[發(fā)明專利]基于人體關鍵點檢測算法的步態(tài)識別方法及步態(tài)評估系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201911149103.3
• 申請日: 2019-11-21
• 公開（公告）號: CN111027417B
• 公開（公告）日: 2023-09-01
• 發(fā)明（設計）人: 王艷紅;鄒喬莎;馮新宇;史傳進
• 申請（專利權）人: 復旦大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V40/10;G16H50/30
• 代理公司: 上海元好知識產(chǎn)權代理有限公司 31323
• 代理人: 賈慧琴;周乃鑫

本發(fā)明公開了一種基于人體關鍵點檢測算法的步態(tài)識別方法及步態(tài)評估系統(tǒng)，該方法包括以下步驟：步驟1，對單個攝像頭從人體側面拍攝獲得的3m起立行走實驗視頻中的每一幀進行關鍵點檢測，并提取關鍵點隨時間的位置變化信息，以獲得關鍵點序列；步驟2，根據(jù)關鍵點序列對所述視頻選取關鍵幀；所述關鍵幀作為視頻中不同種動作的分界點；步驟3，根據(jù)所述視頻中的關鍵點序列及選取得到的關鍵幀，進行步態(tài)參數(shù)的提取。本發(fā)明通過關鍵點檢測，獲得能夠作為視頻中不同種動作的分界點的關鍵幀，然后進行步態(tài)參數(shù)估計。本發(fā)明利用算法進行自動分析，保證了步態(tài)評估的一致性。

技術領域

本發(fā)明涉及步態(tài)識別技術領域，具體涉及一種基于人體關鍵點檢測算法的步態(tài)識別方法及系統(tǒng)。

背景技術

實驗研究證明，步態(tài)障礙的嚴重程度及其進展速度與死亡風險密切相關。隨著社會結構的老齡化，亟需重視這些老年性疾病的診治需求。步態(tài)障礙在老年人中是非常常見的，同時也是很多潛在的疾病的前期表現(xiàn)。

像慢走等步態(tài)障礙可作為許多潛在腦血管疾病的首要客觀臨床癥狀，然而，這些細微的信號很容易被忽視，尤其是一些老年人一直認為這是身體老化的自然表現(xiàn)。如果隱性疾病未被及時發(fā)現(xiàn)和治療，將會繼續(xù)發(fā)展惡化，導致患者可能會出現(xiàn)震顫、步態(tài)凍結等更嚴重的步態(tài)障礙，導致經(jīng)常性摔倒。及時發(fā)現(xiàn)這些疾病可以幫助醫(yī)護人員進行更有效的進行干預，在疾病的前期就進行有效控制。另外，患者在已經(jīng)有比較嚴重的步態(tài)障礙之后，要進行康復訓練。康復訓練的效果評估很重要，不僅可以對患者進行反饋，對康復訓練的方法做出評價，更能幫助醫(yī)生及時調(diào)整訓練方案。

目前臨床上對步態(tài)障礙的評估主要通過各種量表方法。最常用的篩查量表是威斯康星步態(tài)量表(WGS)。上述量表評估方法需要經(jīng)培訓的醫(yī)師或專業(yè)人員完成，耗時長，對醫(yī)療資源消耗極大。而且由于此類量表需要通過他人的問詢和觀察完成，不同人員的評估不盡相同，難以滿足評估一致性的要求。

為了降低醫(yī)療資源消耗和提高評估一致性，目前也有很多自動化監(jiān)測的方法。這些方法主要基于可穿戴設備如速度感應器，紅外傳感器等。這類方法由于使用可穿戴設備，在測試過程中對患者造成了很重的物理負擔，導致本來就行動不便的患者行走更加困難，由此獲得的步態(tài)結果也難以保證準確度。另外，此類設備操作比較繁瑣，需要醫(yī)師經(jīng)過專業(yè)培訓，需要患者高度配合，經(jīng)常要反復操作才能達到測試要求，對醫(yī)師和患者造成較大的時間和精力消耗。

發(fā)明內(nèi)容

本發(fā)明的目的是提出了基于人體關鍵點檢測算法的步態(tài)識別方法及步態(tài)評估系統(tǒng)，以降低醫(yī)療資源消耗和提高評估一致性。

為了達到上述目的，本發(fā)明提供了一種基于人體關鍵點檢測算法的步態(tài)識別方法，包括以下步驟：步驟1，對單個攝像頭從人體側面拍攝獲得的3m起立行走實驗視頻中的每一幀進行關鍵點檢測，并提取關鍵點隨時間的位置變化信息，以獲得關鍵點序列；步驟2，根據(jù)關鍵點序列對所述視頻選取關鍵幀；所述關鍵幀作為視頻中不同種動作的分界點；步驟3，根據(jù)所述視頻中的關鍵點序列及選取得到的關鍵幀，進行步態(tài)參數(shù)的提取。

較佳地，步驟1中，通過人體檢測網(wǎng)絡獲得所述的關鍵點序列。

較佳地，所述的關鍵點包含：人體的左肩膀、右肩膀、腳踝、髖、膝蓋。

較佳地，所述的關鍵幀為：起身完畢關鍵幀f₁，第一次轉身開始幀f₂，第一次轉身結束幀f₃，第二次轉身開始幀f₄，第二次轉身結束幀f₅，剛坐下關鍵幀f₆。

較佳地，所述的關鍵點序列包含：豎直序列和水平序列；所述的關鍵幀通過以下公式選取得到：

thre_up＝min(x)+λ_up*(max(x)-min(x))