[发明专利]一种步态轨迹异常检测方法及检测装置

权利要求书

1.一种步态轨迹异常检测方法，包括：

S1.获取异常步态检测模型，并基于所述异常步态检测模型对输入视频进行识别检测，获取所述输入视频中步态异常的二维图像集；

S2.提取所述二维图像集中属于同一目标的二维图像，构建目标图像集；

S3.基于所述目标图像集获取所述目标的三维姿态序列；

S4.基于步态评价模型对所述三维姿态序列估计步态得分，并基于所述步态得分判断所述目标是否存在步态轨迹异常。

2.根据权利要求1所述的步态轨迹异常检测方法，其特征在于，步骤S1中，获取异常步态检测模型的步骤中，包括：

S11.采集帕金森患者的TUG测试视频；

S12.采用目标检测算法对所述TUG测试视频中每帧图像进行检测，获取包含目标的边界框，并基于所述边界框对每帧所述图像进行裁剪，获取相同尺寸的目标图像；

S13.基于获取的所述目标图像进行异常步态识别训练，获取所述异常步态检测模型。

3.根据权利要求2所述的步态轨迹异常检测方法，其特征在于，步骤S2中，提取所述二维图像集中属于同一目标的二维图像，构建目标图像集的步骤中，包括：

S21.针对所述二维图像分别构建描述对象模型；

S22.基于所述描述对象模型并采用卡尔曼滤波器对具有先后顺序的所述二维图像进行关联预测，并对所述二维图像的边界框之间的IOU距离进行计算；

S23.若所述IOU距离小于预设阈值，则重新执行步骤S22；

若所述IOU距离大于或等于所述预设阈值，则采用匈牙利算法对关联的所述二维图像进行匹配检测，并基于满足检测结果的所述二维图像构建所述目标图像集。

4.根据权利要求3所述的步态轨迹异常检测方法，其特征在于，步骤S21中，所述描述对象模型表示为：

x＝[u,v,s,r,u′,v′,S′]^T

其中，u和v表示所述二维图像中目标中心的水平和垂直像素位置，s和r表示所述二维图像的边界框的比例/面积和恒定纵横比。

5.根据权利要求3或4所述的步态轨迹异常检测方法，其特征在于，步骤S3中，基于所述目标图像集获取所述目标的三维姿态序列的步骤中，包括：

S31.将同一所述目标的所述目标图像集中的所述二维图像逐一输入CPN网络进行关键点检测，获取相应的二维关键点图像；

S32.对所述二维关键点图像进行精确特征点坐标和归一化处理；

S33.采用GRU分类器对归一化处理后的所述二维关键点图像进行分类；

S34.采用DTW算法对分类后的所述二维关键点图像进行时序排列，获得所述目标的二维关键点图像序列；

S35.基于获取的所述二维关键点图像序列获取所述三维姿态序列。

6.根据权利要求5所述的步态轨迹异常检测方法，其特征在于，步骤35中，基于获取的所述二维关键点图像序列获取所述三维姿态序列的步骤中包括：

S351.对所述二维关键点图像序列中的所述二维关键点图像进行数据预处理；

S352.对所述二维关键点图像提取时空特征；

S353.对提取的所述时空特征进行特征融合获取所述三维姿态序列。

7.根据权利要求6所述的步态轨迹异常检测方法，其特征在于，步骤S4中，所述步态评价模型采用混合序列焦点双特征双运动模型。

8.一种用于权利要求1至7任一项所述的步态轨迹异常检测方法的检测装置，其特征在于，包括：

异常步态检测单元，用于对输入视频进行识别检测，获取所述输入视频中步态异常的二维图像集；

目标分类单元，用于提取所述二维图像集中属于同一目标的二维图像，构建目标图像集；

三维姿态序列获取单元，基于所述目标图像集获取所述目标的三维姿态序列；

步态评估单元，用于对所述三维姿态序列估计步态得分，并基于所述步态得分判断所述目标是否存在步态轨迹异常。