[发明专利]一种步态周期自动划分方法及计算机设备

说明书

本发明提供一种步态周期自动划分方法，包括：根据当前行人的一段行走视频对应的图像序列，截取行人的下肢部分图像，计算每帧图像中下肢部分所占面积，每帧得到一个面积，所有帧的面积构成下肢轮廓面积序列，并进行平滑处理；对平滑处理后的下肢轮廓面积序列识别其中面积变化曲线的峰值和谷值，得到峰值谷值交替序列；从峰值谷值交替序列中提取所有峰值序列，调整峰值序列，得到起点对齐的峰值谷值交替序列；根据调整后的峰值进行步态周期划分，确定相邻的两个序号为奇数的面积峰值对应的图像帧之间的所有图像为一个完整步态周期。本发明还提供一种计算机设备，实现步态周期对齐，为后续的步态特征提取及分析提供可靠准备。

技术领域

本发明涉及一种步态周期自动划分方法及计算机设备。

背景技术

步态是指人或动物通过肢体运动并前进的一种周期性的形式和样子。步态分析是一种生物识别技术，人体的步态特征分析，可以用于判断行人身份、性别以及人体是否具有特定疾病及其程度，如外伤，神经系统疾病，肌肉骨骼异常，精神异常等。步态分析大多以步态周期为分析的依据，从人体的一段行走图像序列中提取步态周期是步态分析的关键步骤之一，步态周期起点的是否一致极大地影响步态分析的准确性。

步态周期指行走过程中一侧足跟着地至该侧足跟再次着地时所经过的时间(也指此时间内所对应的人们行走图像序列)。每一个步态周期分为支撑期和迈步期两个阶段；支撑期大约占步行周期的60％；迈步期约占其中的40％。美国加利福尼亚州RLA国家康复中心的Perry医生按照步行周期的发生顺序提出了RLA分期方法，即将支撑期分解为5个分期，迈步期分解为3个分期。包括首次触地、承重反应期、站立中期、站立末期、迈步前期、迈步初期、迈步中期、迈步末期。步态周期分割方法则可从人们连续行走的图像序列中提取一个个完整的步态周期。

大多数步态分析算法都是建立在对单个完整的步态周期基础之上的，对单个完整的步态周期内的所有序列图像消除背景、对得到的人物轮廓图像二值化处理、然后从中提取时间空间相关的特征进行分析，识别两个步态周期是否属于同一类(人)。若两个步态周期分别从不同的步态分期开始，即使是从同一人在短时间内的行走视频中提取得到，也会因其特征差异较大而得出这两个步态周期不属于同一人的结论。因此，步态周期分割时是否对齐每个步态的起始点(分期)直接影响到步态分析结果的精度。

目前从人们行走视频中提取步态周期的序列图像的典型方法为基于下肢轮廓边界追踪方法，首先计算下肢轮廓质心，然后按逆时针方向将轮廓边界展开，计算由边界像素点到质心的距离，并组成一个距离信号，对距离信号进行采样，得到距离信号向量，此距离向量的范数变化具有周期性，其周期恰好等于一个步态周期。对距离向量的范数变化曲线进行滤波，滤波后相邻两个过零点的时间间隔等于半个步态周期，相邻的三个过零点间的时间间隔作为一个步态周期。

现有步态周期识别的方法虽然可以实现步态周期识别的自动化，但其主要处理方式是将行人走路的图像序列划分成一个个二分之一步态周期，然后组合相邻的二分之一个步态周期为一个完整的步态周期，但其并没有考虑如何对齐不同行走图像序列中提取的步态周期，导致步态分析准确度下降。

发明内容

本发明要解决的技术问题之一，在于提供一种步态周期自动划分方法，实现步态周期对齐，为后续的步态特征提取及分析提供可靠的准备。

本发明要解决的技术问题之一是这样实现的：一种步态周期自动划分方法，包括如下步骤：

步骤10、根据当前行人的一段行走视频对应的图像序列，截取行人的下肢部分图像，计算每帧图像中下肢部分所占面积，每帧得到一个面积，所有帧的面积构成下肢轮廓面积序列，并进行平滑处理；

步骤20、对所述平滑处理后的下肢轮廓面积序列识别其中面积变化曲线的峰值和谷值，得到峰值谷值交替序列；

步骤30、从所述峰值谷值交替序列中提取所有峰值序列，调整峰值序列，得到起点对齐的峰值谷值交替序列；