CN109063661A - 步态分析方法及装置 - Google Patents

Abstract

本申请涉及一种步态分析方法及装置，涉及医疗技术领域，解决现有方法成本高、周期长、专业要求高的问题，该方法基于分析对象的步行视频实现，包括：获取步行视频中分析对象的步态参数；依据步态参数对分析对象的身体状况进行评估，该方法主要用于人体步态分析。

Description

步态分析方法及装置

技术领域

本申请涉及医疗技术领域，尤其涉及一种步态分析方法及装置。

背景技术

国际权威医疗机构研究表明，人体步态异常特征与认知功能障碍存在明确的关联关系。记录、跟踪、分析人体的步态变化对及早发现认知功能障碍相关疾病，具有重大的社会意义。

步态分析是作为医疗诊断、康复评估的主要手段，贯穿康复医学的整个过程，相关技术中，对人体步态的分析往往依赖于大型专业的医疗设备，需要增加大量的传感器，这不仅成本高、周期长，而且需要很高的专业能力，这都限制了步态分析的应用范围和应用频率。

发明内容

为至少在一定程度上克服相关技术中，步态分析需要依赖大型医疗设备，增设大量传感器，造成的成本高、周期长、专业要求高的问题，本发明实施例提供以下技术方案：

第一方面，一种步态分析方法，所述方法基于分析对象的步行视频实现，包括：

获取所述步行视频中分析对象的步态参数；

依据所述步态参数对分析对象的身体状况进行评估。

可选的，所述获取所述步行视频中分析对象的步态参数包括：

从每帧视频图像中识别出所述分析对象的特征部位；

获取并在每帧视频图像中标记所述特征部位对应点的坐标；

根据每帧视频图像中特征部位对应点的坐标计算所述分析对象的移动速度；

根据所述移动速度和/或获取的绝对位置得到步态周期；

根据所述步态周期获取所述分析对象的步态参数。

可选的，所述计算所述分析对象的移动速度为：

根据相邻帧图像中的标记的同一特征部位的位移、相隔时间及画面缩放比计算所述分析对象的移动速度。

可选的，所述根据每帧视频图像中特征部位对应点的坐标计算所述分析对象的移动速度之前还包括：

对每帧视频图像中标记异常的所述特征部位对应点的坐标进行预处理，以使每帧视频图像中的所述特征部位对应点的坐标符合预设的标记规则。

可选的，所述依据所述步态参数对分析对象的身体状况进行评估包括：

将所述步态参数与预设参数进行对比，得到对比结果；

根据所述对比结果对所述分析对象进行评估。

可选的，所述方法还包括：

建立所述分析对象的步态特征库，所述步态特征库记录所述分析对象的所述评估结果。

可选的，所述步态参数包括时间参数、空间参数、运动学分析参数中至少一种参数。

可选的，所述特征部位为鼻子、眼睛、耳朵、肩关节、肘关节、腕关节、踝关节、足关节、膝关节中的一个或多个部位。

第二方面，一种步态分析装置，包括：

处理器，以及与所述处理器相连接的存储器；

所述存储器用于存储计算机程序，所述计算机程序用于执行所述步态分析方法；

所述处理器用于调用并执行所述存储器中的所述计算机程序；

其中，所述步态分析方法包括：

获取所述步行视频中分析对象的步态参数；

依据所述步态参数对分析对象的身体状况进行评估。

可选的，所述获取所述步行视频中分析对象的步态参数包括：

从每帧视频图像中识别出所述分析对象的特征部位；

获取并在每帧视频图像中标记所述特征部位对应点的坐标；

根据每帧视频图像中特征部位对应点的坐标计算所述分析对象的移动速度；

根据所述移动速度和/或获取的绝对位置得到步态周期；

根据所述步态周期获取所述分析对象的步态参数。

可选的，所述计算所述分析对象的移动速度为：

根据相邻帧图像中的标记的同一特征部位的位移、相隔时间及画面缩放比计算所述分析对象的移动速度。

可选的，所述根据每帧视频图像中特征部位对应点的坐标计算所述分析对象的移动速度之前还包括：

对每帧视频图像中标记异常的所述特征部位对应点的坐标进行预处理，以使每帧视频图像中的所述特征部位对应点的坐标符合预设的标记规则。

可选的，所述依据所述步态参数对分析对象的身体状况进行评估包括：

将所述步态参数与预设参数进行对比，得到对比结果；

根据所述对比结果对所述分析对象进行评估。

可选的，所述方法还包括：

建立所述分析对象的步态特征库，所述步态特征库记录所述分析对象的所述评估结果。

可选的，所述步态参数包括时间参数、空间参数、运动学分析参数中至少一种参数。

可选的，所述特征部位为鼻子、眼睛、耳朵、肩关节、肘关节、腕关节、踝关节、足关节、膝关节中的一个或多个部位。。

第三方面，一种步态分析装置，包括：

视频播放模块，用于播放分析对象的步行视频；

获取模块，用于获取所述步行视频中分析对象的步态参数；

评估模块，用于依据所述步态参数对分析对象的身体状况进行评估。

可选的，所述获取模块，包括：

识别模块，用于从每帧视频图像中识别出分析对象的特征部位；

坐标获取模块，用于获取每帧视频图像中特征部位对应点的坐标；

标记模块，用于获取并在每帧视频图像中标记特征部位对应点的坐标；

运算模块，用于根据每帧视频图像中特征部位对应点的坐标计算分析对象的移动速度；

生成模块，用于根据移动速度和/或获取的绝对位置得到步态周期；

步态参数获取模块，用于根据步态周期获取分析对象的步态参数。

可选的，所述计算所述分析对象的移动速度为：

根据相邻帧图像中的标记的同一特征部位的位移、相隔时间及画面缩放比计算所述分析对象的移动速度。

可选的，获取模块，还用于：

对每帧视频图像中标记异常的所述特征部位对应点的坐标进行预处理，以使每帧视频图像中的所述特征部位对应点的坐标符合预设的标记规则。

可选的，所述评估模块具体用于：

将所述步态参数与预设参数进行对比，得到对比结果；

根据所述对比结果对所述分析对象进行评估。

可选的，还包括存档模块，用于建立所述分析对象的步态特征库，所述步态特征库记录所述分析对象的所述评估结果。

可选的，所述步态参数包括时间参数、空间参数、运动学分析参数中至少一种参数。

可选的，所述特征部位为鼻子、眼睛、耳朵、肩关节、肘关节、腕关节、踝关节、足关节、膝关节中的一个或多个部位。

第四方面，一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器端的处理器执行时，使得处理器能够执行一种步态分析方法，所述方法基于分析对象的步行视频实现，包括：

获取所述步行视频中分析对象的步态参数；

依据所述步态参数对分析对象的身体状况进行评估。

可选的，所述获取所述步行视频中分析对象的步态参数包括：

从每帧视频图像中识别出所述分析对象的特征部位；

获取并在每帧视频图像中标记所述特征部位对应点的坐标；

根据每帧视频图像中特征部位对应点的坐标计算所述分析对象的移动速度；

根据所述移动速度和/或获取的绝对位置得到步态周期；

根据所述步态周期获取所述分析对象的步态参数。

可选的，所述计算所述分析对象的移动速度为：

根据相邻帧图像中的标记的同一特征部位的位移、相隔时间及画面缩放比计算所述分析对象的移动速度。

可选的，所述根据每帧视频图像中特征部位对应点的坐标计算所述分析对象的移动速度之前还包括：

对每帧视频图像中标记异常的所述特征部位对应点的坐标进行预处理，以使每帧视频图像中的所述特征部位对应点的坐标符合预设的标记规则。

可选的，所述依据所述步态参数对分析对象的身体状况进行评估包括：

将所述步态参数与预设参数进行对比，得到对比结果；

根据所述对比结果对所述分析对象进行评估。

可选的，所述方法还包括：

建立所述分析对象的步态特征库，所述步态特征库记录所述分析对象的所述评估结果。

可选的，所述步态参数包括时间参数、空间参数、运动学分析参数中至少一种参数。

可选的，所述特征部位为鼻子、眼睛、耳朵、肩关节、肘关节、腕关节、踝关节、足关节、膝关节中的一个或多个部位。

本申请实施例的步态分析方法和装置，该方法获取分析对象的步行视频的步态参数后，依据步态参数对分析对象的身体状况进行评估；以视频图像代替大量的传感器，获取步态参数后可直接对分析对象的身体状况进行评估，降低了成本、分析周期短，进而提高了步态分析的应用范围和应用频率。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是本申请一个实施例提供的一种步态分析方法的流程图。

图2是本申请一个实施例提供的另一种步态分析方法的流程图。

图3是本申请一个实施例提供的一种步态分析装置的结构示意图。

图4是本申请另一个实施例提供的一种步态分析装置的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的步态分析方法及装置相一致的例子。

实施例一

图1是本申请一个实施例提供的步态分析方法的流程图。参见图1，该方法基于分析对象的步行视频实现，包括：

步骤101、获取步行视频中分析对象的步态参数。

步骤102、依据步态参数对分析对象的身体状况进行评估。

本实施例提供的步态分析方法，该方法获取分析对象的步行视频的步态参数后，依据步态参数对分析对象的身体状况，获取步态参数后可直接对分析对象的身体状况进行评估；以视频图像代替大量的传感器进行评估，降低了成本、分析周期短，进而提高了步态分析的应用范围和应用频率。

实施例二

基于上述实施例，本发明实施例提供另一种步态分析方法的实施例，结合图2，该方法包括：

步骤201、获取步行视频中分析对象的步态参数，具体包括：

1)从每帧视频图像中识别出分析对象的特征部位。

本步骤中，先获取一段分析对象的步行视频，利用深度学习算法自动识别分析对象的特征部位。其中，步行视频为单人行走的视频，视频可以是正面行走视频，也可以是侧面行走视频，对于利用深度学习算法自动识别分析对象的特征部位相关技术中已有详细说明，此处不再赘述。

其中，特征部位由本领域技术人员选取人体的指定部位，如可以为鼻子、眼睛、耳朵、肩关节、肘关节、腕关节、踝关节、足关节、膝关节中的一个或多个部位。

2)获取并在每帧视频图像中标记特征部位对应点的坐标。

通常，在每帧视频图像中，是以图像的左上角为坐标系原点建立直角坐标系，当利用深度学习算法识别到分析对象的特征部位后，便可以获取到每帧视频图像中特征部位对应点的坐标，并对该坐标进行标记。由于，识别的特征部位有多个，因此，在对特征部位对应点的坐标进行标记时，为便于区分，可以选择不同的颜色标记不同的特征部位对应点。

3)对每帧视频图像中标记异常的特征部位对应点的坐标进行预处理，以使每帧视频图像中的特征部位对应点的坐标符合预设的标记规则。

在识别特征部位时，会出现未识别到或识别错误的情况，因此在对特征部位进行标记时，便会出现标记异常，因此需要对标记异常的特征部位对应点进行预处理。预处理的方式有多种，例如，可以为前值替代法，即采用前一帧的数据替代当前帧的缺失的值；还可以为平均值替代法，即利用前后若干帧数据的平均值作为当前帧的值；还可以为预测值替代法，即利用前若干帧的数据计算最小二乘法(不限于该方法)的参数值，得到一个预测函数，利用这个预测函数计算当前帧的值，作为缺失值的替代。

其中，预设的标记规则可以但不限于为对应点的坐标符合或接近符合实际的关节位置。

4)根据每帧视频图像中特征部位对应点的坐标计算分析对象的移动速度。

其中，分析对象的移动速度的计算方法可以为：

根据相邻帧图像中的标记的同一特征部位的位移、相隔时间及画面缩放比计算分析对象的移动速度。

具体的，相邻帧图像中标记的同一特征部位的位移，即为两个坐标之间的位移S，相邻帧图像相隔的时间T是一定的，分析对象在图像中的身高与其实际身高的比值计算画面缩放比P，因此，分析对象在相邻帧之间的移动速度

5)根据移动速度和/或获取的绝对位置得到步态周期。

其中，绝对位置可以但不限于为地面在图像中的位置。地面在图像中的位置的获取方式有多种，例如，可以为，根据移动速度确定，当移动速度极小或为零时，认为速度为零的点的连线为地面在图像中的位置；也可以为，特征部位对应点的坐标在图像中的最低点；还可以为，在图像上画条直线作为地面在图像中的位置，该直线为分析对象行走的路线。

由于人步行的过程，是脚尖离地、脚跟着地的重复过程，而人脚的离地与着地是脚部加速和减速的运动过程。依据获得的分析对象的移动速度，可以进一步得到分析对象的运动加速度，通过标记的特征部位对应点的坐标、分析对象的运动速度及加速度，自动智能识别分析对象的脚尖离地、脚跟着地的时点，如此便可获得步态周期。同时，也可以参照获取的绝对位置即地面在图像中的位置，更加准确的确定脚尖是否离地、脚跟是否着地，来或得更加准确的步态周期。对步态周期进行划分处理，以划分出每个步态周期内的步态参数。其中，可以是随机选取，也可以是选择指定的周期内的步态参数，如第一个周期或最后一个周期等。

6)根据步态周期获取分析对象的步态参数。

其中，步态参数包括时间参数、空间参数、运动学分析参数中至少一种参数。时间参数可以包括跨步时长、站立时长、摆动时长、站立相、摆动相、单腿支撑期、双腿支撑期、平均速度、步频等；空间参数可以包括跨步长、步长、步宽；运动学分析参数可以包括骨盆高低、骨盆前倾、髋内收外展、髋屈伸、膝屈伸、踝背屈-跖屈、足前进交脚、躯干前后倾、头部侧倾、躯干侧倾、头部前后倾、肩内收外展、躯干高低肩、骨盆前后倾、膝外翻内翻。

步骤202、依据步态参数对分析对象的身体状况进行评估，具体包括：

将步态参数与预设参数进行对比，得到对比结果；根据对比结果对分析对象进行评估。

其中，预设参数为临床常用的客观指标。将上述获得的参数与预设参数进行对比，可以对分析对象进行评估。

步骤203、建立分析对象的步态特征库，步态特征库记录分析对象的评估结果。

通过建立分析对象的步态特征库，可以在分析对象的不同时期，根据分析对象的评估结果进行跟踪研究，对分析对象提出合理化建议。

实施例三

图3是本申请一个实施例提供的一种步态分析的装置的结构示意图。参照图3，本申请实施例的提供了一种步态分析装置，包括：

处理器301，以及与处理器相连接的存储器302；

存储器用于存储计算机程序，计算机程序用于执行实施例一和实施例二所记载的步态分析方法；

处理器用于调用并执行存储器中的计算机程序；

本实施例计算机程序的具体实现方案可以参见前述实施例一和实施例二记载的步态分析方法实施例中的相关说明，此处不再赘述。

实施例四

图4是本申请另一个实施例提供的一种步态分析的装置的结构示意图。参照图4，本申请实施例的第三方面提供了一种步态分析装置，包括：

视频播放模块401，用于播放分析对象的步行视频；

获取模块402，用于获取步行视频中分析对象的步态参数；

评估模块403，用于依据步态参数对分析对象的身体状况进行评估。

作为本实施例的一种可选实现方式，获取模块402，包括：

识别模块，用于从每帧视频图像中识别出分析对象的特征部位；

坐标获取模块，用于获取每帧视频图像中特征部位对应点的坐标；

标记模块，用于获取并在每帧视频图像中标记特征部位对应点的坐标；

运算模块，用于根据每帧视频图像中特征部位对应点的坐标计算分析对象的移动速度；

生成模块，用于根据移动速度和/或获取的绝对位置得到步态周期；

步态参数获取模块，用于根据步态周期获取分析对象的步态参数。

作为本实施例的一种可选实现方式，计算分析对象的移动速度的实现方式可以为：根据相邻帧图像中的标记的同一特征部位的位移、相隔时间及画面缩放比计算分析对象的移动速度。

作为本实施例的一种可选实现方式，获取模块，还用于：

对每帧视频图像中标记异常的特征部位对应点的坐标进行预处理，以使每帧视频图像中的特征部位对应点的坐标符合预设的标记规则。

作为本实施例的一种可选实现方式，评估模块可以用于实现以下操作：

将步态参数与预设参数进行对比，得到对比结果；

根据对比结果对分析对象进行评估。

作为本实施例的一种可选实现方式，该装置还包括存档模块，用于建立分析对象的步态特征库，步态特征库记录分析对象的评估结果。

本实施例的具体实现方案可以参见前述实施例一和实施例二记载的步态分析方法实施例中的相关说明，此处不再赘述。

实施例五

本发明实施例提供一种非临时性计算机可读存储介质，当存储介质中的指令由服务器端的处理器执行时，使得处理器能够执行实施例一和实施例二记载的一种步态分析方法。

本实施例的具体实现方案可以参见前述实施例一和实施例二记载的步态分析方法实施例中的相关说明，此处不再赘述。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种步态分析方法，其特征在于，所述方法基于分析对象的步行视频实现，包括：

获取所述步行视频中分析对象的步态参数；

依据所述步态参数对分析对象的身体状况进行评估。

2.根据权利要求1所述的步态分析方法，其特征在于，所述获取所述步行视频中分析对象的步态参数包括：

从每帧视频图像中识别出所述分析对象的特征部位；

获取并在每帧视频图像中标记所述特征部位对应点的坐标；

根据每帧视频图像中特征部位对应点的坐标计算所述分析对象的移动速度；

根据所述移动速度和/或获取的绝对位置得到步态周期；

根据所述步态周期获取所述分析对象的步态参数。

3.根据权利要求2所述的步态分析方法，其特征在于，所述计算所述分析对象的移动速度为：

根据相邻帧图像中的标记的同一特征部位的位移、相隔时间及画面缩放比计算所述分析对象的移动速度。

4.根据权利要求2所述的步态分析方法，其特征在于，所述根据每帧视频图像中特征部位对应点的坐标计算所述分析对象的移动速度之前还包括：

对每帧视频图像中标记异常的所述特征部位对应点的坐标进行预处理，以使每帧视频图像中的所述特征部位对应点的坐标符合预设的标记规则。

5.根据权利要求1所述的步态分析方法，其特征在于，所述依据所述步态参数对分析对象的身体状况进行评估包括：

将所述步态参数与预设参数进行对比，得到对比结果；

根据所述对比结果对所述分析对象进行评估。

6.根据权利要求1所述的步态分析方法，其特征在于，所述方法还包括：

建立所述分析对象的步态特征库，所述步态特征库记录所述分析对象的所述评估结果。

7.根据权利要求1-6任一项所述的步态分析方法，其特征在于，所述步态参数包括时间参数、空间参数、运动学分析参数中至少一种参数。

8.根据权利要求1-6任一项所述的步态分析方法，其特征在于，所述特征部位为鼻子、眼睛、耳朵、肩关节、肘关节、腕关节、踝关节、足关节、膝关节中的一个或多个部位。

9.一种步态分析装置，其特征在于，包括：处理器，以及与所述处理器相连接的存储器；

所述存储器用于存储计算机程序，所述计算机程序用于执行权利要求1-8任一项所述的步态分析方法；

所述处理器用于调用并执行所述存储器中的所述计算机程序。

10.一种步态分析装置，其特征在于，包括：

视频播放模块，用于播放分析对象的步行视频；

获取模块，用于获取所述步行视频中分析对象的步态参数；

评估模块，用于依据所述步态参数对分析对象的身体状况进行评估。