[发明专利]基于多特征和SVM区分人体平衡障碍的方法

权利要求书

1.基于多特征和SVM区分人体平衡障碍的方法，其特征在于，具体操作过程包括如下步骤：

步骤1，按照与人体行走时正面呈90°的角度拍摄正常人和非正常人在搭建好的模拟现实的虚拟场景中的人体行走姿态视频；

步骤2，将采集到的正常人和非正常人的行走姿态视频分别提取成图像，对提取的图像进行预处理，再分别提取预处理后正常人和非正常人图像的SIFT特征，Hu不变矩特征和PHOG特征；

步骤3，将步骤2得到的SIFT特征，Hu不变矩特征和PHOG特征融合，通过SVM进行训练，得到人体平衡能力分类模型，判断并分类出平衡能力障碍人群。

2.如权利要求1所述的基于多特征和SVM区分人体平衡障碍的方法，其特征在于，所述步骤2包括以下步骤：

步骤2.1，使用cvLoadImage函数读取采集到的正常人和非正常人的姿态视频，设定读入视频的开始时间和结束时间，如果Capture函数没有读取到含有人像的视频，则重新设定视频的开始时间和结束时间，重复步骤2.1，如果capture函数读取到含有人像的视频，则进行步骤2.2；

步骤2.2，通过OpenCV中的CvCapture函数将提取的正常人和非正常人的视频分别拆帧，分别提取出两组视频中的空白场景进行图片保存后，然将拍摄的人体姿态视频每两秒取一帧保存为图像；

步骤2.3，将保存的正常人和非正常人的姿态图像分别与空白场景进行差分后依次进行去噪、腐蚀、边缘提取和二值化的过程，得到预处理后的黑白图像；

步骤2.4，将预处理后的图像进行距离变换，提取图像的SIFT特征、PHOG特征、Hu不变矩特征。

3.如权利要求2所述的基于多特征和SVM区分人体平衡障碍的方法，其特征在于，所述步骤2.3中将正常人和非正常人的姿态图像分别与空白场景图像进行差分过程如下：

设第k时刻提取到的含有人体的图像为I_p，空白场景的图像为I_e，对两张图像进行差分，得到差分图像为I_dif，则有I_dif＝I_p-I_e。

4.如权利要求2所述的基于多特征和SVM区分人体平衡障碍的方法，其特征在于，所述步骤2.3中采用双边滤波算法进行图像去噪，使用周边像素亮度值的加权平均代表某个像素的强度，具体过程是：令I_dif和I_l^BF分别为差分处理得到图像和去噪处理后的图像，则双边滤波输出的结果为

其中，参数σ_s定义了用于过滤像素的空间邻域的大小，σ_r控制了由于强度差异而使相邻像素下降的程度，W_l^BF使权的和标准化。

5.如权利要求2所述的基于多特征和SVM区分人体平衡障碍的方法，其特征在于，所述步骤2.3中通过getStructuringElement函数定义腐蚀窗口的大小，选择矩形窗口MORPH_RECT，腐蚀核的大小选择3×3，通过腐蚀窗口MORPH_RECT使用erode函数进行腐蚀操作，得到只含有人像的图片。

6.如权利要求2所述的基于多特征和SVM区分人体平衡障碍的方法，其特征在于，所述步骤2.3中利用Canny边缘检测算子对腐蚀后的图像进行处理得到图像的连通区域；具体过程如下：

首先，使用高斯滤波器与图像进行卷积，减少边缘检测器上明显的噪声影响；

然后计算图像中每个像素点的梯度强度和方向，并应用非极大值抑制，以消除边缘检测带来的杂散响应；

最后，使用双阈值检测确定真实的和潜在的边缘，并通过抑制孤立的弱边缘完成边缘检测，使用findContours函数提取出人体轮廓图像。