[发明专利]一种步态检测方法、系统及设备在审
申请号: | 202111148941.6 | 申请日: | 2021-09-29 |
公开(公告)号: | CN113855003A | 公开(公告)日: | 2021-12-31 |
发明(设计)人: | 汪昕;丁晶;李鑫;唐妍敏 | 申请(专利权)人: | 复旦大学附属中山医院 |
主分类号: | A61B5/11 | 分类号: | A61B5/11;A61B5/103;A61B5/00 |
代理公司: | 上海伯瑞杰知识产权代理有限公司 31227 | 代理人: | 孟旭彤 |
地址: | 200032 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 步态 检测 方法 系统 设备 | ||
1.一种步态检测方法,其特征在于,该方法包括步骤:
设置图像获取装置;
被检测人按照检测要求完成起立和行走动作;
通过所述图像获取装置获取所述被检测人的步态视频,所述步态视频包括RGB视频和深度视频,深度视频根据色块差别得到距离参数;
将所述步态视频输入经过训练的步态检测模型,由所述步态检测模型做出被检测人的步态检测结论。
2.根据权利要求1所述的步态检测方法,其特征在于,被检测人被要求完成的动作包括,自坐位起立,向前直线行走预设距离,转身后往回沿直线行走,至坐位后再次坐下。
3.根据权利要求1所述的步态检测方法,其特征在于,所述步态检测模型基于卷积神经网络,通过对人体的姿态估计识别人体骨架特征。
4.根据权利要求3所述的步态检测方法,其特征在于,对于所述步态视频的每一帧图像进行特征提取,获取所述步态视频中的人体关节运动轨迹,分别包括头、肩、肘、腕、髋、膝、踝的运动轨迹,
其中,所述步态视频的第i帧的第k个关节的位置表示为:
对于每一个帧数为V帧的步态视频,检测结果对应一个序列
随后,通过双阈值触发提取步态时空参数,
所述双阈值触发,根据每个关节在整个步态视频中的周期性上、下阈值触发,检测到以下关键帧:
站立帧f1、第一次转弯开始帧f2、第一次转弯结束帧f3、第二次转弯开始帧f4、第二次转弯结束帧f5、坐下帧f6,
根据这些关键帧计算步态时空参数。
5.根据权利要求4所述的步态检测方法,其特征在于,所述的步态时空参数包括,
起身时间,是指视频开始到站立帧f1的时间,
转身时间,是指第一次转弯开始帧f2到第一次转弯结束帧f3的时间,
步长,是指被检测人行走的总距离除以来回直行中的总步数,
步速,是指两段来回直行总距离除以两段来回直行的耗时,
步频,是指两段来回直行的步数除以两段来回直行的耗时,
步宽,是指从深度视频中获得两踝关节的深度距离差。
6.根据权利要求5所述的步态检测方法,其特征在于,对于用于训练的步态检测样本采用分类器进行有监督学习。
7.根据权利要求6所述的步态检测方法,其特征在于,所述分类器为支持向量机-高斯核分类器。
8.一种步态检测系统,其特征在于,该系统包括图像获取装置和服务器,
所述图像获取装置获取被检测人的步态视频,将所述步态视频传输至所述服务器,
所述步态视频被输入所述服务器装载的经过训练的步态检测模型,由所述步态检测模型做出被检测人的步态检测结论。
9.一种步态检测设备,其特征在于,该设备包括图像获取装置和图像处理器,
所述图像获取装置获取被检测人的步态视频,将所述步态视频传输至所述图像处理器,
所述图像处理器讲所述步态视频输入经过训练的步态检测模型,由所述步态检测模型做出被检测人的步态检测结论。
10.根据权利要求1所述的步态检测方法,其特征在于,该检测方法被用于对于疾病的分类和分型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于复旦大学附属中山医院,未经复旦大学附属中山医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111148941.6/1.html,转载请声明来源钻瓜专利网。