[发明专利]一种基于计算机视觉的老龄人身体姿态数据分析方法

权利要求书

1.一种基于计算机视觉的老龄人身体姿态数据分析方法，其特征在于：对关键点数据进行进一步的数据分析和特征挖掘后，再进行深一步的建模时，进行以下步骤，

步骤1，使用LW OpenPose框架对视频帧进行人体关键点提取，获得每一帧目标图像的关键点坐标位置。

步骤2，对2D环境下人物的位置进行判断，获取人物深度信息，通过头部关节点的融合与四肢关节点的约简。

步骤3，定义并计算“关节点动能”E_i，t表征人体运动速度。

步骤4，通过定义的E，对跌倒数据集的静态数据计算E_all，进行数据正态化分布处理后，统计分析，选取数据集缓慢总关节点动能的25％分位数作为缓慢阈值。

步骤5，将步骤3和步骤4的结果相对比，如果E_all＜threshold，则判断为运动缓慢，否则运动正常。

步骤6，定义并计算“关节点势能”EG_i，t表征人体各个部位的相对于参照点脖子的相对位置。

步骤7，继续挖掘运动能力参数：运动匀称性、运动速度，并标注数据集。

步骤8，将步骤7挖掘到的运动能力参数作为特征输入训练模型。模型训练过程中，采用网格搜索法对模型自动进行交叉验证，通过调节不同的参数来得出不同的评分结果，通过不同的对比实验选择效果最佳的模型以及模型参数。最终，通过输入视频帧，就可以获取老龄人的运动速度状态与身体平衡状态的结果输出。

2.根据权利要求1所述的基于计算机视觉的老龄人身体姿态数据分析方法，其特征在于：步骤3所述的“关节点动能”来源于物理学概念中物体由于运动而具有的能量，叫做动能。则为了定量表示人体运动速度，对于经过深度处理和关节点约简以后，我们对筛选后的关节点计算每一个关节点动能E_i，t＝k₁V_i，t²，其中k₁＝0.001，

i∈(k_head，k_neck，k_{r_sho}，k_{l_sho}，k_{r_hip}，k_{r_knee}，k_{r_ank}，k_{l_hip}，k_{l_knee}，k_l-ank)，

。

3.根据权利要求1所述的基于计算机视觉的老龄人身体姿态数据分析方法，其特征在于：步骤4所述的统计分析是指假设数据服从正态分布，则根据3σ准则，需要剔除异常数据，保留μ±3σ范围内的数据，在误差较小的情况下选取25％的E_ζ＝0.3作为缓慢阈值。

他的含义是，当E_all，t＜0.3时，老龄人运动缓慢。

4.根据权利要求1所述的基于计算机视觉的老龄人身体姿态数据分析方法，其特征在于：步骤6所述的“关节点势能”来源于物理学概念中物体因为重力作用而拥有的能量，为重力势能。同理为了表征人体各个部位的相对于参照点的位置，经过特征筛选以后，我们对筛选后的关节点计算了每一个关节点势能EG_i，t＝k₂(Y_i，t-Y_neck，t)，其中k₂＝0.1，

i＝(k_{r_sho}，k_{r_elb}，k_{r_wri}，k_{l_sho}，k_{l_elb}，k_{l_wri}，k_{r_hip}，k_{r_knee}，k_{r_ank}，k_{l_hip}，k_{l_knee}，k_{l_ank}) 。