步态特征

摘要： 针对当前下肢康复训练机器人膝踝协调运动控制方法未考虑训练机器人系统不确定性,导致膝踝运动的速度与位置误差较高,收敛速度较慢,训练机器人步态不协调的问题,提出下肢康复训练机器人膝踝协调运动控制方法。设置标识点数量与具体位置,建立下肢刚体模型局部坐标系,分别构建不同点在矢状面的运动学方程,计算相邻点之间连线长度。利用膝踝等关节的动力学表达式,求出步态特征参数,通过高斯函数扩展形式,拟合膝关节转角非中心对称双峰曲线,采用分段曲线拟合形式,拟合踝关节转角参数,完成膝踝关节转角数学建模。采用自适应迭代学习控制算法,设立迭代控制信号,对膝踝运动轨迹跟踪,计算输出误差,确定自适应迭代条件,通过迭代项克服机器人系统带来的不确定性,实现膝踝协调运动控制。仿真实验表明,该方法的训练机器人膝踝运动步态较为协调,具有较快的收敛速度,有效降低膝踝运动的速度与位置误差,确保膝踝协调运动。

摘要： 随着国家《“健康中国2030”规划纲要》《国家积极应对人口老龄化中长期规划》等一系列相关规划的颁布实施,关注人的身心健康与安全成为社会共识。优秀的产品设计,需要充分了解人的生理结构、运动方式、信息处理系统等多方面要素。步态分析目在通过生物力学和运动学手段揭示步态特征及影响因素,是研究人体运动过程变化的常用方法,可以为穿戴式设备、康复辅具等产品的设计提供了基本的理论支撑。

摘要： 在情感计算、心理治疗、机器人、监视和观众理解等方面,基于步态特征的情感识别有着广泛的应用前景。已有方法表明,考虑手势位置等上下文信息可以显著提高情绪识别性能,且时空信息能显著提高情绪识别精度。但是单纯使用骨骼空间信息无法充分表达步态中的情绪信息。为了充分利用步态特征,本文提出自适应融合的方法,将骨骼时空信息与骨骼旋转角度结合,提升了现有模型的情感识别精度。本文模型利用自编码器,学习人类行走时的骨骼旋转信息,利用时空图卷积神经网络提取骨骼点时空信息,将骨骼旋转信息与时空信息输入自适应融合网络,得到最终特征进行分类。模型在Emotion-Gait数据集上测试,实验结果显示:悲伤、愤怒和中立情绪的AP值比最新HAP方法分别提升5、8、5个百分点;总体分类的平均MAP值提高了5个百分点。

摘要： 帕金森病是一种常见于中老年的神经退行性疾病,步态冻结是其步态的典型特征。文章基于公开数据集“Gait in Parkinson’s Disease”,应用随机森林建立帕金森病步态识别模型,在本文数据预处理方法之下使得帕金森病步态识别的灵敏性和正确率均达到了92%以上,准确率达到了96%以上,特别是AUC值更达到98%。优良的识别效果有利于帕金森病的及时确诊。应用随机森林模型输出的变量重要性获得了帕金森病步态受力特征,得到帕金森病患者行走时左脚L1和L7所在部位受力对步态影响最大,右脚则是R7部位受力对步态影响最大,且左脚受力比右脚更不均匀,从而左脚受力情况比右脚受力情况要复杂,说明步态不对称也不稳定。这有利于医生定量分析患者步态障碍的特点和程度,进而施行针对性个性化康复训练。

摘要： 目的通过对比健康对照组与足内偏组儿童的三维步态数据特征,总结足内偏儿童的步态特征及足内偏的影响因素,为足内偏儿童的早期评估及干预提供科学依据。方法选择2019年1月至2021年9月上海中医药大学附属岳阳中西医结合医院步态与运动分析中心门诊的48例足内偏儿童,其中男23例,女25例;年龄5~10岁,平均(7.75±1.55)岁。同时于正常儿童数据库中收集48例健康步态儿童的三维步态数据资料,其中男29例,女19例;年龄范围5~10岁,平均(7.81±2.13)岁。分析并总结足内偏儿童的步态参数特征及影响因素。结果(1)足内偏组儿童的时空参数表现为步宽增加(P<0.01);(2)足内偏组儿童的运动学参数表现为髋关节最大内旋角度增加(P<0.05),髋关节最大屈曲角度、膝关节最大内旋角度及踝关节最大内旋角度明显增加(P<0.01),踝关节最大背屈角度减少(P<0.05);(3)足内偏组儿童的动力学参数表现为髋关节最大屈曲力矩增加(P<0.05)、最大外展力矩及最大功率减少(P<0.05),膝关节支撑相初期内收力矩峰值及最大功率明显增加(P<0.01),踝关节最大跖屈力矩明显减少(P<0.01);(4)髋、膝、踝关节最大内旋角度,踝关节最大背屈角度及髋关节最大外展力矩与足内偏存在显著的线性关系(P<0.05)。结论足内偏组儿童的时空、运动学和动力学参数与健康对照组儿童相比明显不同,足内偏的影响因素包括髋、膝、踝关节最大内旋角度,踝关节最大背屈角度及髋关节最大外展力矩。

摘要： 针对提取监控视频中行人的时空特征相对困难和使用步态这一时空特征进行小样本学习后,准确率相对较低的问题,提出一种基于多级脉冲特征集融合的行人重识别方法(MSSF)。首先,通过脉冲卷积提取基于步态图像帧的局部行人脉冲特征,在此基础上,将局部脉冲特征映射为具有全局行人属性的脉冲特征集;接着通过融合不同深度级别的脉冲特征集来表征行人的时空多维特征,并使用水平金字塔进一步提取更具区分度的特征;最后,通过时空梯度反向传播优化网络参数。实验在CASIA-B数据集上进行,在小样本学习后,跨视角正确率最高达到了71.7%,提升4.91%,验证了所提方法的有效性。

摘要： 介绍机器学习概念和信息采集方法,系统综述机器学习在跌倒风险因素分析中的应用现状,主要应用范围包括跌倒史分析、步态分析、平衡能力分析、单次跌倒风险因素分析、多次跌倒风险因素分析及跌倒伤害风险因素分析,以促进跌倒预防评估体系建设,为制订有效的跌倒预防信息化管理策略提供参考,从而减少跌倒事件的发生。

摘要： 目的 通过康复治疗改善腰椎管狭窄(DLSS)术后功能障碍,观察步态训练在腰椎管狭窄术后患者中的康复疗效.方法 收集2019年6月至2020年6月本院科室收治的30例DISS患者开展研究,以双盲法分组,即对照组(n=15,常规康复治疗)和观察组(n=15,基于常规康复治疗加强步态训练),对比两组康复疗效.结果 治疗后,观察组腰椎JOA评分高于对照组,而ODI评分、VAS评分低于对照组(P<0.05);观察组患者步速、步频、步幅等相关步态指标观测所得结果 优于对照组(P<0.05).结论 在腰椎管狭窄术后康复治疗中积极开展步态训练可改善患者腰椎功能,轻其疼痛症状.

摘要： 目的 评价老年糖尿病患者的步态特征差异,为糖尿病足和老年跌倒事件的预防提供参考.方法 选取老年糖尿病患者30例为糖尿病组,另选取年龄、性别相匹配的健康人35例为对照组.使用可穿戴步态分析系统记录受检者的步态参数,比较糖尿病组与对照组的步态参数、糖尿病组与对照组不同性别的步态参数.将糖尿病患者根据体质量指数(BMI)是否≥28 kg/m2分为肥胖组与非肥胖组,比较肥胖组与非肥胖组的步态参数.结果 与对照组比较,糖尿病组的步态参数中步幅、摆动最小/最大角度、离地/着地角度、步频与步速更小,支撑/双足时间更长(P＜0.05).性别步态参数比较中,糖尿病组男性步幅、步速、摆动最小/最大角度与着地角度均小于对照组男性,双足时间长于对照组男性(P＜0.05);糖尿病组女性的摆动最小/最大角度、步幅、步频、离地/着地角度、步速均小于对照组女性,支撑/双足时间均长于对照组女性(P＜0.05).糖尿病患者中肥胖组的离地角度、步速、摆动最小角度、步幅均小于非肥胖组,支撑/双足时间均长于非肥胖组(P＜0.05).结论 老年糖尿病患者的步态性能发生改变,且女性患者的变化参数更多,肥胖患者较非肥胖患者的变化更大.

摘要： 目的 探讨放射式体外冲击波穴位联合本体感觉训练对老年膝骨性关节炎(KOA)患者的康复效果.方法 选取2017年4月至2019年4月青岛市市立医院收治的50例老年KOA患者作为研究对象,按照随机数字表法将其分为对照组和观察组,每组各25例.对照组采用常规康复联合本体感觉训练,在此基础上,观察组加用放射式体外冲击波穴位,连续治疗4周.治疗前、治疗4周后,使用Lysholm膝关节评分量表和西大略湖和麦克马斯特大学(WOMAC)骨关节炎指数量表评估两组膝关节功能情况;比较两组跌倒指数、肌力情况及两组步态参数.结果 治疗4周后,两组LKSS评分均较治疗前升高,WOMAC骨关节炎指数量表评分均较治疗前降低,且观察组LKSS评分高于对照组,WOMAC骨关节炎指数量表评分低于对照组,差异有统计学意义(P<0.05);两组跌倒指数均较治疗前降低,屈膝肌群和伸膝肌群的峰力矩(PT)值较治疗前升高,且观察组跌倒指数低于对照组,屈膝肌群和伸膝肌群的PT值高于对照组,差异有统计学意义(P<0.05);两组步长、步速均较治疗前升高,且观察组高于对照组,差异有统计学意义(P<0.05).结论 放射式体外冲击波穴位联合本体感觉训练更利于改善老年KOA患者膝关节功能,提高患者平衡能力,且步态改善更明显,在促进老年KOA患者康复方面更具价值.

摘要： 国内外大量文献证明,注意控制能力与运动成绩密切相关,因此本研究以一般运动和生活中常见的步行动作作为研究对象,探讨不同注意控制能力因素与认知任务对步态特征的影响,从而进一步揭示完成双重任务时,注意力控制能力差异对动作控制能力的影响.

摘要： 在基于MEMS IMU的行人导航系统中,针对常规的仅依靠加速计数据进行零速区间检测的精度不高的问题,提出一种多条件阈值约束的零速区间检测算法.该方法结合行人的步态特征,综合加速计和角速度的信号特点,通过设定自适应阈值来提取出人行走过程的零速区间,有效降低了零速检测的误判率.采用该方法对行人不同的行走状态进行零速区间检测检测,结果表明利用多条件约束的零速区间检测方法,在正常行走状态下,零速区间检测成功率达到100％;在跑步、上下楼梯等其他行走状态下,零速区间检测的准确率达到98％以上.

摘要： KOA临床上以疼痛、僵硬、肿胀、活动受限、活动时可有弹响声为特征,其中疼痛和关节活动受限严重影响患者的生活质量.KOA发病率高而且多见于女性,我国60岁以上人群KOA发病率高达49％.目前KOA的病因和发病机制还没有确切的定论,本文将根据KOA患者的步态特征、患病表现从运动生物力学的角度对可能引发KOA的病因机制、康复方法等方面进行分析讨论,探究KOA的生物力学发病机制及治疗方法.

摘要： 通过对不同跌倒风险老年人完成跨越障碍时的步态运动学特征进行分析,探索不同跌倒风险老年人在跨越障碍过程中人体各环节的运动学参数特征,为老年群体跌倒防控,降低运动风险提供理论和技术指导.

摘要： 通过对不同跌倒风险老年人完成跨越障碍时的步态运动学特征进行分析,探索不同跌倒风险老年人在跨越障碍过程中人体各环节的运动学参数特征,为老年群体跌倒防控,降低运动风险提供理论和技术指导.

摘要： 通过对不同跌倒风险老年人完成跨越障碍时的步态运动学特征进行分析,探索不同跌倒风险老年人在跨越障碍过程中人体各环节的运动学参数特征,为老年群体跌倒防控,降低运动风险提供理论和技术指导.

摘要： 通过对不同跌倒风险老年人完成跨越障碍时的步态运动学特征进行分析,探索不同跌倒风险老年人在跨越障碍过程中人体各环节的运动学参数特征,为老年群体跌倒防控,降低运动风险提供理论和技术指导.

摘要： 通过对不同跌倒风险老年人完成跨越障碍时的步态运动学特征进行分析,探索不同跌倒风险老年人在跨越障碍过程中人体各环节的运动学参数特征,为老年群体跌倒防控,降低运动风险提供理论和技术指导.

摘要： 通过生物力学和运动学手段揭示两种状态步行过程中下肢各肌肉的活动与步态的关系，以期预警长时间行走凝视手机对人体步态的影响。

摘要： 通过生物力学和运动学手段揭示两种状态步行过程中下肢各肌肉的活动与步态的关系，以期预警长时间行走凝视手机对人体步态的影响。

摘要： 本发明公开了一种步态特征提取方法及基于步态特征的行人身份识别方法，步态特征提取方法包括以下步骤：步骤A：对步态图像序列中的每一帧步态图像，获取其中行人所在区域，作为感兴趣区域；步骤B：分割感兴趣区域中的行人目标；步骤C：获取每一帧步态图像中行人目标的关节点位置信息；步骤D：基于该步态图像序列的各帧步态图像中行人目标的关节点位置信息，进行步态周期检测；步骤E：根检测出的步态周期，合成该步态图像序列对应的步态能量图，作为步态特征。基于提取出的步态特征利用判别网络和对比网络对行人目标进行判断或识别。本发明较好解决了步态识别领域小样本分类中样本量不足的问题，且算法实时性好。

摘要： 本发明公开了一种联合多步态特征协同字典的步态识别方法，包括以下步骤：步态周期检测、深度图像的预处理、深度图像的特征提取、骨骼特征的提取、联合多特征协同字典的步态识别。该发明实现了一种新的联合步态骨骼特征和稀疏深度能量图的协同识别方法，不仅能够有效地提取具有显著差异性的步态特征，又能联合和互补多类型的步态特征，发挥每种类型特征的优势，提高了步态识别过程中的准确性和鲁棒性，为身份识别提供了一个有效和科学的解决方案。本发明充分考虑到了实际环境中摄像机与运动目标之间距离远近对深度图像成像产生的影响，并给出了具体的解决方案，使得深度图像不仅有效地与背景分割，还有效地消除了噪声的影响。

摘要： 本发明提供了一种基于分块水平金字塔时空特征融合模型和步态重排序的跨视角步态识别方法，包括：获取训练样本集，构建三元组组合，预处理后构建分块水平金字塔时空特征融合模型并训练；获取注册样本集、待识别步态样本，预处理后进行初步步态识别：将注册样本集和待识别身份的步态样本送入训练好的分块水平金字塔时空特征融合模型中得到注册特征库和步态特征，通过欧式距离计算得到初步候选身份的候选集合；根据候选集合，计算互近邻特征集合，输出欧式距离最近的特征所对应的样本的身份为待识别样本的身份，得到最终的识别结果。本发明对时空特征进行融合，能在较低的计算复杂度且不增加学习参数的情况下将时空特征融合到一起，识别率高。

摘要： 本发明公开了一种步态特征提取方法及基于步态特征的行人身份识别方法，步态特征提取方法包括以下步骤：步骤A：对步态图像序列中的每一帧步态图像，获取其中行人所在区域，作为感兴趣区域；步骤B：分割感兴趣区域中的行人目标；步骤C：获取每一帧步态图像中行人目标的关节点位置信息；步骤D：基于该步态图像序列的各帧步态图像中行人目标的关节点位置信息，进行步态周期检测；步骤E：根检测出的步态周期，合成该步态图像序列对应的步态能量图，作为步态特征。基于提取出的步态特征利用判别网络和对比网络对行人目标进行判断或识别。本发明较好解决了步态识别领域小样本分类中样本量不足的问题，且算法实时性好。

摘要： 本申请公开了一种步态特征提取方法、步态特征提取模型的训练方法、步态识别方法、电子设备及计算机可读存储介质。该步态特征提取方法包括：获取目标对象的待处理视频；对待处理视频进行特征提取，得到目标对象的第一步态特征图和目标对象的关节点热力图；关节点热力图是针对目标对象的至少一个目标部位提取的；将第一步态特征图和关节点热力图融合，得到至少一个目标部位中各个目标部位的第一部位特征图；将各个目标部位的第一部位特征子图融合，得到目标对象的第二步态特征图。通过上述方式，能够提高第二步态特征对目标对象的步态信息的表达能力。

摘要： 本发明公开了一种提取行人的步态特征的方法、步态识别方法及系统。其中，提取行人的步态特征的方法包括步骤：针对来自动态视觉传感器的一段事件数据流，每隔预设时长的事件数据，生成一帧包含行人的图像，来生成图像序列；从图像序列中，分别提取每一帧图像中行人的姿态轮廓并生成姿态轮廓图，以得到姿态轮廓图序列；对姿态轮廓图序列进行特征提取，以得到表示行人步态信息的特征向量。本发明一并公开相应的计算设备。

摘要： 一种基于步态时空特征分解的步态识别方法，对获得的视频进行预处理，将包含若干帧的原始步态序列转化为以数组形式表示的动态骨骼序列；利用时空图卷积网络，基于时间空间双维度提取行为人的步态时空特征，并将步态时空特征进行融合形成步态特征图；基于CP分解对步态特征图中各阶因子矩阵的参数进行优化分解，以得到主要的步态特征；基于所述主要的步态特征对待识别的对象进行识别。与现有技术相比，本发明通过人体动态骨骼序列避免了人体受外部因素，如衣服、背包因素的干扰，进一步提升了步态识别准确率。

摘要： 本发明提供了一种基于分块水平金字塔时空特征融合模型和步态重排序的跨视角步态识别方法，包括：获取训练样本集，构建三元组组合，预处理后构建分块水平金字塔时空特征融合模型并训练；获取注册样本集、待识别步态样本，预处理后进行初步步态识别：将注册样本集和待识别身份的步态样本送入训练好的分块水平金字塔时空特征融合模型中得到注册特征库和步态特征，通过欧式距离计算得到初步候选身份的候选集合；根据候选集合，计算互近邻特征集合，输出欧式距离最近的特征所对应的样本的身份为待识别样本的身份，得到最终的识别结果。本发明对时空特征进行融合，能在较低的计算复杂度且不增加学习参数的情况下将时空特征融合到一起，识别率高。

摘要： 本发明公开了一种基于惯性传感器的步态特征提取和步态识别方法，具体包括如下步骤：步骤1，对步态信号进行预处理；步骤2，对经步骤1处理后的步态信号进行步态关键点检测；步骤3，根据步骤2的检测结果，提取步态周期特征向量；步骤4，对步骤3提取的步态周期特征向量进行PCA‑CCA特征融合；步骤5，对经步骤4融合后的特征向量进行步态识别分类建模。本发明将惯性传感器放置在人体下肢的左右小腿中部以更好地捕捉步态信息，通过基于观测窗口的步态关键点检测方法准确划分步态周期，从而提取相应的加速度和角速度步态特征，通过PCA‑CCA特征融合方法，将角速度特征和加速度特征进行融合，提高了步态识别的准确性。

摘要： 本发明公开了一种联合多步态特征协同字典的步态识别方法，包括以下步骤：步态周期检测、深度图像的预处理、深度图像的特征提取、骨骼特征的提取、联合多特征协同字典的步态识别。该发明实现了一种新的联合步态骨骼特征和稀疏深度能量图的协同识别方法，不仅能够有效地提取具有显著差异性的步态特征，又能联合和互补多类型的步态特征，发挥每种类型特征的优势，提高了步态识别过程中的准确性和鲁棒性，为身份识别提供了一个有效和科学的解决方案。本发明充分考虑到了实际环境中摄像机与运动目标之间距离远近对深度图像成像产生的影响，并给出了具体的解决方案，使得深度图像不仅有效地与背景分割，还有效地消除了噪声的影响。