CN109063661A - 步态分析方法及装置 - Google Patents
步态分析方法及装置 Download PDFInfo
- Publication number
- CN109063661A CN109063661A CN201810901882.7A CN201810901882A CN109063661A CN 109063661 A CN109063661 A CN 109063661A CN 201810901882 A CN201810901882 A CN 201810901882A CN 109063661 A CN109063661 A CN 109063661A
- Authority
- CN
- China
- Prior art keywords
- gait
- analysis
- parameter
- analysis object
- characteristic portion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
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
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810901882.7A CN109063661A (zh) | 2018-08-09 | 2018-08-09 | 步态分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810901882.7A CN109063661A (zh) | 2018-08-09 | 2018-08-09 | 步态分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109063661A true CN109063661A (zh) | 2018-12-21 |
Family
ID=64678831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810901882.7A Pending CN109063661A (zh) | 2018-08-09 | 2018-08-09 | 步态分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109063661A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084156A (zh) * | 2019-04-12 | 2019-08-02 | 中南大学 | 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 |
CN111539365A (zh) * | 2020-04-29 | 2020-08-14 | 兰州大学 | 一种动物行为分析方法、装置及电子设备 |
CN112998700A (zh) * | 2021-05-26 | 2021-06-22 | 北京欧应信息技术有限公司 | 用于辅助对象运动功能评估的设备、***和方法 |
CN113255462A (zh) * | 2021-04-29 | 2021-08-13 | 深圳大学 | 步态评分方法、***、计算机程序产品及可读存储介质 |
CN113657278A (zh) * | 2021-08-18 | 2021-11-16 | 成都信息工程大学 | 一种运动姿态识别方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1969748A (zh) * | 2006-11-29 | 2007-05-30 | 华中科技大学 | 一种基于单目视频的计算机辅助步态分析方法 |
CN101558996A (zh) * | 2009-05-15 | 2009-10-21 | 天津大学 | 基于人体运动结构正投影三维重建的步态识别方法 |
CN101695445A (zh) * | 2009-10-29 | 2010-04-21 | 浙江大学 | 一种基于加速度传感器的步态身份识别方法 |
CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析***和方法 |
CN104331705A (zh) * | 2014-10-28 | 2015-02-04 | 中国人民公安大学 | 融合时空信息的步态周期自动检测方法 |
US20170243354A1 (en) * | 2016-02-19 | 2017-08-24 | Xerox Corporation | Automatic frontal-view gait segmentation for abnormal gait quantification |
CN107480651A (zh) * | 2017-08-25 | 2017-12-15 | 清华大学深圳研究生院 | 异常步态检测方法及异常步态检测*** |
-
2018
- 2018-08-09 CN CN201810901882.7A patent/CN109063661A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1969748A (zh) * | 2006-11-29 | 2007-05-30 | 华中科技大学 | 一种基于单目视频的计算机辅助步态分析方法 |
CN101558996A (zh) * | 2009-05-15 | 2009-10-21 | 天津大学 | 基于人体运动结构正投影三维重建的步态识别方法 |
CN101695445A (zh) * | 2009-10-29 | 2010-04-21 | 浙江大学 | 一种基于加速度传感器的步态身份识别方法 |
CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析***和方法 |
CN104331705A (zh) * | 2014-10-28 | 2015-02-04 | 中国人民公安大学 | 融合时空信息的步态周期自动检测方法 |
US20170243354A1 (en) * | 2016-02-19 | 2017-08-24 | Xerox Corporation | Automatic frontal-view gait segmentation for abnormal gait quantification |
CN107480651A (zh) * | 2017-08-25 | 2017-12-15 | 清华大学深圳研究生院 | 异常步态检测方法及异常步态检测*** |
Non-Patent Citations (2)
Title |
---|
孟明等: "基于深度图像的人体关节定位与步态分析", 《华中科技大学学报(自然科学版)》 * |
杨秀霞等: "《下肢智能携行外骨骼***控制理论与技术》", 31 December 2017, 国防工业出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084156A (zh) * | 2019-04-12 | 2019-08-02 | 中南大学 | 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 |
CN111539365A (zh) * | 2020-04-29 | 2020-08-14 | 兰州大学 | 一种动物行为分析方法、装置及电子设备 |
CN111539365B (zh) * | 2020-04-29 | 2022-08-23 | 兰州大学 | 一种动物行为分析方法、装置及电子设备 |
CN113255462A (zh) * | 2021-04-29 | 2021-08-13 | 深圳大学 | 步态评分方法、***、计算机程序产品及可读存储介质 |
CN112998700A (zh) * | 2021-05-26 | 2021-06-22 | 北京欧应信息技术有限公司 | 用于辅助对象运动功能评估的设备、***和方法 |
CN112998700B (zh) * | 2021-05-26 | 2021-09-24 | 北京欧应信息技术有限公司 | 用于辅助对象运动功能评估的设备、***和方法 |
CN113657278A (zh) * | 2021-08-18 | 2021-11-16 | 成都信息工程大学 | 一种运动姿态识别方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063661A (zh) | 步态分析方法及装置 | |
Ahmadi et al. | Toward automatic activity classification and movement assessment during a sports training session | |
US20210346761A1 (en) | Automated gait evaluation for retraining of running form using machine learning and digital video data | |
CN107174255A (zh) | 基于Kinect体感技术的三维步态信息采集与分析方法 | |
US20210315486A1 (en) | System and Method for Automatic Evaluation of Gait Using Single or Multi-Camera Recordings | |
Chaudhari et al. | Yog-guru: Real-time yoga pose correction system using deep learning methods | |
KR101118654B1 (ko) | 모션캡쳐 기반의 자세분석을 통한 재활 장치 및 이에 따른 재활 방법 | |
CN112970074A (zh) | 身体活动量化和监测 | |
US11403882B2 (en) | Scoring metric for physical activity performance and tracking | |
US10849532B1 (en) | Computer-vision-based clinical assessment of upper extremity function | |
WO2017161734A1 (zh) | 通过电视和体感配件矫正人体动作及*** | |
CN107115102A (zh) | 一种骨关节功能评估方法与装置 | |
CN111883229B (zh) | 一种基于视觉ai的智能运动指导方法及*** | |
Verlekar et al. | Estimation and validation of temporal gait features using a markerless 2D video system | |
Zhang et al. | RGB-D camera based walking pattern recognition by support vector machines for a smart rollator | |
CN113229807A (zh) | 人体康复评估装置、方法、电子设备及存储介质 | |
Horsak et al. | Concurrent validity of smartphone-based markerless motion capturing to quantify lower-limb joint kinematics in healthy and pathological gait | |
CN110910426A (zh) | 动作过程和动作趋势识别方法、存储介质和电子装置 | |
Nouredanesh et al. | Chasing feet in the wild: a proposed egocentric motion-aware gait assessment tool | |
CN108885087B (zh) | 测量装置、测量方法和计算机可读记录介质 | |
JP2007121217A (ja) | 身体動作解析装置 | |
Abd Shattar et al. | Experimental setup for markerless motion capture and landmarks detection using OpenPose during dynamic gait index measurement | |
WO2005125210A1 (en) | Methods and apparatus for motion capture | |
Nakamura et al. | Tankendo motion estimation system with robustness against differences in color and size between users' clothes using 4-color markers with elastic belts | |
KR20220042631A (ko) | 보행 영상 기반의 보행 측정 방법 및 이의 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |
|
RJ01 | Rejection of invention patent application after publication |