[发明专利]一种步态轨迹异常检测方法及检测装置

说明书

本发明涉及一种步态轨迹异常检测方法及检测装置，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。本方案通过非接触的方式即可准确有效的得出评估结论，极大的提高了评估效率。

技术领域

本发明涉及生物识别领域，尤其涉及一种步态轨迹异常及检测方法。

背景技术

步态识别是一种新兴的生物特征识别技术，可通过人们走路的姿态进行身份识别、健康状态识别等，具有极为广泛的应用前景。

随着以帕金森病(Parkinson’s Di sease，PD) 为代表的渐进性中枢神经退行性疾病日渐增多，帕金森病可能导致大脑和脊髓的神经元细胞退化，临床表现出静止性震颤、运动迟缓和步态异常等行为。目前针对PD疾病的治疗，医学上普遍采取需要医生和患者投入众多时间和精力的人工运动评估方式，出于早发现、早介入、早治疗的目的，对早期患者的运动状态变化进行追踪观察，能够有助于控制疾病进展，缓解症状，提高患者的生活质量，因此通过计算机视觉实现自动化客观化的运动评估，通过视频自动获取用于评估帕金森病的临床参数，实现远程监测患者状况的可能性，对患者的康复评测有重要意义。

发明内容

本发明的目的在于提供一种步态轨迹异常检测方法及检测装置。

为实现上述发明目的，本发明提供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。

根据本发明的一个方面，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。

根据本发明的一个方面，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。

根据本发明的一个方面，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。