[发明专利]用于儿童ADHD筛查评估系统的肢体动作特征向量确定方法

说明书

一种用于儿童ADHD筛查评估系统的肢体动作特征向量确定方法，包括以下步骤：步骤1对于图片输入，通过10层VGG‑19提取图片特征F，再将F输入两个多阶段CNN，最终得到置信图S＝(S₁,S₂,…S_J)与PAF L＝(L₁,L₂,…,L_C)；步骤2根据置信图得到关节点的位置，通过L计算关节点组相连的置信度步骤3再将有共同关节点的肢体相连接，形成完整的人体2D骨架特征f_2D，将2D骨架序列输入一个神经网络，得到3D骨架序列f_3D，对于整段视频，最终的3D骨架序列即为：F_3D＝[f_3D1,f_3D2,…,f_3DN]。本发明准确性较好。

技术领域

本发明涉及一种儿童ADHD筛查评估系统，尤其是肢体动作特征向量确定方法。

背景技术

注意缺陷多动障碍(ADHD)，俗称多动症，是儿童青少年期最常见的神经发育障碍，其临床表现是注意集中困难、活动过度、冲动，情绪不稳定、学习困难等。现有的ADHD医学影像的智能识别技术主要是基于脑部功能性核磁共振和脑电图等病理方面的研究，或者单独基于眼动或面部表情等观察患者的行为特征。

DHD在我们的概念中最大的特点就是多动好动，然而对于ADHD患者肢体动作的研究并不多，17年诺丁汉大学Shashank Jaiswal的研究。他们使用在测试对象正前方放置Kinect来检测头部运动，通过计算位移、瞬时速度、加速度等物理量来描述对象的头部运动。首先只检测头部运动对于ADHD患者而言肯定是不充分的；其次这样的数据处理方式会大幅降低信息熵，从而提高了数据挖掘的难度。

发明内容

为了克服已有ADHD儿童肢体动作特征确定方式的准确性较差的不足，本发明提供了一种准确性较好的用于儿童ADHD筛查评估系统的肢体动作特征向量确定方法。

本发明解决其技术问题所采用的技术方案是：

一种用于儿童ADHD筛查评估系统的肢体动作特征向量确定方法，输入为采集到的侧面视频V_Side，输出为产生的3D骨架序列F_3D，包括以下步骤：

步骤1置信图与PAF计算：对于图片输入，首先通过10层VGG-19提取图片特征F，再将F输入两个多阶段CNN，一个网络通过置信图的方式确定人体关节点位置，另一个网络通过Part Affinity Fields(PAF)确定肢体方向；最终得到置信图S＝(S₁,S₂,…S_J)与PAF L＝(L₁,L₂,…,L_C)，其中J，C分别表示关节点和肢体的种类数量；

步骤2关节点匹配优化：根据置信图得到关节点的位置，表示第j类关节点中的第m个，通过L计算关节点组相连的置信度

其中，p是两点之间的插值函数：

其中，u表示预测点到的距离占与距离的比值；

步骤3最后再将有共同关节点的肢体相连接，形成完整的人体2D骨架特征f_2D，最终将2D骨架序列输入一个神经网络，得到3D骨架序列f_3D，对于整段视频，最终的3D骨架序列即为：F_3D＝[f_3D1,f_3D2,…,f_3DN]。

进一步，所述步骤1中，在ADHD患者的侧面放置一个摄像头，保证能捕捉到所有关键的人体关节点，然后拍摄得到侧面视频V_Side。