方法具有较高的主观性，医师人工诊断也无法提供详细的步长
、
步宽和关节角等步态参数，不利于医师快速
、
准确地评估老年人和步态障碍患者的运动功能，并为其提供合适的康复训练计划
。

技术实现思路

[0003]针对现有步态特征提取及异常步态评估技术的不足，本专利技术提供一种三维步态特征提取及异常步态评估的实现方法
。
旨在使用低成本的
Kinect
相机结合
OpenPose
获得自然行走时下肢各关节角，根据行走序列轨迹的拟合来提取三维步态特征，并利用采集到的关节角和步态特征数据送入分类器中进行异常步态种类的识别与分类，再根据传统的
Tinetti
步态分析量表选用适合的三维步态特征设计相应的算法实现对步态和行走能力的评估，为医生的临床分析提供指导
。
[0004]为实现上述技术问题，一种三维步态特征提取及异常步态评估的实现方法包括如下步骤：
[0005]步骤
1)
结合
OpenPose
和
Kinect
相机实现对三维人体骨骼关键点的检测
。
利用助行机器人在侧面跟随受试者并使用
Kinect
相机采集受试者的彩色图像和深度图像，将采集到的彩色图像输入到
OpenPose
网络中获取人体二维骨骼关键点
。
得到二维关键点后与彩色图像和深度图像结合生成的三维点云相对应以获取包括左髋关节
、
右髋关节
、
左膝关节
、
右膝关节
、
左脚踝
、
右脚踝
、
左脚尖
、
右脚尖在内的人体关键点的三维坐标
。
[0006]步骤
2)
提取人体下肢关节角，包括左膝关节角
、
右膝关节角
、
左踝关节角
、
右踝关节角，左前进角和右前进角在内的三维下肢关节角度
。
其中前进角表示为人体前进方向与脚尖方向的夹角，这里的人体前进方向定义为人体矢状轴的方向
。
[0007]步骤
3)
获取人体下肢步态时空参数，包括左腿跨步长
、
右腿跨步长
、
步宽
、
步态周期以及左右腿对称参数
。
其中跨步长为一足的足跟着地点到同一足下次的足跟着地点之间
的距离，步宽为行走时一侧足跟中点与另一侧足跟中点之间的横向距离，一个步态周期为从一足的足跟着地开始到同一足的下一次足跟着地为止所经历的时间序列
。
在本专利技术中提出的左右腿对称参数是利用左右腿膝关节角
、
踝关节角以及前进角按照一定的计算方式来评估左右腿在行走过程中的对称性
。
[0008]步骤
4)
由于三维步态特征被表示为不同长度的时间序列，因此使用最值归一化将序列映射到0‑1之间
。
[0009][0010]其中，
x
为原始数据，
x
min
为数据的最小值，
x
max
为数据的最大值，
x
scale
为归一化后的数据
。
[0011]得到归一化后的步态特征：
[0012]u
＝
{K
L
,A
L
,S
L
,K
R
,A
R
,S
R
,Step_l,Step_r,Step_w,G
s
,S}
[0013]其中
K
L
表示左膝关节角，
A
L
表示左踝关节角，
S
L
表示左足尖前进角，
K
R
表示右膝关节角，
A
R
表示右踝关节角，
S
R
表示右足尖前进角，
Step_l
表示左跨步长，
Step_r
表示右跨步长，
Step_w
表示步宽，
G
s
表示步长周期，
S
表示左右腿对称参数
。
[0014]将得到的步态特征送入分类器中进行训练，并得出分类结果实现对不同步态的识别与分类
。
[0015]步骤
5)
对异常步态的评估在本专利技术中利用合适的步态数据变量和步态参数按照
12
点匹配的
Tinetti
步态分析量表设计相应的算法
。
根据
Tinetti
步态分析量表中的规则设计相应的评价指标，利用左右腿摆动表现
、
步长是否相等
、
行走连续性，步态对称性等方面对行走能力进行有效的评价和参考
。
[0016]进一步的，所述步骤
2)
具体过程如下：
[0017]获取较为准确的三维人体骨骼关键点坐标之后，提取出左右膝关节
、
踝关节
、
足尖六个骨骼关键点的坐标及其对应的关节角角度；
[0018]在第
i
帧中，左髋
、
左膝
、
左脚踝
、
右脚踝和左脚趾关键点坐标表示为：
[0019][0020][0021][0022][0023][0024]由此左大腿，小腿和脚表示为：
[0025][0026][本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种三维步态特征提取及异常步态评估的实现方法，其特征在于，包括如下步骤：步骤
1)
结合
OpenPose
和
Kinect
相机实现对三维人体骨骼关键点的检测；利用助行机器人在侧面跟随受试者并使用
Kinect
相机采集受试者的彩色图像和深度图像结合生成三维点云；将采集到的彩色图像输入到
OpenPose
网络中获取人体二维骨骼关键点，二维关键点后与彩色图像和深度图像结合生成的三维点云相对应，以获取包括左髋关节
、
右髋关节
、
左膝关节
、
右膝关节
、
左脚踝
、
右脚踝
、
左脚尖
、
右脚尖在内的人体关键点的三维坐标；步骤
2)
提取人体下肢关节角，包括左膝关节角
、
右膝关节角
、
左踝关节角
、
右踝关节角，左前进角和右前进角在内的三维下肢关节角度；其中前进角表示为人体前进方向与脚尖方向的夹角，人体前进方向定义为人体矢状轴的方向；步骤
3)
获取人体下肢步态时空参数，包括左腿跨步长
、
右腿跨步长
、
步宽
、
步态周期以及左右腿对称参数；其中跨步长为一足的足跟着地点到同一足下次的足跟着地点之间的距离，步宽为行走时一侧足跟中点与另一侧足跟中点之间的横向距离，一个步态周期为从一足的足跟着地开始到同一足的下一次足跟着地为止所经历的时间序列；左右腿对称参数是利用左右腿膝关节角
、
踝关节角以及前进角来评估左右腿在行走过程中的对称性；步骤
4)
由于三维步态特征被表示为不同长度的时间序列，因此使用最值归一化将序列映射到0‑1之间；其中，
x
为原始数据，
x
min
为数据的最小值，
x
max
为数据的最大值，
x
scale
为归一化后的数据
。
得到归一化后的步态特征：
u
＝
{K
L
,A
L
,S
L
,K
R
,A
R
,S
R
,Step_l,Step_r,Step_w,G
s
,S}
其中
K
L
表示左膝关节角，
A
L
表示左踝关节角，
S
L
表示左足尖前进角，
K
R
表示右膝关节角，
A
R
表示右踝关节角，
S
R
表示右足尖前进角，
Step_l
表示左跨步长，
Step_r
表示右跨步长，
Step_w
表示步宽，
G
s
表示步长周期，
S
表示左右腿对称参数
。
将得到的步态特征送入分类器中进行训练，并得出分类结果实现对不同步态的识别与分类；步骤
5)
对异常步态的评估，利用步态数据变量和步态参数按照
12
点匹配的
Tinetti
步态分析量表设计相应的算法；根据
Tinetti
步态分析量表中的规则设计相应的评价指标，利用左右腿摆动表现
、
步长是否相等
、
行走连续性，步态对称性方面对行走能力进行有效的评价和参考
。2.
根据权利要求1所述的一种三维步态特征提取及异常步态评估的实现方法，其特征在于，所述步骤
2)
具体过程如下：获取较为准确的三维人体骨骼关键点坐标之后，提取出左右膝关节
、
踝关节
、
足尖六个骨骼关键点的坐标及其对应的关节角角度；在第
i
帧中，左髋
、
左膝
、
左脚踝
、
右脚踝和左脚趾关键点坐标表示为：
由此左大腿，小腿和脚表示为：由此左大腿，小腿和脚表示为：由此左大腿，小腿和脚表示为：膝关节角，踝关节角和足尖前进角由式
(15)
‑
(18)
求得，以左侧关节角为例，左膝关节角由式
(15)
求得，左踝关节角由式
(16)
求得，左足尖前进角由式
(17)
‑
(18)
求得，右膝关节，右踝关节和右足尖前进角同理；右踝关节和右足尖前进角同理；其中，将左右髋关节与身体直立方向所在平面的法向量作为矢面轴以矢面轴作为人体前进的方向，矢面轴的计算由式
(17)
得出：得出矢面轴后求出其与脚之间的夹角即可得出人体左足尖前进角
。3.
根据权利要求1所述的一种三维步态特征提取及异常步态评估的实现方法，其特征在于，所述步骤
3)
具体步骤如下：为获取跨步长，首先计算两个脚踝之间的距离
d(i)
并使用移动平均滤波对两个脚踝之间的距离曲线进行平滑，距离曲线
d(i)
表示为式
(19):
取距离曲线
d(i)
两个相邻局部极大值和极小值之间的差值作为跨步长；取距离曲线
d(i)
一个局部极小值和两个相邻的局部极大值组成的时间序列作为步态周期；在获取局部极大值
d
max(i)
和极小值
d
min(i)
的过程中需要对异常点进行过滤，首先去除低于阈值
T
...

【专利技术属性】
技术研发人员：邢科新，蒲茜，慈雯祺，李伟腾，华奇轩，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：