[发明专利]基于人体关键点检测算法的步态识别方法及步态评估系统

权利要求书

1.一种基于人体关键点检测算法的步态识别方法，其特征在于，包括以下步骤：

步骤1，对单个摄像头从人体侧面拍摄获得的3m起立行走实验视频中的每一帧进行关键点检测，并提取关键点随时间的位置变化信息，以获得关键点序列；

步骤2，根据关键点序列对所述视频选取关键帧；所述关键帧作为视频中不同种动作的分界点；

步骤3，根据所述视频中的关键点序列及选取得到的关键帧，进行步态参数的提取；

所述的关键点包含：人体的左肩膀、右肩膀、脚踝、髋、膝盖；

所述的关键帧为：起身完毕关键帧f₁，第一次转身开始帧f₂，第一次转身结束帧f₃，第二次转身开始帧f₄，第二次转身结束帧f₅，刚坐下关键帧f₆；所述的关键点序列包含：竖直序列和水平序列；所述的关键帧通过以下公式选取得到：

thre_up＝min(x)+λ_up*(max(x)-min(x))

thre_down＝min(x)+λ_down*(max(x)-min(x))

其中，thre_up为序列的上阈值；thre_down为序列的下阈值；min(x)为序列的最小值；max(x)为序列的最大值；λup为针对脉冲检测的上阈值的严谨程度调整参数，λdown为针对脉冲检测的下阈值的严谨程度调整参数，需满足0λdownλup1；x为某关节点的水平或者垂直坐标视频序列；步骤2中，关键帧的选取具体包含：

(1)f₁和f₆的选取：利用所述的公式，得出左右肩膀的平均竖直序列的上阈值和下阈值；依次将视频中每一帧的左右肩膀的竖直序列的平均值与上阈值和下阈值比较；以人体下方为竖直序列的正向，序列数值在起身时候减小，在坐下时候增大，第一个低于下阈值的竖直序列对应的帧选取为f₁，f₁之后第一个大于上阈值的竖直序列对应的帧选取为f₆；

(2)f₂、f₃、f₄和f₅的选取：利用左右肩膀的水平序列，做差，得到肩宽值，通过所述的公式，得出肩宽值的上阈值和下阈值；再依次将视频中每一帧的肩宽值与上阈值和下阈值比较，以第一次触发上阈值前的最后一个低于下阈值的肩宽值对应的帧选取为第一次转身开始帧f₂；以f₂之后，并且在触发下阈值后，以第一次触发上阈值前的最后一个高于上阈值的肩宽值对应的帧选取为第一次转身结束帧f₃；f₃之后，触发下阈值前的最后一个低于下阈值的肩宽值对应的帧选取为f₄；以f₄之后，并且在触发下阈值后，触发上阈值前的最后一个高于上阈值的肩宽值对应的帧选取为f₅。

2.根据权利要求1所述的基于人体关键点检测算法的步态识别方法，其特征在于，步骤1中，通过人体检测网络获得所述的关键点序列。

3.根据权利要求1所述的基于人体关键点检测算法的步态识别方法，其特征在于，选取f₁和f₆前，先对左右肩膀的竖直序列进行滤波平滑处理。

4.根据权利要求1所述的基于人体关键点检测算法的步态识别方法，其特征在于，选取f₁和f₆时，λ_up＝1/2,λ_down＝1/4；选取f₂、f₃、f₄和f₅时，λ_up＝1/2,λ_down＝1/3。