基于視覺傳感的步態(tài)檢測系統(tǒng).pdf

1、步態(tài)分析起步于上世紀(jì)90年代，是通過一系列時間、幾何、力學(xué)和肌電等參數(shù)，對人體行走時的肢體和關(guān)節(jié)活動進(jìn)行運(yùn)動學(xué)觀察和動力學(xué)分析，為人體步行功能提供客觀、定量的評定。通過異常步態(tài)分析，可起到對與運(yùn)動相關(guān)的疾病進(jìn)行預(yù)判和后期醫(yī)療輔助。目前，基于智能可穿戴設(shè)備的步態(tài)檢測系統(tǒng)，采用接觸測量法，通過傳感器獲取人體行走的力學(xué)和肌電參數(shù)，對時間一空間、步態(tài)周期、下肢關(guān)節(jié)角度、肌電活動、重心及能量變化等參數(shù)進(jìn)行研究，完成人體步態(tài)的檢測與分析。
　

2、　本文設(shè)計(jì)了基于視覺傳感器的步態(tài)檢測系統(tǒng)，通過視覺成像技術(shù)實(shí)現(xiàn)對人體步態(tài)的非接觸測量，對步行時骨骼運(yùn)動支點(diǎn)進(jìn)行深度分析，提取人體步行姿態(tài)的特征參數(shù)，將動態(tài)時間規(guī)整和步態(tài)參數(shù)相結(jié)合，實(shí)現(xiàn)對步態(tài)的分析。首先，選取Kinect視覺傳感器獲取人體行走時的動態(tài)骨骼運(yùn)動支點(diǎn)參數(shù)，并對人體步態(tài)特征進(jìn)行提取，建立人體步態(tài)特征的動作模板。其次，采用動態(tài)時間規(guī)整算法與創(chuàng)建的模板進(jìn)行步態(tài)匹配，對測試的步態(tài)模型進(jìn)行分類識別。最后，采用基于事件的方式，隨著骨骼支

3、點(diǎn)數(shù)據(jù)的獲取，將人體步態(tài)信息劃分為周期，計(jì)算相關(guān)的人體步態(tài)參數(shù)，選取層次分析法對人體步態(tài)進(jìn)行評估，合理分配影響因子對應(yīng)的權(quán)值，提高步態(tài)識別的準(zhǔn)確率。
　　本文搭建了步態(tài)檢測系統(tǒng)的測試平臺，選取150組步態(tài)集合作為測試樣本，對人體步態(tài)進(jìn)行研究。測試結(jié)果表明，采用經(jīng)典的DTW（動態(tài)時間規(guī)整）算法時，人體步態(tài)的識別率可以達(dá)到79％左右，將DTW算法與步態(tài)參數(shù)融合，在相同的實(shí)驗(yàn)條件下，人體步態(tài)的識別率可以達(dá)到86.6％，改進(jìn)后的算法提高了