[發明專利]一種基于確定學習理論的異常步態檢測方法

有效

• 申請號: 201410306595.3
• 申請日: 2014-06-30
• 公開（公告）號: CN104091177B
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 曾瑋;胡俊敏;王聰
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/46
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 蔡茂略

1.一種基于確定學習理論的異常步態檢測方法，其特征在于，包含如下步驟：

步驟一、特征提取：

提取四個不同的步態時間參數特征，構成一組步態特征變量；

步態時間參數特征是利用放置在試驗者鞋底的力敏薄膜開關來獲取的，包括單步內左腳在空中擺動的時長L_swing、單步內右腳在空中擺動的時長R_swing、單步內觸地的時間長度左腳站立時長L_stance和單步內觸地的時間長度右腳站立時長R_stance，構成一組特征變量x＝[L_swing,R_swing,L_stance,R_stance]^T，單個步態周期等于單腳擺動時長和單腳站立時長之和；

步驟二、非線性步態系統動態的建模和神經網絡辨識：

根據步驟一提取出來的步態時間參數特征，對訓練集里健康正常人和運動神經退行性疾病患者的未知非線性步態系統動態進行建模，設計RBF神經網絡辨識器，以對步態系統未知動態的局部進行逼近；

未知非線性步態系統的動態建模如下：

x·=F(x;p)+v(x;p),]]>

其中，x＝[x₁,…,x_n]^T∈Rⁿ是獲取到的步態時間參數特征，p是系統常參數值，F(x；p)＝[f₁(x；p),…,f_n(x；p)]^T是光滑且未知的非線性動態變量，代表了健康正常人和運動神經退行性疾病患者的步態系統動態，

v(x；p)＝[v₁(x；p),…,v_n(x；p)]^T是建模不確定項；將建模不確定項v(x；p)和步態系統動態F(x；p)合并為一項：并定義為一般非線性步態系統動態；所述神經網絡辨識器用于辨識

所述神經網絡辨識器的形式如下：

x^·=-A(x^-x)+W^TS(x),]]>

其中，是神經網絡辨識器的狀態；A＝diag[a₁,…,a_n]是對角矩陣，a_i是設計的常數，滿足0＜|a_i|＜1；是動態RBF神經網絡，用于逼近未知的一般非線性步態系統動態

S(x)＝[S₁(||X-ξ₁||),…,S_N(||X-ξ_n||)]^T是高斯型徑向基函數；N＞1是神經網絡結點數目；ξ_i是神經元中心點；RBF神經網絡權值的調節律如下：

W^·=-ΓiS(x)x~i-σiΓiW^i,i=1,...,n,]]>

其中，是狀態誤差，Γ_i＝Γ_i^T＞0,σ_i＞0，Γ_i是調節律的調節參數，動態RBF神經網絡的權值的初始值

步驟三、常值神經網絡的建立：

根據確定學習理論，沿步態系統特征軌跡的RBF神經網絡的神經元滿足持續激勵條件，其權值收斂到最優值，取權值收斂后一段時間內權值的均值作為學習訓練結果，并利用這些結果建立常值神經網絡，所學到的步態系統動力學知識以常值神經網絡權值的形式存儲；

步驟四、分類檢測：

利用常值神經網絡構建一組動態估計器，把步驟二和步驟三學習到的訓練集里健康正常人和不同類型運動神經退行性疾病患者所對應的非線性步態系統動力學知識嵌入到估計器中，把待檢測運動神經退行性疾病患者的異常步態特征數據與這組動態估計器做差，形成一組分類誤差，根據最小誤差原則將待檢測運動神經退行性疾病患者的異常步態準確檢測出來；

(1)步驟三所獲取的統一的訓練模式庫中健康正常人和不同類型運動神經退行性疾病患者的一般非線性步態系統動態的RBF神經網絡辨識結果，即常值神經網絡權值構造一組動態估計器，所述動態估計器的表達式如下：

χ‾·ik=-bi(χ‾ik-xti)+W‾ikS(xti),i=1,...,n,k=1,...,M,]]>

其中，為動態估計器的狀態，b_i為動態估計器參數，x_ti為測試集中待檢測運動神經退行性疾病患者的異常步態的特征數據，M為統一訓練模式庫中模式的數量；

(2)將測試集中待檢測運動神經退行性疾病患者的異常步態的特征數據x_ti與這組估計器做差，得到如下的分類檢測誤差系統：

其中，是狀態估計誤差，計算的平均L₁范數如下：

||χ~ik(t)||1=1Tc∫t-Tct|χ~ik(τ)|dτ,t≥Tc,]]>

其中，T_c表示步態周期；

(3)如果測試集中待檢測運動神經退行性疾病患者的異常步態模式相似于訓練步態模式s(s∈{1,…,k})，則嵌入動態估計器s中的常值RBF神經網絡快速回憶起學過的知識并提供對步態系統動力學的準確逼近，因此，相對應的誤差在所有誤差中變得最小，基于最小誤差原則，這一待檢測運動神經退行性疾病患者的異常步態能被快速檢測出來，分類檢測策略如下：如果存在一個有限時間t^s，s∈{1,…,k}和某一i∈{1,…,n}，使得對所有t＞t^s成立，則出現的待檢測運動神經退行性疾病患者的異常步態被分類檢測出來。