[发明专利]一种基于动态时间规划的人体步态监测算法

权利要求书

1.一种基于动态时间规划的人体步态监测算法，其特征在于：所述算法通过以下步骤实现：

利用视觉传感器进行人体步态视频采集，建立人体步态模型的步骤；

基于视觉传感器采集的人体步态视频，通过深度卷积建立包含空间、时间、运动趋势的人体步态模型，获得人体正常步行时的骨骼节点；通过深度分析从这些骨骼节点中选取20个人体骨骼关键节点，并计算各步态关键骨骼节点的对应位置；对步行时人体骨骼数据节点运动、位置变化进行深度分析，提取人体步行姿态的特征参数，基于动态时间规整和步态参数相结合，分析出人体正常态下，单一行进周期内20个骨骼关键节点的运动曲线，建立人体步态的标准化模型；

采用传感器骨骼技术获取的骨骼运动信息的步骤；

基于传感器骨骼技术获取的骨骼运动信息，通过深度卷积神经网络建立包含空间、时间、运动趋势的人体步态模型，获得20个人体骨骼关键节点，并计算各节点的对应位置；

步态监测识别算法的训练步骤；

利用K-means聚类算法的思想，将采集到的多组静态样本，通过训练算法，得到目标静态模板；其中，每个步态定义九种动作姿态，实际采样时，根据每组动作的步态特征采集，训练样本为每组30次采集，为获取到训练后的模板，K-means聚类算法的实现过程如下：

1)从30组数据中，随机选取两组作为聚类中心；

2)其余组数据依次与聚类中心计算相似性，将最为相似的纳入到聚类结果所在的类里；

3)调整计算聚类中心，对聚类中的所有元素计算均值；若聚类中心不发生变化，则为最终的动作模板，若发生变化，则重复操作2和3，直到聚类中心不发生变化；

动作识别的步骤：

通过定义规则集，利用关节点间位置的相对变化，通过几个关节点的位置关系来分析人体姿态及动作；

人体步态骨骼诊断评估的步骤；

采用层次分析法进行人体步态骨骼诊断,层次分析法全称Analytic HierarchyProcess，简称AHP，对设定的元素两两比较，通过不同的重要性赋予不同的权重a，并构造出由a_ij组成的n*n矩阵，通常称为判别矩阵，为：

层次排序是对各个因子的重要性排序，根据矩阵A求得特征值及特征向量，并找到判别矩阵A的最大特征值λ_max和其对应的特征向量ω，经归一化处理，最大特征值的计算方法如下：

Aω＝λ_maxω

通过求解判断矩阵λ_max对应的特征向量W＝(x₁,x₂,K,x_n)^T，得到权重x_i，判断矩阵A中对应的a_ij为判断一致性比例为：

其中，RI值可通过9阶判断矩阵表格查询；

表1矩阵表格

当CR的值小于0.1时，认为该判断矩阵是可以接受的，当λ_max越大于n的值，则非一致性程度就越强，得到的判断矩阵就不能真实的反应各因子之间的重要程度，当不满足一致性时，则对判断矩阵中的元素进行权衡。