CN113631092A - 步态分析设备、步态分析方法和计算机可读记录介质 - Google Patents

步态分析设备、步态分析方法和计算机可读记录介质 Download PDF

Info

Publication number
CN113631092A
CN113631092A CN202080024144.4A CN202080024144A CN113631092A CN 113631092 A CN113631092 A CN 113631092A CN 202080024144 A CN202080024144 A CN 202080024144A CN 113631092 A CN113631092 A CN 113631092A
Authority
CN
China
Prior art keywords
coordinates
cloud data
dimensional point
point cloud
barycentric position
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
Application number
CN202080024144.4A
Other languages
English (en)
Inventor
寺岛宏纪
永井克幸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Solution Innovators Ltd
Original Assignee
NEC Solution Innovators Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Solution Innovators Ltd filed Critical NEC Solution Innovators Ltd
Publication of CN113631092A publication Critical patent/CN113631092A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Dentistry (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)

Abstract

一种行走分析设备(10)，包括：数据获取单元(11)，该数据获取单元获取关于被分析者的三维点组数据；重心位置计算单元(12)，该重心位置计算单元通过使用构成所述获取的三维点组数据的每个点的坐标，来计算所述被分析者的所述三维点组数据上的重心位置的坐标；以及形状指数计算单元(13)，该行走指数计算单元通过使用计算出的重心位置来计算所述被分析者的行走指数。

Description

步态分析设备、步态分析方法和计算机可读记录介质
技术领域
本发明涉及一种用于分析人的步态的步态分析设备和步态分析方法，并且还涉及一种计算机可读记录介质，其上记录有用于实现这些的程序。
背景技术
近年来，用于分析人的步态的技术已引起关注。这是因为认为可以通过分析步态来估计人的健康状况和身体能力，从而促进健康。因此，已经提出了用于步态分析的技术(例如，参见专利文献1、非专利文献1和2)。
具体而言，专利文献1以及非专利文献1和2各自公开了用于分析人的步态的系统。其中，非专利文献1中公开的系统基于行走期间由附接在地板上的地板反作用力计测量的地板上的压力以及由动作捕获系统获取的每个关节的坐标而分析人的步态。另一方面，非专利文献2和专利文献1中公开的系统基于来自附接在行人腰部的加速度传感器的传感器信号来分析人的步态。
相关技术文献的列表
专利文献
[专利文献1]日本专利特许公开No.2018-38753
非专利文献
[非专利文献1]Gerald F.Harris,Jacqueline J.Wertsch,“步态分析程序(Procedures for Gait Analysis),Arch.Phys.Med.Rehab.,75(1994),pp.216-225”。
[非专利文献2]Kotaro Takata,Masahiro Abo,“使用小型三维加速度计进行步态评估(Gait evaluation with a small three-dimensional accelerometer),JikeiMedical Journal,2004”。
发明内容
本发明要解决的问题
顺便提及，当采用非专利文献1中公开的系统时，有必要将标记附接到要分析的人的每个关节。此外，当采用非专利文献2或专利文献1中公开的系统时，有必要将加速度传感器附接到要分析的人的腰部。因此，这些系统具有使被分析者负担过重的问题。另外，步态分析的对象往往是行走障碍者和老年人，并且要求负担尽可能小。
本发明的示例目标是提供步态分析设备、步态分析方法和计算机可读记录介质，它们解决了前面提及的问题并在抑制被分析者的负担的同时分析被分析者的步态。
用于解决问题的手段
为了达成以上目标，本发明的一个方面中的步态分析设备包括：
数据获取单元，该数据获取单元获取被分析者的三维点云数据，
重心位置计算单元，该重心位置计算单元通过使用构成获取的三维点云数据的每个点的坐标，计算被分析者的三维点云数据上的重心位置的坐标，以及
步态指数计算单元，该步态指数计算单元通过使用计算出的重心位置来计算被分析者的步态指数。
此外，为了达成以上目标，本发明的一个方面中的步态分析方法包括：
获取被分析者的三维点云数据的数据获取步骤，
通过使用构成获取的三维点云数据的每个点的坐标来计算被分析者的三维点云数据上的重心位置的坐标的重心位置计算步骤，以及
通过使用计算出的重心位置来计算被分析者的步态指数的步态指数计算步骤。
此外，为了达成以上目标，本发明的一个方面中的计算机可读记录介质上记录有程序，该程序包括指令，所述指令使计算机实施：
获取被分析者的三维点云数据的数据获取步骤，
通过使用构成获取的三维点云数据的每个点的坐标来计算被分析者的三维点云数据上的重心位置的坐标的重心位置计算步骤，以及
通过使用计算出的重心位置来计算被分析者的步态指数的步态指数计算步骤。
本发明的有利效果
如上所述，根据本发明，能够在抑制被分析者的负担的同时分析被分析者的步态。
附图说明
图1是示出根据示例实施例的步态分析设备的示意性配置的框图。
图2是示出在示例实施例中使用的成像设备与被分析者之间的位置关系的图。
图3是示出从示例实施例中的成像设备输出的三维点云数据的示例的图。
图4是示出在示例实施例中计算的重心位置的垂直方向上的坐标的时间序列变化的示例的图。
图5是示出根据示例实施例的步态分析设备的操作的流程图。
图6是示出实现根据示例实施例的步态分析设备的计算机的示例的框图。
具体实施方式
(示例实施例)
在下文中，将参考图1至图6描述根据示例实施例的步态分析设备、步态分析方法和程序。
[装置配置]
首先，将参考图1描述根据示例实施例的步态分析设备的配置。图1是示出步态分析设备的示例的图。
根据图1中示出的示例实施例的步态分析设备10是用于分析被分析者20的步态的装置。如图1中所示，步态分析设备10包括数据获取单元11、重心位置计算单元12和步态指数计算单元13。
数据获取单元11获取被分析者20的三维点云数据。重心位置计算单元12通过使用构成由数据获取单元11获取的三维点云数据的每个点的坐标来计算被分析者20的三维点云数据上的重心位置的坐标。步态指数计算单元13使用由重心位置计算单元12计算出的重心位置来计算被分析者的步态指数。
如上所述，在示例实施例中，可以仅使用被分析者20的三维点云数据来计算步态指数。此外，可以通过使用专用成像设备来获取三维点云数据而无需将传感器、标记等附接到被分析者20。因此，根据示例实施例，能够在抑制被分析者的负担的同时分析被分析者的步态。
随后，除了图1之外，还将参考图2至图4具体地描述步态分析设备的配置和功能。首先，如图1中所示，在示例实施例中，步态分析设备10被连接到成像设备30。
成像设备30是能够针对每个像素测量到对象的距离的设备。成像设备30的具体示例包括TOF(飞行时间)相机。TOF相机用诸如近红外光等光照射对象，并且测量照射光被对象反射并返回到TOF相机所需的时间。TOF相机基于测得时间针对每个像素测量到对象的距离，并输出用于指定每个像素的测得距离的数据。在示例实施例中，该输出数据成为三维点云数据。
图2是示出在示例实施例中使用的成像设备与被分析者之间的位置关系的图。图3是示出从示例实施例中的成像设备输出的三维点云数据的示例的图。如图2所示，在示例实施例中，成像设备30被布置成使得可以捕获正在行走的被分析者20的正面。在这种情况下，成像设备30输出例如图3中示出的三维点云数据31。
如图3所示，通过针对每个像素测量从成像设备到对象的距离来获取三维点云数据31。因此，对于构成其本身的每个点，三维点云数据31具有在水平方向(X方向)上的坐标、在垂直方向(Y方向)上的坐标以及对应于该距离的在深度方向(Z方向)上的坐标。
此外，在示例实施例中，如图2所示，成像设备30以设定间隔将被分析者20作为对象来执行成像。成像设备30以设定间隔连续输出三维点云数据31。因此，在图2的示例中，当被分析者20在设定的路线上行走以便接近成像设备30时，可以获取示出沿着时间序列的步态状态的三维点云数据31。此外，在这种情况下，在示例实施例中，数据获取单元11以每个设定间隔获取三维点云数据31。
在示例实施例中，重心位置计算单元12针对由数据获取单元11以每个设定间隔获取的每个三维点云数据来计算重心位置的坐标。因此，在图2的示例中，根据被分析者20的行走沿时间序列来计算重心位置的坐标。
此外，在示例实施例中，重心位置计算单元12根据构成三维点云数据的每个点的水平方向上的坐标来计算水平方向上的代表值，并且根据每个点的垂直方向上的坐标来计算垂直方向上的代表值。而且，重心位置计算单元12根据每个点的深度方向上的坐标来计算深度方向上的代表值。然后，重心位置计算单元12可以将每个方向上的计算出的代表值设置为重心位置的坐标。
在示例实施例中，步态指数计算单元13计算被分析者20的移动速度、指示移动期间的直线度的数值以及行走期间的地面接触时刻中的任何一个或全部作为步态指数。
具体而言，步态指数计算单元13根据针对每个设定间隔计算出的重心位置的坐标，来获得深度方向上的重心位置的坐标的时间序列变化，并且基于获取的时间序列变化来计算被分析者20的移动速度作为步态指数。
此外，步态指数计算单元13根据针对每个设定间隔计算出的重心位置的坐标，来获得水平方向上的重心位置的坐标的时间序列变化，并且基于获取的时间序列变化来计算指示被分析者20的移动期间的直线度作为步态指数。
此外，步态指数计算单元13根据针对每个设定间隔计算出的重心位置的坐标，来获取垂直方向上的重心位置的坐标的时间序列变化，并且基于获取的时间序列变化来计算被分析者20的行走期间的地面接触时刻作为步态指数。
图4是示出示例实施例中计算出的重心位置的垂直方向上的坐标的时间序列变化的示例的图。如图4所示，重心在垂直方向(Y方向)上的位置的坐标根据行走周期上下移动。因此，例如，步态指数计算单元13可以将当坐标值改变的方向从负变为正的时间设置为地面接触时刻。此外，步态指数计算单元13还可以将当坐标值变为最低点的时间设置为地面接触时刻。
此外，在这些情况下，步态指数计算单元13可以针对每个计算出的地面接触时刻，根据由数据获取单元11以每个设定间隔获取的每个三维点云数据来指定最接近地面的点。在这种情况下，步态指数计算单元13可以基于在水平方向上指定的点的坐标来确定在地面接触时刻触碰地面的脚是右还是左。
[装置操作]
接着，将参考图5描述根据示例实施例的步态分析设备的操作。图5是示出根据示例实施例的步态分析设备的操作的流程图。在以下描述中，酌情参考图1到图4。而且，在该示例实施例中，通过操作步态分析设备来实现步态分析方法。因此，根据示例实施例的步态分析方法的描述将被替换为步态分析设备10的操作的以下描述。
首先，作为前提，如图2所示，被分析者20在设定的路线上行走以便接近成像设备30。因此，在被分析者20正在路线上行走的同时，成像设备30以设定间隔连续输出三维点云数据。
如图5中所示，首先，在步态分析设备10中，数据获取单元11以每个设定间隔连续获取从成像设备30输出的三维点云数据(步骤A1)。数据获取单元11将针对每个设定间隔获取的三维点云数据输出到重心位置计算单元12。
接着，重心位置计算单元12针对步骤A1中以设定间隔获取的每个三维点云数据来计算重心位置的坐标(步骤A2)。具体而言，重心位置计算单元12根据三维点云数据来计算水平方向上的代表值、垂直方向的代表值和深度方向上的代表值，并且将计算出的每个方向上的代表值设置为重心位置的坐标。
接着，步态指数计算单元13使用在步骤A2中计算出的重心位置来计算被分析者的步态指数(步骤A3)。具体而言，步态指数计算单元13计算被分析者20的移动速度、指示移动期间的直线度的数值和行走期间的地面接触时刻中的任何一个或全部作为步态指数。
随后，步态指数计算单元13将计算出的步态指数输出到外部显示设备、终端设备等(步骤A4)。因此，步态指数被显示在显示设备、终端设备等的屏幕上，并且分析员可以向被分析者20提供健康建议。
[示例实施例的效果]
如上所述，根据示例实施例，可以通过由能够输出三维点云数据的成像设备30简单地捕获被分析者20的行走来分析被分析者20。另外，可以获取步态指数作为分析结果。也就是说，根据示例实施例，能够在抑制被分析者的负担的同时分析被分析者的步态。
[程序]
根据示例实施例的程序是使计算机实行图5中示出的步骤A1至A4的程序就足够了。可以通过将程序安装在计算机中并实行该程序来实现根据示例实施例的步态分析设备和步态分析方法。在这种情况下，计算机的处理器用作数据获取单元11、重心位置计算单元12和步态指数计算单元13，并执行处理。
可以通过由多个计算机构造而成的计算机系统实施根据示例实施例的程序。在这种情况下，例如，每个计算机可以用作数据获取单元11、重心位置计算单元12和步态指数计算单元13中的一个。
在此，将使用图6描述通过实行示例实施例的程序来实现步态分析设备10的计算机。图6是示出实现根据示例实施例的步态分析设备的计算机的示例的框图。
如图6所示，计算机110包括CPU(中央处理单元)111、主存储器112、存储设备113、输入接口114、显示控制器115、数据读取器/写入器116和通信接口117。这些部件以它们可以经由总线121彼此执行数据通信的方式连接。应当注意，计算机110可以包括GPU(图形处理单元)或FPGA(现场可编程门阵列)，以补充CPU 111或代替CPU 111。
CPU 111通过将存储在存储设备113中的根据示例实施例的程序(代码)开发到主存储器112并以预定顺序实行代码来实现各种计算操作。主存储器112通常是诸如DRAM(动态随机存取存储器)等易失性存储设备。而且，以存储在计算机可读记录介质120中的状态提供示例实施例中的程序。应当注意，根据示例实施例的程序可以分布在经由通信接口117连接的互联网上。
而且，存储设备113的具体示例包括硬盘驱动器和诸如闪存等半导体存储设备。输入接口114作为在CPU 111与输入设备118(诸如，键盘和鼠标)之间数据传输的中介。显示控制器115被连接到显示设备119并控制显示设备119上的显示。
数据读取器/写入器116作为CPU 111与记录介质120之间数据传输的中介，从记录介质120中读出程序并且将计算机110中的处理结果写入记录介质120。通信接口117作为CPU 111与其它计算机之间数据传输的中介。
而且，记录介质1200的具体示例包括：通用半导体存储设备，诸如
Figure BDA0003277024720000091
和SD(Secure Digital)；磁记录介质，诸如软盘；以及光记录介质，诸如CD-ROM(光盘只读存储器)。
应当注意，可以通过使用分别对应于组件的硬件项目而不是通过其中安装有程序的计算机来实现示例实施例中的步态分析设备10。此外，步态分析设备10的一部分可以通过程序来实现，而步态分析设备10的其余部位部分可以通过硬件来实现。
上述示例实施例的一部分或全部可以由下面描述的(附记1)至(附记18)表示，但不限于以下描述。
(附记1)
一种步态分析设备，包括，
数据获取单元，该数据获取单元被配置成获取被分析者的三维点云数据，
重心位置计算单元，该重心位置计算单元被配置成通过使用构成获取的三维点云数据的每个点的坐标，计算被分析者的三维点云数据上的重心位置的坐标，以及
步态指数计算单元，该步态指数计算单元被配置成通过使用计算出的重心位置来计算被分析者的步态指数。
(附记2)
根据附记1所述的步态分析设备，其中
通过可以针对每个像素测量到对象的距离的成像设备来获取三维点云数据，并且对于构成三维点云数据，本身的每个点，所述三维点具有在水平方向上的坐标、在垂直方向上的坐标以及对应于该距离的在深度方向上的坐标，并且
重心位置计算单元根据每个点的水平方向上的坐标计算水平方向上的代表值，根据每个点的垂直方向上的坐标计算垂直方向上的代表值，并且根据每个点的深度方向上的坐标计算深度方向上的代表值，并且将每个方向上的计算出的代表值设置为重心位置的坐标。
(附记3)
根据附记2所述的步态分析设备，其中
当成像设备以设定间隔将被分析者作为对象来执行成像时，数据获取单元获取每个所述设定间隔的三维点云数据，
所述重心位置计算单元根据每个获取的三维点云数据，以每个设定间隔来计算重心位置的坐标，
所述步态指数计算单元根据针对每个设定间隔计算出的重心位置的坐标来获得深度方向上的重心位置的坐标的时间序列变化，并且基于获得的时间序列变化来计算被分析者的移动速度作为步态指数。
(附记4)
根据附记2所述的步态分析设备，其中
当成像设备以设定间隔将被分析者作为对象来执行成像时，数据获取单元获取每个所述设定间隔的三维点云数据，
所述重心位置计算单元根据每个获取的三维点云数据，以每个设定间隔来计算重心位置的坐标，
所述步态指数计算单元根据针对每个设定间隔计算出的重心位置的坐标来获得水平方向上的重心位置的坐标的时间序列变化，并且基于获得的时间序列变化来计算指示被分析者的移动期间的直线度的数值作为步态指数。
(附记5)
根据附记2所述的步态分析设备，其中
当成像设备以设定间隔将被分析者作为对象来执行成像时，数据获取单元获取每个所述设定间隔的三维点云数据，
所述重心位置计算单元根据每个获取的三维点云数据，以每个设定间隔来计算重心位置的坐标，
所述步态指数计算单元根据针对每个设定间隔计算出的重心位置的坐标来获得垂直方向上的重心位置的坐标的时间序列变化，并且基于获得的时间序列变化来计算被分析者的行走期间的地面接触时刻作为步态指数。
(附记6)
根据附记5所述的步态分析设备，其中
所述步态指数计算单元根据针对每个设定间隔中的每个获取的三维点云数据来指定最接近地面的点，并且基于在水平方向上的指定的点的坐标来确定在地面接触时刻触碰地面的脚是右还是左。
(附记7)
一种步态分析方法，包括，
获取被分析者的三维点云数据的数据获取步骤，
通过使用构成获取的三维点云数据的每个点的坐标，来计算被分析者的三维点云数据上的重心位置的坐标的重心位置计算步骤，以及
通过使用计算出的重心位置来计算被分析者的步态指数的步态指数计算步骤。
(附记8)
根据附记7所述的步态分析方法，其中
通过可以针对每个像素测量到对象的距离的成像设备来获取三维点云数据，并且对于构成三维点云数据本身的每个点，所述三维点具有在水平方向上的坐标、在垂直方向上的坐标以及对应于该距离的在深度方向上的坐标，并且
在重心位置计算步骤中，根据每个点的水平方向上的坐标计算水平方向上的代表值，根据每个点的垂直方向上的坐标计算垂直方向上的代表值，并且根据每个点的深度方向上的坐标计算深度方向上的代表值，并且将每个方向上的计算出的代表值设置为重心位置的坐标。
(附记9)
根据附记8所述的步态分析方法，其中
当成像设备以设定间隔将被分析者作为对象来执行成像时，获取每个设定间隔的三维点云数据，
在重心位置计算步骤中，根据每个获取的三维点云数据，以每个设定间隔来计算重心位置的坐标，
在步态指数计算步骤中，根据针对每个设定间隔计算出的重心位置的坐标，来获得深度方向上的重心位置的坐标的时间序列变化，并且基于获得的时间序列变化来计算被分析者的移动速度作为步态指数。
(附记10)
根据附记8所述的步态分析方法，其中
当成像设备以设定间隔将被分析者作为对象来执行成像时，获取每个设定间隔的三维点云数据，
在重心位置计算步骤中，根据每个获取的三维点云数据，以每个设定间隔来计算重心位置的坐标，
在步态指数计算步骤中，根据针对每个设定间隔计算出的重心位置的坐标，来获得水平方向上的重心位置的坐标的时间序列变化，并且基于获得的时间序列变化来计算指示被分析者的移动期间的直线度的数值作为步态指数。
(附记11)
根据附记8所述的步态分析方法，其中
当成像设备以设定间隔将被分析者作为对象来执行成像时，获取每个设定间隔的三维点云数据，
在重心位置计算步骤中，根据每个获取的三维点云数据，以每个设定间隔来计算重心位置的坐标，
在步态指数计算步骤中，根据针对每个设定间隔计算出的重心位置的坐标，来获得垂直方向上的重心位置的坐标的时间序列变化，并且基于获得的时间序列变化来计算被分析者的行走期间的地面接触时刻作为步态指数。
(附记12)
根据附记11所述的步态分析方法，其中
在步态指数计算步骤中，根据针对每个设定间隔中的每个获取的三维点云数据来指定最接近地面的点，并且
基于在水平方向上的指定的点的坐标来确定在地面接触时刻触碰地面的脚是右还是左。
(附记13)
一种计算机可读记录介质上记录有程序，所述程序包括指令，所述指令使计算机实施：
获取被分析者的三维点云数据，
通过使用构成获取的三维点云数据的每个点的坐标，来计算被分析者的三维点云数据上的重心位置的坐标，以及
通过使用计算出的重心位置来计算被分析者的步态指数。
(附记14)
根据附记13所述的计算机可读记录介质，其中
通过可以针对每个像素测量到对象的距离的成像设备来获取三维点云数据，并且对于构成三维点云数据本身的每个点，所述三维点具有在水平方向上的坐标、在垂直方向上的坐标以及对应于该距离的在深度方向上的坐标，并且
在重心位置计算步骤，根据每个点的水平方向上的坐标计算水平方向上的代表值，根据每个点的垂直方向上的坐标计算垂直方向上的代表值，并且根据每个点的深度方向上的坐标计算深度方向上的代表值，并且将每个方向上的计算出的代表值设置为重心位置的坐标。
(附记15)
根据附记14所述的计算机可读记录介质，其中
当成像设备以设定间隔将被分析者作为对象来执行成像时，获取每个所述设定间隔的三维点云数据，
在重心位置计算步骤中，根据每个获取的三维点云数据，以每个设定间隔来计算重心位置的坐标，
在步态指数计算步骤中，根据针对每个设定间隔计算出的重心位置的坐标，来获得深度方向上的重心位置的坐标的时间序列变化，并且基于获得的时间序列变化来计算被分析者的移动速度作为步态指数。
(附记16)
根据附记14所述的计算机可读记录介质，其中
当成像设备以设定间隔将被分析者作为对象来执行成像时，获取每个设定间隔的三维点云数据，
在重心位置计算步骤中，根据每个获取的三维点云数据，以每个设定间隔来计算重心位置的坐标，
在步态指数计算步骤中，根据针对每个设定间隔计算出的重心位置的坐标，来获得水平方向上的重心位置的坐标的时间序列变化，并且基于获得的时间序列变化来计算指示被分析者的移动期间的直线度的数值作为步态指数。
(附记17)
根据附记14所述的计算机可读记录介质，其中
当成像设备以设定间隔将被分析者作为对象来执行成像时，获取每个所述设定间隔的三维点云数据，
在重心位置计算步骤中，根据每个获取的三维点云数据，以每个设定间隔来计算重心位置的坐标，
在步态指数计算步骤中，根据针对每个设定间隔计算出的重心位置的坐标，来获得垂直方向上的重心位置的坐标的时间序列变化，并且基于获得的时间序列变化来计算被分析者的行走期间的地面接触时刻作为步态指数。
(附记18)
根据附记17所述的计算机可读记录介质，其中
在步态指数计算步骤中，根据针对每个设定间隔中的每个获取的三维点云数据来指定最接近地面的点，并且
基于在水平方向上的指定的点的坐标来确定在地面接触时刻触碰地面的脚是右还是左。
虽然上面已经参考示例实施例描述了本发明，但是本发明不限于以上示例实施例。在本发明的范围内，可以对本发明的配置和细节做出本领域技术人员能够理解的各种改变。
本申请要求2019年3月28日提交的日本专利申请No.2019-064752的优先权，并且所述日本专利申请的完整内容以引用的方式并入本文。
工业实用性
如上所述，根据本发明，能够在抑制被分析者的负担的同时分析被分析者的步态。本发明可以用于需要步态分析的各种领域。
附图标记列表
10 步态分析设备
11 数据获取单元
12 重心位置计算单元
13 步态指数计算单元
20 被分析者
30 成像设备
110 计算机
111 CPU
112 主存储器
113 存储设备
114 输入接口
115 显示控制器
116 数据读取器/写入器
117 通信接口
118 输入设备
119 显示设备
120 记录介质
121 总线

Claims (18)

1.一种步态分析设备，包括，
数据获取装置，所述数据获取装置用于获取被分析者的三维点云数据，
重心位置计算装置，所述重心位置计算装置用于通过使用构成所获取的所述三维点云数据的每个点的坐标，来计算所述被分析者的所述三维点云数据上的重心位置的坐标，以及
步态指数计算装置，所述步态指数计算装置用于通过使用所计算出的所述重心位置来计算所述被分析者的步态指数。
2.根据权利要求1所述的步态分析设备，其中，
通过能够针对每个像素测量到对象的距离的成像设备来获取所述三维点云数据，并且对于构成三维点云数据本身的每个点，所述三维点具有在水平方向上的坐标、在垂直方向上的坐标以及对应于所述距离的在深度方向上的坐标，以及
所述重心位置计算装置从所述每个点的所述水平方向上的所述坐标来计算所述水平方向上的代表值，从所述每个点的所述垂直方向上的所述坐标来计算所述垂直方向上的代表值，并且从所述每个点的所述深度方向上的所述坐标来计算所述深度方向上的代表值，并且将每个方向上的所计算出的所述代表值设置为所述重心位置的所述坐标。
3.根据权利要求2所述的步态分析设备，其中，
当所述成像设备以设定间隔将所述被分析者作为对象来执行成像时，所述数据获取装置获取每个所述设定间隔的所述三维点云数据，
所述重心位置计算装置从每个所获取的所述三维点云数据，以每个所述设定间隔来计算所述重心位置的所述坐标，
所述步态指数计算装置从针对每个所述设定间隔而计算出的所述重心位置的所述坐标，来获得在所述深度方向上的所述重心位置的所述坐标的时间序列变化，并且基于所获得的所述时间序列变化来计算所述被分析者的移动速度作为所述步态指数。
4.根据权利要求2所述的步态分析设备，其中，
当所述成像设备以设定间隔将所述被分析者作为对象来执行成像时，所述数据获取装置获取每个所述设定间隔的所述三维点云数据，
所述重心位置计算装置从每个所获取的所述三维点云数据，以每个所述设定间隔来计算所述重心位置的所述坐标，
所述步态指数计算装置从针对每个所述设定间隔而计算出的所述重心位置的所述坐标，来获得在所述水平方向上的所述重心位置的所述坐标的时间序列变化，并且基于所获得的所述时间序列变化来计算指示所述被分析者的移动期间的直线度的数值作为所述步态指数。
5.根据权利要求2所述的步态分析设备，其中，
当所述成像设备以设定间隔将所述被分析者作为对象来执行成像时，所述数据获取装置获取每个所述设定间隔的所述三维点云数据，
所述重心位置计算装置从每个所获取的所述三维点云数据，以每个所述设定间隔来计算所述重心位置的所述坐标，
所述步态指数计算装置从针对每个所述设定间隔而计算出的所述重心位置的所述坐标，来获得在所述垂直方向上的所述重心位置的所述坐标的时间序列变化，并且基于所获得的所述时间序列变化来计算所述被分析者的行走期间的地面接触时刻作为所述步态指数。
6.根据权利要求5所述的步态分析设备，其中，
所述步态指数计算装置从针对每个所述设定间隔的所获取的所述三维点云数据中的每个来指定最接近所述地面的点，并且基于在所述水平方向上的所指定的点的所述坐标来确定在所述地面接触时刻触碰所述地面的脚是右还是左。
7.一种步态分析方法，包括，
获取被分析者的三维点云数据，
通过使用构成所获取的所述三维点云数据的每个点的坐标，来计算所述被分析者的所述三维点云数据上的重心位置的坐标，以及
通过使用所计算出的所述重心位置来计算所述被分析者的步态指数。
8.根据权利要求7所述的步态分析方法，其中，
通过能够针对每个像素来测量到对象的距离的成像设备来获取所述三维点云数据，并且对于构成三维点云数据本身的每个点，所述三维点具有在水平方向上的坐标、在垂直方向上的坐标以及对应于所述距离的在深度方向上的坐标，以及
从所述每个点的所述水平方向上的所述坐标来计算所述水平方向上的代表值，从所述每个点的所述垂直方向上的所述坐标来计算所述垂直方向上的代表值，并且从所述每个点的所述深度方向上的所述坐标来计算所述深度方向上的代表值，并且将每个方向上的所计算出的所述代表值设置为所述重心位置的所述坐标。
9.根据权利要求8所述的步态分析方法，其中，
当所述成像设备以设定间隔将所述被分析者作为对象来执行成像时，获取每个所述设定间隔的所述三维点云数据，
从每个所获取的所述三维点云数据，来计算以每个所述设定间隔的所述重心位置的所述坐标，
从针对每个所述设定间隔而计算出的所述重心位置的所述坐标，来获得所述深度方向上的所述重心位置的所述坐标的时间序列变化，并且基于所获得的所述时间序列变化来计算所述被分析者的移动速度作为所述步态指数。
10.根据权利要求8所述的步态分析方法，其中，
当所述成像设备以设定间隔将所述被分析者作为对象来执行成像时，获取每个所述设定间隔的所述三维点云数据，
从每个所述获取的三维点云数据，来计算以每个所述设定间隔的所述重心位置的所述坐标，
从针对每个所述设定间隔而计算出的所述重心位置的所述坐标，来获得所述水平方向上的所述重心位置的所述坐标的时间序列变化，并且基于所获得的所述时间序列变化来计算指示所述被分析者的移动期间的直线度的数值作为所述步态指数。
11.根据权利要求8所述的步态分析方法，其中，
当所述成像设备以设定间隔将所述被分析者作为对象来执行成像时，获取每个所述设定间隔的所述三维点云数据，
从每个所述获取的三维点云数据，以每个所述设定间隔来计算所述重心位置的所述坐标，
从针对每个所述设定间隔计算出的所述重心位置的所述坐标，来获得所述垂直方向上的所述重心位置的所述坐标的时间序列变化，并且基于所获得的所述时间序列变化来计算所述被分析者的行走期间的地面接触时刻作为所述步态指数。
12.根据权利要求11所述的步态分析方法，其中，
从针对每个所述设定间隔的所获取的所述三维点云数据中的每个来指定最接近所述地面的点，并且
基于在所述水平方向上的所指定的点的所述坐标来确定在所述地面接触时刻触碰所述地面的脚是右还是左。
13.一种包括在其上所记录的程序的计算机可读记录介质，所述程序包括指令，所述指令使计算机实施：
获取被分析者的三维点云数据，
通过使用构成所获取的所述三维点云数据的每个点的坐标，来计算所述被分析者的所述三维点云数据上的重心位置的坐标，以及
通过使用所计算出的所述重心位置来计算所述被分析者的步态指数。
14.根据权利要求13所述的计算机可读记录介质，其中，
通过能够针对每个像素测量到对象的距离的成像设备来获取所述三维点云数据，并且对于构成三维点云数据本身的每个点，所述三维点具有在水平方向上的坐标、在垂直方向上的坐标以及对应于所述距离的在深度方向上的坐标，以及
从所述每个点的所述水平方向上的所述坐标来计算所述水平方向上的代表值，从所述每个点的所述垂直方向上的所述坐标来计算所述垂直方向上的代表值，并且从所述每个点的所述深度方向上的所述坐标来计算所述深度方向上的代表值，并且将每个方向上的所计算出的所述代表值设置为所述重心位置的所述坐标。
15.根据权利要求14所述的计算机可读记录介质，其中，
当所述成像设备以设定间隔将所述被分析者作为对象来执行成像时，获取每个所述设定间隔的所述三维点云数据，
从每个所获取的所述三维点云数据，来计算以每个所述设定间隔的所述重心位置的所述坐标，
从针对每个所述设定间隔计算出的所述重心位置的所述坐标，来获得所述深度方向上的所述重心位置的所述坐标的时间序列变化，并且基于所获得的所述时间序列变化来计算所述被分析者的移动速度作为所述步态指数。
16.根据权利要求14所述的计算机可读记录介质，其中，
当所述成像设备以设定间隔将所述被分析者作为对象来执行成像时，获取每个所述设定间隔的所述三维点云数据，
从每个所获取的所述三维点云数据，来计算以每个所述设定间隔的所述重心位置的所述坐标，
从针对每个所述设定间隔计算出的所述重心位置的所述坐标，来获得所述水平方向上的所述重心位置的所述坐标的时间序列变化，并且基于所获得的所述时间序列变化来计算指示所述被分析者的移动期间的直线度的数值作为所述步态指数。
17.根据权利要求14所述的计算机可读记录介质，其中，
当所述成像设备以设定间隔将所述被分析者作为对象来执行成像时，获取每个所述设定间隔的所述三维点云数据，
从每个所获取的所述三维点云数据，来计算以每个所述设定间隔的所述重心位置的所述坐标，
从针对每个所述设定间隔计算出的所述重心位置的所述坐标，来获得所述垂直方向上的所述重心位置的所述坐标的时间序列变化，并且基于所获得的所述时间序列变化来计算所述被分析者的行走期间的地面接触时刻作为所述步态指数。
18.根据权利要求17所述的计算机可读记录介质，其中，
从针对每个所述设定间隔的所获取的所述三维点云数据中的每个，来指定最接近所述地面的点，并且
基于在所述水平方向上的所指定的点的所述坐标，来确定在所述地面接触时刻触碰所述地面的脚是右还是左。
CN202080024144.4A 2019-03-28 2020-02-12 步态分析设备、步态分析方法和计算机可读记录介质 Pending CN113631092A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019-064752 2019-03-28
JP2019064752 2019-03-28
PCT/JP2020/005349 WO2020195271A1 (ja) 2019-03-28 2020-02-12 歩行分析装置、歩行分析方法、及びコンピュータ読み取り可能な記録媒体

Publications (1)

Publication Number Publication Date
CN113631092A true CN113631092A (zh) 2021-11-09

Family

ID=72608739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080024144.4A Pending CN113631092A (zh) 2019-03-28 2020-02-12 步态分析设备、步态分析方法和计算机可读记录介质

Country Status (4)

Country Link
US (1) US20220192538A1 (zh)
JP (1) JP7335046B2 (zh)
CN (1) CN113631092A (zh)
WO (1) WO2020195271A1 (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007125368A (ja) * 2005-09-26 2007-05-24 Aisin Seiki Co Ltd 歩行解析装置及び歩行解析方法
JP2017023689A (ja) * 2015-07-24 2017-02-02 株式会社東芝 モニタリングシステム、モニタ方法およびプログラム
CN107174255A (zh) * 2017-06-15 2017-09-19 西安交通大学 基于Kinect体感技术的三维步态信息采集与分析方法
CN108348195A (zh) * 2015-11-19 2018-07-31 松下知识产权经营株式会社 步行动作显示系统以及程序
US20180338710A1 (en) * 2017-05-24 2018-11-29 Neuropath Sprl Systems and methods for markerless tracking of subjects

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6829988B2 (ja) * 2016-12-20 2021-02-17 株式会社竹中工務店 運動量推定装置、運動量推定プログラム、及び運動量推定システム
JP2019025134A (ja) * 2017-08-01 2019-02-21 株式会社大武ルート工業 動作推定装置及び動作推定プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007125368A (ja) * 2005-09-26 2007-05-24 Aisin Seiki Co Ltd 歩行解析装置及び歩行解析方法
JP2017023689A (ja) * 2015-07-24 2017-02-02 株式会社東芝 モニタリングシステム、モニタ方法およびプログラム
CN108348195A (zh) * 2015-11-19 2018-07-31 松下知识产权经营株式会社 步行动作显示系统以及程序
US20180338710A1 (en) * 2017-05-24 2018-11-29 Neuropath Sprl Systems and methods for markerless tracking of subjects
CN107174255A (zh) * 2017-06-15 2017-09-19 西安交通大学 基于Kinect体感技术的三维步态信息采集与分析方法

Also Published As

Publication number Publication date
WO2020195271A1 (ja) 2020-10-01
US20220192538A1 (en) 2022-06-23
JPWO2020195271A1 (zh) 2020-10-01
JP7335046B2 (ja) 2023-08-29

Similar Documents

Publication Publication Date Title
US11706377B2 (en) Visual, depth and micro-vibration data extraction using a unified imaging device
CN108156450B (zh) 用于校准摄像机的方法、校准设备、校准系统以及机器可读的存储介质
Cuppens et al. Automatic video detection of body movement during sleep based on optical flow in pediatric patients with epilepsy
JP6159179B2 (ja) 画像処理装置、画像処理方法
JP6662532B2 (ja) 歩行分析装置、歩行分析方法、及びプログラム
JP6873344B2 (ja) 疲労判定装置、疲労判定方法、および疲労判定プログラム
CN107038402B (zh) 用于患者移动检测的检测方法及检测设备
US20160110840A1 (en) Image processing method, image processing device, and robot system
US11868567B2 (en) Touch recognition method and device having LiDAR sensor
JP4471866B2 (ja) 人物検出方法
CN111035393B (zh) 三维步态数据处理方法、系统、服务器及存储介质
Wang et al. An estimation of pedestrian action on footbridges using computer vision approaches
CN113631092A (zh) 步态分析设备、步态分析方法和计算机可读记录介质
Duncan et al. Camera-based human gait speed monitoring and tracking for performance assessment of elderly patients with cancer
EP3438601A1 (en) Measurement device, measurement method, and computer readable recording medium
JP7279892B2 (ja) 顔向き検出装置、顔向き検出方法、及びプログラム
JP2012181063A (ja) 計算装置、計算方法及び計算プログラム
CN116745808A (zh) 作业估计装置、作业估计方法和作业估计程序
JP6482102B2 (ja) 測定装置及び測定方法
JP2020071783A (ja) 画像解析装置、画像解析方法、及びプログラム
WO2020195272A1 (ja) 部位検出装置、部位検出方法、及びコンピュータ読み取り可能な記録媒体
WO2023013099A1 (ja) 計測システム、計測装置、計測データ処理方法及び計測データ処理プログラム
JP2015141591A (ja) 歩数計測装置、歩数計測方法及びプログラム
EP4115803A1 (en) Fall risk determination system and method
JP5982835B2 (ja) 検出装置、検出方法、および検出プログラム

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