基于Kinect的異常步態(tài)檢測(cè).pdf

1、人們的行走姿態(tài)，即步態(tài)，是對(duì)人進(jìn)行識(shí)別的十分重要的特征，雖然不是非常顯著的生物特征，卻得到了很好的識(shí)別效果。與其他生物特征識(shí)別方式相比，基于步態(tài)特征的識(shí)別主要優(yōu)點(diǎn)在于非侵入性。測(cè)試者不需要特殊的配合，即使對(duì)較遠(yuǎn)距離采集的低分辨率數(shù)據(jù)進(jìn)行識(shí)別，仍然有很好的表現(xiàn)。
　　步態(tài)的識(shí)別與分類(lèi)是視覺(jué)領(lǐng)域一個(gè)重要的研究方向。根據(jù)輸入數(shù)據(jù)的不同可以分為兩類(lèi)。其中使用普通攝像機(jī)獲得數(shù)據(jù)的方法發(fā)展的比較早，對(duì)數(shù)據(jù)預(yù)處理過(guò)程較繁瑣，方法已經(jīng)比較成熟，在

2、識(shí)別和分類(lèi)性能上的提升空間較小?；贙inect的識(shí)別方法最近幾年才出現(xiàn)，由于其數(shù)據(jù)捕捉環(huán)境要求較低，價(jià)格更低廉，獲得數(shù)據(jù)更準(zhǔn)確，所以在步態(tài)識(shí)別領(lǐng)域的應(yīng)用十分廣泛。
　　本文提出了一種針對(duì)由神經(jīng)病變而導(dǎo)致的步態(tài)病態(tài)異常的分類(lèi)算法，例如對(duì)帕金森、偏癱等疾病分類(lèi)。針對(duì)分類(lèi)問(wèn)題，本文主要關(guān)注一些異常的運(yùn)動(dòng)，如震顫，局部麻痹，身體僵硬和姿勢(shì)不穩(wěn)等。這些異常的運(yùn)動(dòng)細(xì)微而又多種多樣，缺少常規(guī)特征或者循環(huán)周期，使得分類(lèi)工作十分困難且具有挑戰(zhàn)性。

3、本文創(chuàng)新性地引入了一種新的步態(tài)表示方式，使相似度的度量與行走周期無(wú)關(guān)，并且使高效分類(lèi)成為可能。
　　本文提出的方法基于Kinect運(yùn)動(dòng)傳感器捕捉的三維人體骨架信息，包括關(guān)節(jié)位置和運(yùn)動(dòng)軌跡，對(duì)步態(tài)進(jìn)行識(shí)別。對(duì)骨架信息進(jìn)行時(shí)間-空間特征提取，定義了一種用于分類(lèi)的重要性度量方法。算法不需要過(guò)分精細(xì)的捕捉環(huán)境，也無(wú)需額外的校準(zhǔn)與同步，魯棒性很強(qiáng)。采用了不同神經(jīng)疾病的患者的真實(shí)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，將本文方法與已有方法進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明本文方法

4、優(yōu)于其他對(duì)比算法。除了疾病分類(lèi)外，本文同時(shí)進(jìn)行了年齡，性別，疾病程度的劃分試驗(yàn)，取得了良好的效果。
　　本文的主要工作和貢獻(xiàn)有:
　　1.基于Kinect采集數(shù)據(jù)，提出并實(shí)現(xiàn)了一種非侵入式的、自動(dòng)的病態(tài)步態(tài)分析與識(shí)別系統(tǒng)，為病態(tài)步態(tài)的遠(yuǎn)程診斷提供了可能。
　　2.針對(duì)病態(tài)步態(tài)的特點(diǎn)，設(shè)計(jì)了基于全身關(guān)節(jié)的步態(tài)分類(lèi)器。通過(guò)計(jì)算由Kinect獲得的三維骨架，利用全身所有關(guān)節(jié)的時(shí)間-空間特征信息對(duì)步態(tài)進(jìn)行分類(lèi)，相比僅用標(biāo)準(zhǔn)的步