简介:摘要 近期,智能视觉技术越来越多应用到监控安防场景中,其中的步态识别技术可以通过分析行人行走序列中的姿态与动作来判断身份。传统步态识别方法的具体应用效果依旧会针对不同衣着和背包场景下步态轮廓图中的身体部位粘连、遮挡、与正常场景差异大等问题的影响。因此,本文使用人体骨架信息进行识别,来减弱上述问题造成的影响。核心思想在于使用深度学习方法,提取原始图像序列中的人体骨架关键点,据此构成步态骨架图结构以辅助后继步态识别。在具体实现中,本文引入多个相同的时空图卷积模块,使得所提取的步态骨架序列能充分融合空间维度与时间维度两方面的特征信息。实验证明,该网络在CASIA-B数据集上相对于传统的步态骨架方法,达到了更高的性能。
简介:针对单一特征步态识别率低的问题,提出一种将步态能量图(GaitEnergyImage,GEI)中动态部分和Gabor小波特征融合的步态识别算法.首先,通过运动目标检测及二值化和形态学处理等预处理操作得到步态轮廓图,再进一步从步态轮廓图计算得到步态能量图,并从中分割出动态部分.然后,利用Gabor小波从步态能量图的动态部分中提取不同角度的信息,将两步态特征融合在一起,对融合后得到的特征向量用改进的KPCA方法进行降维.最后,将降维后的融合特征向量输入到基于多分类的支持向量机(SupportVectorMachine,SVM)中,从而完成步态的分类和识别.经过在中国科学院自动化研究所CASIA步态数据库上进行实验,取得了很好的识别效果,实验结果表明,与单一特征的步态识别方法相比,融合后算法的识别率提高了约10%.
简介:摘要目的分析普通人、运动员和前交叉韧带(ACL)损伤患者平地步行时的膝关节步态图特征,探讨可早期识别ACL损伤风险的潜在运动学指标。方法2021年12月至2022年3月在南方医科大学招募在校大学生78名,包括39名普通大学生(普通人组)和39名大学生运动员(运动员组),在广东省人民医院骨科招募26例ACL损伤患者(患者组)。普通人组男20例,女19例;中位年龄为19(18,21)岁;运动员组男22例,女17例;中位年龄为19(18,20)岁;患者组男23例,女3例;中位年龄为20(19,20)岁。利用便携式膝关节运动捕捉系统采集受试者在跑步机上以3 km/h速度行走时的膝关节步态图,比较3组受试者的膝关节内外翻角度、内外旋角度、屈伸角度和胫骨相对股骨的前后、内外、上下位移等。结果3组受试者之间除性别外其他一般资料比较差异均无统计学意义(P>0.05),具有可比性。3组受试者整个步态周期内(1%~100%)的膝关节内外翻角度、承重反应期(9%~10%)的膝关节内外旋角度、支撑相和摆动相(1%~27%、29%~100%)的膝关节屈伸角度、承重反应期(1%~3%)和摆动相末期(96%~98%)的前后位移、支撑相中期(15%~19%)、末期(29%~33%、36%~43%)和摆动相(68%~94%)的上下位移、支撑相中期至摆动相中期(12%~82%)的内外位移比较差异均有统计学意义(P<0.05)。普通人组、运动员组受试者的最大内外翻角度(-10.89°±4.55°、-12.20°±4.38°)显著大于患者组(-5.44°±3.72°),普通人组受试者支撑相中期内外位移[3.69(0.13,7.25) mm]显著大于运动员组、患者组受试者[-0.59(-6.65,5.24)、0.96(-1.54,3.89) mm],差异均有统计学意义(P<0.05)。结论大学生运动员的步态与普通大学生、ACL损伤患者的步态比较存在显著差异,内外翻角度和内外位移指标可作为早期识别ACL损伤风险的遴选指标。
简介:摘要目的通过手机拍摄PD伴冻结步态(FOG)患者的步态视频,构建基于手机视频的PD伴FOG患者的自动识别系统。方法选择广州市第一人民医院神经内科自2020年12月至2021年5月收治的49例PD伴FOG患者,收集患者的临床资料,使用手机拍摄患者"3 m往返"和"3 m往返通过窄道(长0.6 m)的过程,获得87个有效视频,标注每个视频的转身阶段、直行阶段及其中的FOG事件。提取视频中关键点的位置信号,对信号预处理后提取特征数据,由特征数据分别建立动作识别模型、直行FOG识别模型和转身FOG识别模型,最后组成端到端的FOG识别模型。采用留一法(LOSO)评估上述模型的性能。结果87个有效视频中25 881个窗口样本,其中22 066个非FOG窗口样本,3815个FOG窗口样本。LOSO法评估结果显示,动作识别模型的灵敏度为83.27%,特异度为91.38%,准确度为89.28%。直行FOG识别模型的灵敏度为57.69%,特异度为88.12%。转身FOG识别模型的灵敏度为61.54%,特异度为98.72%。端到端的FOG识别模型的灵敏度和特异度分别为85.71%、75.73%。结论基于手机视频的PD患者FOG自动识别系统具有较高的灵敏度和特异度,可实现远程识别PD患者的FOG,便于对PD伴FOG患者的筛查和随访。
简介:摘要目的量化评估PD伴冻结步态(FOG)患者的步态特点。方法对自2019年1月至2020年11月于南京医科大学附属脑科医院老年神经科进行诊治的104例PD患者,依据患者是否伴有FOG症状将患者分为PD伴FOG组(46例)与PD不伴FOG组(58例),应用"JiBuEn"步态分析系统采集患者的步态数据,从步态时空参数及其变异性、步态运动学参数、步态参数对称性4个维度量化分析PD伴FOG患者的步态特点。结果与PD不伴FOG组比较,PD伴FOG组患者的步幅明显减小,步速明显减慢,步幅变异性、跨步时间变异性、支撑相变异性、摆动相变异性均明显升高,足趾离地角度、足跟着地角度、踝关节活动度、膝关节活动度及髋关节活动度均明显下降,步幅不对称性指数明显增高,差异均有统计学意义(P<0.05)。结论PD伴FOG患者的步态特点主要表现为短步幅、慢步速、步态参数变异性增加及运动学参数损害更显著。
简介:目的研究以惯性传感器测量数据识别帕金森病(PD)冻结步态(FOG)的方法及其准确性。方法用惯性传感器对正常对照者、PD患者及PD合并冻结步态患者,进行10m往返和双重任务往返行走的运动功能检测;采用改进的结合时域步态参数的频域分析方法进行测试数据分析。结果惯性传感器测试数据经改进的方法分析,显著提升了识别的敏感性(P〈0.05);针对实验的敏感性为100%,特异性88.9%;针对冻结步态片段的敏感性为84.7%。结论惯性传感器能对PD冻结步态精准检测,改良分析方法对其的识别更加有效。PD冻结步态的早期、精准识别,对临床治疗有重要指导意义。
简介:【摘要】: 脑瘫儿童由于持续存在的中枢性神经系统损伤,造成有姿势和运动发育上的障碍,常常伴有肌肉骨骼问题,异常的肌肉骨骼容易导致其下肢运动功能障碍,造成异常的步态,其中膝过伸步态就是脑瘫儿童的常见异常步态之一。随之科技发展,三维测量技术和计算软件开发的最新进展使人们能通过机器定量客观的用数据来表达生物力学的方法,甚至从关节方面到肌肉骨骼方面来对人体运动进行直观描述,所以,在医学上,三维步态分析是对异常步态进行评估的重要工具,并拥有多种优点。本文中就三维步态分析在脑瘫儿童膝过伸步态的运用分析的相关文献进行整理与介绍,为三维步态分析在脑瘫儿童膝过伸步态评估治疗中的更完善运用提供借鉴。
简介:摘要目的通过研究步态轮廓评分(GPS)和运动分析剖面图(MAP)来量化青年慢性非特异性腰痛(chronic nonspecific low back pain, CNLBP)患者和健康青年人步态周期中的运动学变化。方法采用3D光学运动捕捉系统(Qualisys,Gothenburg,Sweden)采集CNLBP组和健康组受试者各11例的步态运动学数据,将其导入索尔福德大学Richard Baker教授编写的Excel文件并计算出GPS和MAP分数,并进行统计学分析。结果右膝关节膝关节屈曲和伸展GVS值CNLBP组为(5.66±1.83)°,健康组为(3.64±1.13)°,组间比较,差异有统计学意义(P<0.01),2组受试者其余各项GVS变量和GPS组间比较,差异均无统计学意义(P>0.05)。结论青年CNLBP患者存在步态异常,GPS和MAP在青年CNLBP患者的步态评估中具有一定的适用性。
简介:摘要目的探讨激励式心理调节联合虚拟步态训练在帕金森病异常步态患者中的应用效果。方法选取郑州大学第五附属医院2017年4月至2019年4月收治的帕金森病异常步态患者86例,按随机数字表法等分成对照组和观察组,各43例。对照组选常规护理,观察组选激励式心理调节联合虚拟步态训练。对两组患者的步态参数及心理状况实施比较。结果观察组患者步速、6 min步行距离、跨步长、起立行走测试评价优于对照组;观察组患者SDS、SAS量表自评分明显低于对照组,差异均有统计学意义(均P<0.05)。结论激励式心理调节联合虚拟步态训练应用于帕金森病异常步态患者,能有效纠正其异常步态,改善其心理状况。