[发明专利]一种步态特征提取方法

说明书

本发明公开了一种步态特征提取方法，首先采集行走、起身和爬楼梯三种步态方式下的视频数据，将二维视频序列转换为二元轮廓序列并进行标准化处理，合成为步态能量图GEI，提高效率；然后结合卷积神经网络CNN和轻量注意力模块CBAM进行单步态特征图提取，减少重要信息的丢失，并通过多步态全局注意力机制突出更能体现目标步态特征的步态方式；最后经过特征映射得到判别性更高的步态特征表示。与现有方法相比，本发明通过深度神经网络提取多步态特征，极大减少了人工工作量，为用户提供更加可靠的步态特征信息。

技术领域

本发明属于生物特征识别技术领域，具体涉及一种步态特征提取方法的设计。

背景技术

步态能够反映一个人的健康状况，是反应肌少症等慢性疾病的重要指标。肌少症是一种与年龄相关的慢性退行性疾病，会增加骨折、跌倒风险，进而引起身体残疾和死亡等不良后果。高效准确地捕获步态特征，对于减轻肌少症等慢性疾病患者风险和医疗负担具有重大意义。目前现有的步态特征获取方法中，专业医师首先通过观察目标的整体步态是否有异常，再寻找引起目标步态异常的位置，进而锁定位置获取步态特征，这种方法依赖于医师的主观判断和实际经验。医师通过人眼观察的方式捕获步态特征属于机械重复性工作，极易感到疲劳，导致工作效率和工作质量的降低，不仅增加医护人员的负担，还可能遗漏一些特征。

基于机器学习的步态识别是目前快速发展的领域，但现有基于机器学习的步态识别通常只考虑单一运动模式，只能展现目标的片面特征，降低模型的泛化性能，对于不同严重程度的慢性疾病患者，病态特征有不同程度的体现，单一运动模式不能充分表现其步态特征。

发明内容

本发明的目的是提出一种步态特征提取方法，采集行走、起身、爬楼梯的多步态方式的视频，通过单步态特征图提取与多步态全局注意力学习，使用深度神经网络提取步态特征，为进一步的步态识别提供客观依据。

本发明的技术方案为：一种步态特征提取方法，包括以下步骤：

S1、采集目标在行走、起身和爬楼梯3种步态方式下的步态视频数据。

S2、对步态视频数据进行预处理，得到3个步态能量图。

S3、采用卷积神经网络CNN结合轻量注意力模块CBAM提取3个步态能量图对应的3个单步态特征图。

S4、对3个单步态特征图进行多步态全局注意力学习，得到3种步态方式的注意力图。

S5、对3种步态方式的注意力图进行特征映射，得到目标的最终步态特征表示。

进一步地，步骤S1中以36°或144°的视角拍摄目标在行走、起身和爬楼梯3种步态方式下的视频，每种步态方式下至少录制3个步态周期的视频，得到步态视频数据。

进一步地，步骤S2包括以下分步骤：

S21、从每种步态方式下的视频中取出一个完整的步态周期视频，分解为相同数量的若干帧，得到原始二维视频序列。

S22、通过背景减除法将原始二维视频序列转换为二元轮廓序列。

S23、对二元轮廓序列进行标准化处理，将其中所有人物轮廓调整到同一高度，并使人物位于图像的中心上，得到统一的步态轮廓序列G＝{g₁，g₂，...，g_n}。

S24、将每种步态方式下的步态轮廓序列G合成步态能量图GEI，得到行走步态能量图GEI_walk、起身步态能量图GEI_up和爬楼梯步态能量图GEI_stairs。

进一步地，步骤S24中合成步态能量图GEI的计算公式为：