[发明专利]一种基于双目视觉测量的步态数据处理方法

权利要求书

1.一种基于双目视觉测量的步态数据处理方法，其特征在于，包括以下步骤：

步骤S1：测试者下肢两个外侧面对称设置标志点，标志点个数为3个以上；

步骤S2：利用两路摄像机分别采集测试者下肢两个外侧面的步态图像，通过图像读取装置从两路摄像机采集的图像中同步获取同一时刻采集到的两幅步态图像；

步骤S3：对两幅步态图像进行二值化处理，得到相应的二值图像；

步骤S4：对得到的二值图像进行数学形态学的开运算，去除噪声点；

步骤S5：对去除噪声点后的二值图像进行连通域分析，消除非标志点的前景目标，得到前景仅包含标志点的二值图像；

步骤S6：对两幅仅包含标志点的二值图像中的标志点进行识别和匹配，通过双目立体视觉原理计算出每个标志点的三维坐标；

步骤S7：重复步骤S2到步骤S7获得多个时刻的标志点三维坐标数据，构建位置轨迹曲线、角度曲线；依据步态周期对轨迹曲线进行分割，计算得到单步态周期的步态参数。

2.如权利要求1所述的方法，其特征在于，包括步态参数曲线在线生成的步骤：

步骤S71：选取一组用于构建步态参数曲线的步态周期，对所选取的每一个步态周期中的步态参数进行函数拟合，获得相应的单步态周期步态曲线；

步骤S72：采用统计方法挑选单步态周期步态函数拟合曲线组成步态曲线库；

步骤S73：在步态曲线库中挑选相似性较高的步态曲线进行曲线平均，形成基准步态曲线；

步骤S74：对新的步态周期中的步态参数进行函数拟合，获得相应的单步态周期步态曲线，并利用该曲线对基准步态曲线在线调整，以获得最优步态曲线。

3.如权利要求2所述的方法，其特征在于，步骤S72中的挑选方法为计算所有曲线的互相关系数，并设定阈值A，选取互相关系数大于阈值A的曲线；再对选取的曲线计算拟合方差，并设定阈值B，选取拟合方差小于阈值B的曲线构成步态曲线库。

4.如权利要求3所述的方法，其特征在于，步态曲线库中的曲线采用高斯加权方法进行平均处理。

5.如权利要求4所述的方法，其特征在于，步骤S74对于新的步态曲线，通过计算得到的曲线互相关系数和拟合方差判断曲线是否能加入步态曲线库，对可加入步态曲线库的曲线采用高斯加权方法对基准曲线进行调整。

6.如权利要求1-5中任一项所述的方法，其特征在于，步骤S3还包括二值图像的滤波处理。

7.如权利要求6所述的方法，其特征在于，步骤S6中标志点识别和匹配包括以下步骤：

步骤S31：获取标志点在测试者下肢的区域中心作为标志点在图像坐标系中的原始坐标，对原始坐标进行聚类，并依据标志点在测试者下肢的几何约束关系对聚类结果进行约束，将分为同一类的原始坐标进行平均作为该标志点在图像坐标系中的坐标；

步骤S32：依据标志点在图像坐标系中的坐标及标志点的几何约束关系，对两幅二值图像中的标志点进行识别，并对两幅二值图像中相同位置的标志点进行匹配。

8.如权利要求7所述的方法，其特征在于，步骤S7在计算步态参数前，根据标志点的几何约束关系对数据的有效性进行判断，如步骤S5中得到的有效连通区域个数小于标志点的个数或不符合标志点的几何约束关系，则判断该次数据无效，用相邻帧采集数据的插值的结果代替无效的三维点坐标；对无效的数据用相邻帧采集数据的插值结果代替。

9.如权利要求8所述的方法，其特征在于，步骤S7中步态参数的计算方法为：进行分割的方法为：根据标志点的运动轨迹分割出步态周期；使用梯度下降法对得到多时刻标志点三维坐标数据按照态周期进行实时分割，并将分割出的所有周期归一化到同一个尺度上对标志点三维坐标数据进行平均，得到单步态周期的步态参数。

10.如权利要求9所述的方法，其特征在于，测试者下肢两个外侧面标志点的设置应覆盖髋关节、膝关节、踝关节。