[發明專利]一種基于直接特征提取的多通道時序步態分析算法

在審

• 申請號: 202011083624.6
• 申請日: 2020-10-12
• 公開（公告）號: CN112115923A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 李娟;占永剛;曹宇;李軍;熊竹青;劉建曉
• 申請（專利權）人: 武漢艾格美康復器材有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N20/20
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 楊文錄

1.一種基于直接特征提取的多通道時序步態分析算法，其特征在于，包括以下步驟：

S1、拍攝若干受試者的步態視頻信息，將所有視頻信息分割成單個分離的步態周期，對分割后的每個步態周期進行插值和重新采樣，將不同運動速度/采集幀率的步態周期調整為同一長度；

S2、定義標準化后的步態參數為S^z，S^z的距離方程為：

所述公式1中，P_i，x，P_i，y均為1到K的整數，K取1到9中的整數，P_i，x，P_i，y為相對應的步態相位，為在第i個周期內第x幀對應的標準步態參數S^z值，為在第j個周期內第y幀對應的標準步態參數S^z值，φ為標簽距離；

標簽距離φ(a，b)定義為：

其中，bool(x)為二值函數，如果x為非0則其輸出為1；

S3、使用k-nn(k最近鄰)的算法和參數距離方程對已經標記好的訓練數據做聚類，對任意一個聚類的距離方程為：

其中，M為聚類的大小；

將聚類進行平均，由此可以得到聚類平均值其對應的輸出的標簽為P_x；

S4、在x幀周圍選取任意一個小窗(u，v)的時間序列，其中u，v均∈[-0.5，0.5)，根據公式4計算該時間序列的特征值：

其中，L為標準化后的步態周期長度，u，v均為{-0.5，-0.49，-0.48，……，0.49}中的值；

為避免分類器過擬合訓練數據，通過基尼雜質Q(C_n)來度量本實施例中時間序列的質量，

其中，C_n＝{P_{u，v}|u，v∈{-0.5，-.049，…，0.49}}，

u，v均為{-0.5，-0.49，-0.48，……，0.49}中的值，選取C_n值最高的B個(u，v)時間序列作為訓練數據；

采用增強隨機森林作為訓練的模型，在訓練過程中我們將目標幀x的標簽與這些時間序列映射起來，C_n值最高的B個(u，v)時間序列作為隨機森林訓練的輸入，而(u，v)所在幀x的步態分類標簽作為訓練的期待輸出；

S5、步態相位重建

增強隨機森林的輸出為當前幀x分類的概率向量ρ＝{ρ¹，……，ρ⁹}，其中每一個概率向量的值表示對應的步態相位的概率，為了對任一時間片段的特征值f_s，……，f_e進行步態輸出，通過公式6來檢測當前時間序列中的步態相位：

公式6中，a、b為兩個相鄰步態相位，η_f(a、b)為當前時間片段在相鄰步態相位a、b之間的相關系數；

選擇當前時間序列中相關系數最大的點作為步態事件，并以此重新分割步態，再次迭代上面的操作：以上一次迭代計算得到的步態事件分割而成的步態分類，計算相鄰步態間相關系數，找出全局最大相關系數的點作為步態事件優化上一次迭代的步態分類，直到分類收斂。

2.如權利要求1所述的一種基于直接特征提取的多通道時序步態分析算法，其特征在于：步驟S1中所述將不同運動速度/采集幀率的步態周期調整為同一長度具體包括以下步驟：使用2階貝塞爾曲線回歸出連續的運動曲線，并均勻地在每個步態周期樣本中采樣N個采樣點。

3.如權利要求1所述的一種基于直接特征提取的多通道時序步態分析算法，其特征在于：步驟S4和S5之間還包括以下步驟：對輸入序列進行嵌入編碼，將訓練數據編碼后在輸入到隨機森林，編碼方式按公式5進行計算：

γ(f)＝(sin(2⁰πf)，cos(2⁰πf)，...，sin(2^L-1πf)，cos(2^L-1πf)) 公式5

其中，f＝f_x(u，v)，L為4。