[发明专利]一种基于视频中个体步态分析的焦虑感知模型的建立方法

权利要求书

1.一种基于视频中个体步态分析的焦虑感知模型的建立方法，其特征在于，所述方法包括如下步骤：

步骤1，填写广泛性焦虑障碍量表(GAD-7)，获取多位个体的心理指标标注数据；

步骤2，采集多位个体在步行区域连续走路的全身无遮挡步态视频数据，且与步骤1中所测个体的心理指标标注数据相对应；

步骤3.1，在二维空间中对所采集到的步态视频数据中的躯体关键点进行数据去噪预处理；

步骤4，采用时域分析方法提取步态视频数据的时域特征；采用频域分析方法分别对每个被试的各躯体关键点在二维空间中所形成的步态数据进行傅里叶变换，对每个躯体关键点经傅里叶变换后的系数按振幅的大小进行排列，选取振幅较大的前N个系数，同时计算振幅较大的前N个系数所对应的N个频率和N个相位作为频域特征；

步骤5，采用主成分分析对步骤4中所得频域特征进行降维和特征选择，采用序列浮动后向选择(SFBS)算法通过分类器优化所有时域特征和频域特征所组成的特征集，得到优化后的特征子集；

步骤6，采用机器学习中的回归算法，结合优化后的特征子集和步骤1中得到的多位个体心理指标标注数据进行模型训练和验证，得到并保存个体焦虑感知预测模型。

2.根据权利要求1所述的基于视频中个体步态分析的焦虑感知模型的建立方法，其特征在于，所述方法还包括坐标平移步骤3.2，将去噪处理后的步态视频数据中的坐标原点平移至平人的脊柱中心。

3.根据权利要求2所述的基于视频中个体步态分析的焦虑感知模型的建立方法，其特征在于，所述方法还包括相位对齐步骤3.3，通过截取步态视频片段，使被试在每段步态视频数据中的起脚保持一致，且保持每段步态视频数据具有相同的帧数。

4.根据权利要求1所述的基于视频中个体步态分析的焦虑感知模型的建立方法，其特征在于，所述步骤2中，在明亮安静的室内空间架设摄像装置，根据播放的语音指令，在设定的步行区域内连续拍摄被试全身无遮挡的步态视频资料，步态视频采集时间1min～3min，采集频率为25Hz。

5.根据权利要求1所述的基于视频中个体步态分析的焦虑感知模型的建立方法，其特征在于，所述步骤3.1中的躯体关键点包括18个关节点，分别分布在躯体的中轴线和躯体两侧，包括左右眼睛、左右耳朵、鼻子、脖颈、左右肩膀、左右手肘、左右手腕、左右大腿、左右膝盖以及左右脚踝。

6.根据权利要求4所述的基于视频中个体步态分析的焦虑感知模型的建立方法，其特征在于，所述步骤4中对每个被试在各个躯体关键点的每个维度的步态数据上分别选取经傅里叶变换后的系数中振幅最大的前20个系数，计算其对应的频率和相位，共得到40个频域特征。

7.根据权利要求1所述的基于视频中个体步态分析的焦虑感知模型的建立方法，其特征在于，所述步骤5中使用主成分分析(Principalcomponentsanalysis,PCA)对步骤4中所得频域特征进行降维，选取频域特征进行变换后的前100个主成分，使得重构误差小于5％，降到100维。

8.根据权利要求1所述的基于视频中个体步态分析的焦虑感知模型的建立方法，其特征在于，通过时域分析法计算出被试关节位置在时间上的变化以及不同关节间位置关系，计算出步行速度、左/右周期、左/右腿步幅、左/右腿抬高共计7个步态特征的均值和方差作为时域特征。

9.根据权利要求1所述的基于视频中个体步态分析的焦虑感知模型的建立方法，其特征在于，所述步骤6中采用机器学习中的回归学习算法GPR建立预测模型，并采用十折交叉验证对所建立的个体焦虑感知预测模型进行验证。