CN115644853B - 基于MediaPipe人体姿态模型的步态分析方法 - Google Patents
基于MediaPipe人体姿态模型的步态分析方法 Download PDFInfo
- Publication number
- CN115644853B CN115644853B CN202211165984.XA CN202211165984A CN115644853B CN 115644853 B CN115644853 B CN 115644853B CN 202211165984 A CN202211165984 A CN 202211165984A CN 115644853 B CN115644853 B CN 115644853B
- Authority
- CN
- China
- Prior art keywords
- gait
- camera
- heel
- walking
- time
- 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.)
- Active
Links
- 230000005021 gait Effects 0.000 title claims abstract description 147
- 238000004458 analytical method Methods 0.000 title claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 17
- 210000003141 lower extremity Anatomy 0.000 claims description 11
- 210000002683 foot Anatomy 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 5
- 210000003371 toe Anatomy 0.000 description 25
- 230000009466 transformation Effects 0.000 description 6
- 210000003423 ankle Anatomy 0.000 description 5
- 210000003127 knee Anatomy 0.000 description 5
- 210000002310 elbow joint Anatomy 0.000 description 4
- 210000003811 finger Anatomy 0.000 description 4
- 210000004394 hip joint Anatomy 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 206010006100 Bradykinesia Diseases 0.000 description 2
- 208000006083 Hypokinesia Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000004932 little finger Anatomy 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 210000004934 left little finger Anatomy 0.000 description 1
- 210000004936 left thumb Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000004933 right little finger Anatomy 0.000 description 1
- 210000004935 right thumb Anatomy 0.000 description 1
- 230000003319 supportive effect Effects 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提出了基于MediaPipe人体姿态模型的步态分析方法，通过相机对步态分析视频进行采集，采用基于MediaPipe人体姿态模型对人体步行姿态进行感知，获取人体关键点的像素坐标，通过对步态原始数据的分析和计算，得到了步态时间参数、步态空间参数以及步态稳定性、步态对称性、步态节律性和步态平衡性参数。本发明的步态分析方法中不需要使用到人体穿戴式设备，设备简单，便携性佳，数据能实时传输，远距离条件下依然测量精确，稳定性强，应用场景广，步态分析得到的步态参数齐全，具有很好的推广意义。
Description
技术领域
本发明属于诊断鉴定技术领域，涉及一种步态分析方法。
背景技术
步态即人体步行时的姿态和步行特征，是人体通过髋、膝、踝、足趾乃至躯干与上肢的一系列连续活动,使身体沿着一定方向移动的过程。步态分析是一种运动学分析,是对步态信息的客观分析手段,主要研究步行时肢体运动的时间和空间变化规律,通过测量基本步行周期特征,达到揭示步态异常的关键环节和鉴定人物身份等目的。
目前，国外基于传感器、光学及电磁等专利技术设计完成二维电子跑道、三维步态分析系统、可穿戴步态分析系统等仪器，实现不同维度的步态指标识别和测算。然而现有的用于步态分析的仪器设备成本昂贵，并且这些仪器设备多应用于实验室环境，在大人群范围下的应用并不多。另外，不同仪器设备之间测量步态参数的便携性、精确性、全面性也存在差异；在仪器的便携性上，二维电子跑道和可穿戴式步态分析系统明显优于三维步态分析系统；在参数的精确性上，三维步态分析系统优于二维电子跑道和可穿戴式步态分析系统；在参数全面性上，三维步态分析系统同样优于可穿戴式步态分析系统，且可穿戴步态分析系统又优于二维电子跑道。然而，在步态分析中，人体姿态在三维水平难测量的问题一直未能有效解决，步态测量数据也未能达到实时输出，远距离条件下测量准确度不高。
发明内容
为了解决背景技术中所述的问题，本发明提出了基于MediaPipe人体姿态模型的步态分析方法。
本发明的技术方案包括以下步骤：
步骤一、布置设备：在场地上布设一条长度为L的走道，在走道起点处、0.2L长度处、0.8L长度处和终点处做好标识，起点处至0.2L长度处之间的区域定义为第一步行缓冲区，0.8L长度处至终点处之间的区域定义为第二步行缓冲区，0.2L长度处至0.8L长度处之间的区域定义为步行计数区；在走道起点后方用三脚架固定好相机，将相机调整到适宜的高度、角度以保证相机能够将走道上的人像完全拍摄下来；
步骤二、获取相机的内部参数和外部参数：依据张正友标定法，图片坐标系到相机坐标系的矩阵转换计算公式，获取相机的内部参数：焦距、光心所在位置的像素坐标，获取相机在不同拍摄角度下的外部参数：平移矩阵、旋转矩阵；
步骤三、录制步态分析的视频：将相机的视频录制模式调整为固定的帧率，通过相机拍摄受试者在走道上步行的多组步行视频，利用MediaPipe人体姿态模型技术对所有步行视频进行识别，筛选出画质清晰、外界干扰小、质量优质的视频，用作步态分析数据集；
步骤四、采集步态原始数据：使用Mediapipe框架的BlazePose算法对步态分析数据集中的人体步行姿态进行感知，获取步行视频单帧的包括左脚跟、右脚跟、左脚尖和右脚尖在内的人体关键点的像素坐标；
步骤五、分析步态原始数据：在第一步行缓冲区和第二步行缓冲区只计时，在步行计数区需获取每一步的步态参数信息，对左脚跟、右脚跟、左脚尖和右脚尖的像素坐标进行分析，找出左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数；
步骤六、获取世界坐标：借助步骤二获取的相机内外参数，通过高度约束法根据脚跟着地时脚跟的像素坐标从而可以计算出脚跟世界坐标；
步骤七、获取步态时间参数：根据步骤五得到的左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数，通过相机的帧率，计算得到每一个步态周期中的步速、步长时间、步幅时间、支撑相时间和摆动相时间参数；
步骤八、获取步态空间参数：根据步骤五得到的左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数以及步骤六得到的脚跟世界坐标，可计算出步长、步幅、步宽三个步态空间参数；
步骤九、步态时间和空间参数的二次计算：对步骤七、八获得的步态时间参数和步态空间参数进行比例计算，得出步态稳定性、步态对称性、步态节律性和步态平衡性参数。
进一步地，所述的步骤二中，将棋盘格标定板放置在走道起点前方，棋盘格标定板的一边与走道起始线完全平行对齐，棋盘格标定板完全置于相机视野之中，多次改变棋盘格标定板的方位并使用相机拍多张图像，依据张正友标定法，图片坐标系到相机坐标系的矩阵转换计算公式，通过棋盘格标定板中棋盘的规格、此状态下棋盘格标定板的角点坐标，获取相机的内部参数，并计算出此状态下相机的外部参数。
进一步地，所述的步骤六中，
脚跟世界坐标的Xw、Yw通过下式计算求解得到：
其中，(u,v)为图片像素坐标，fx,fy为相机X、Y方向的焦距，(u0,v0)为相机光心所在位置的像素坐标，R、T分别为旋转矩阵和平移矩阵，(Xw,Yw,Zconst)为对Z值施加约束的世界坐标。
更进一步地，所述步骤七中，步速＝步行计数区步行距离/步行计数区时长，步频＝步行计数区步数/步行计数区时长，步长时间为异侧脚跟落地的时间差，步幅时间为同侧脚跟落地的时间差；支撑相时间包括单支撑相时间和双支撑相时间，单支撑相时间为单侧下肢落地时刻减上一步的离地时刻，双支撑相时间为双足同时支撑身体重量的时间；摆动相时间为单侧下肢落地时刻减上一步的离地时刻。
更进一步地，所述步骤八中，步长为一侧足跟触地到对侧足跟触地之间的距离，步幅为行走时同侧足跟从初次着地到再次着地之间纵向直线距离，步宽行走时一侧足跟中点与另一侧足跟中点之间的横向距离。
更进一步地，所述步骤九中，步态稳定性包括步宽、右脚支撑相占步态周期比例参数、左脚支撑相占步态周期比例参数、双支撑相占步态周期比例参数；步态对称性包括步长对称度和单侧支撑相对称度；步态节律性包括步长变异度、步幅变异度、步长时间变异度、步幅时间变异度、步幅速度变异度；步态平衡性包括步宽变异度。所述步态节律性和步态平衡性，通过利用变异系数公式：变异系数＝标准差/平均值×100％计算得到。
本发明与现有技术相比，步态分析方法中通过相机对步态分析视频进行采集，采用基于MediaPipe人体姿态模型对人体步行姿态进行感知，获取人体关键点的像素坐标，通过对步态原始数据的分析和计算，得到了步态时间参数、步态空间参数以及步态稳定性、步态对称性、步态节律性和步态平衡性参数。本发明的步态分析方法中不需要使用到人体穿戴式设备，设备简单，便携性佳，数据能实时传输，远距离条件下依然测量精确，稳定性强，应用场景广，步态分析得到的步态参数齐全，具有很好的推广意义。
附图说明
图1为步态分析方法的流程图。
图2为人体的33个2D位点。
其中：0-鼻子、1-左眼内侧、2-左眼、3-左眼外侧，4-右眼内侧、5-右眼、6-右眼外侧、7-左耳、8-右耳、9-嘴左侧、10-嘴右侧、11-左肩、12-右肩、13-左肘关节、14-右肘关节、15-左手腕、16-右手腕、17-左小指一号指节、18-右小指一号指节、19-左食指一号指节、20-右食指一号指节、21-左拇指二号指节、22-右拇指二号指节、23-左髋关节、24-右髋关节、25-左膝、26-右膝、27-左脚踝、28-右脚踝、29-左脚跟、30-右鞋跟、31-左脚尖、32-右脚尖。
具体实施方式
下面结合附图详细说明本发明的实施情况，但它们并不构成对本发明的限定，仅做举例而已，同时通过说明，将更加清楚地理解本发明的优点。本领域的普通的技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。实施例中所述的位置关系均与附图所示一致，实施例中其他未详细说明的部分均为现有技术。
本发明的步态分析方法的流程如如图1所示，下面结合实施例进行详细说明。
1.布置设备
在场地上布设一条长度为L的走道，在走道起点处、0.2L长度处、0.8L长度处和终点处做好标识，起点处至0.2L长度处之间的区域定义为第一步行缓冲区，0.8L长度处至终点处之间的区域定义为第二步行缓冲区，0.2L长度处至0.8L长度处之间的区域定义为步行计数区；在走道起点后方用三脚架固定好相机，将相机调整到适宜的高度、角度以保证相机能够将走道上的人像完全拍摄下来。
本实施例中，在室内布设走道，走道的尺寸为：长10m、宽1m。在走道的起点处、2m处、8m处和终点处粘贴白色胶带作为标识。
2.获取相机的内部参数和外部参数
将棋盘格标定板放置在走道起点前方，棋盘格标定板的一边与走道起始线完全平行对齐，棋盘格标定板完全置于相机视野之中，多次改变棋盘格标定板的方位并使用相机拍摄多张图像，依据张正友标定法，图片坐标系到相机坐标系的矩阵转换计算公式，通过棋盘格标定板中棋盘的规格、此状态下棋盘格标定板的角点坐标，获取相机的内部参数，并计算出此状态下相机的外部参数。
每种型号的相机内部参数唯一且固定
本实施例中，多次改变棋盘格标定板的方位并使用相机拍摄了15张图像。
3.录制步态分析的视频
将相机的视频录制模式调整为固定的帧率，通过相机拍摄受试者在走道上步行的多组步行视频，利用MediaPipe人体姿态模型技术对所有步行视频进行识别，筛选出画质清晰、外界干扰小、质量优质的视频，用作步态分析数据集；
本实施例中，相机的帧率为60帧/秒。
4.采集步态原始数据
使用Mediapipe框架的BlazePose算法对步态分析数据集中的人体步行姿态进行感知，获取步行视频单帧的包括左脚跟29、右脚跟30、左脚尖31和右脚尖32在内的人体关键点的像素坐标。
人体的33个2D位点如图2所示，在运动、舞蹈、健身上应用时刻依情况取其中的相应位点。这33个2D位点为：鼻子0、左眼内侧1、左眼2、左眼外侧3、右眼内侧4、右眼5、右眼外侧6、左耳7、右耳8、嘴左侧9、嘴右侧10、左肩11、右肩12、左肘关节13、右肘关节14、左手腕15、右手腕16、左小指一号指节17、右小指一号指节18、左食指一号指节19、右食指一号指节20、左拇指二号指节21、右拇指二号指节22、左髋关节23、右髋关节24、左膝25、右膝26、左脚踝27、右脚踝28、左脚跟29、右鞋跟30、左脚尖31和右脚尖32。
5.分析步态原始数据
在第一步行缓冲区和第二步行缓冲区只计时，在步行计数区需获取每一步的步态参数信息，对左脚跟29、右脚跟30、左脚尖31和右脚尖32的像素坐标进行分析，找出左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数。
6.获取世界坐标
借助步骤二获取的相机内外参数，通过高度约束法根据脚跟着地时脚跟的像素坐标从而可以计算出脚跟世界坐标。
从世界坐标系到像素坐标系的转换关系如下所述。
从世界坐标(Xw,Yw,Zw)到摄像机坐标(Xc,Yc,Zc)的转换是刚体转换，转换关系如(1)式所示，其中R、T分别表示旋转矩阵和平移矩阵：
从摄像机坐标(Xc,Yc,Zc)到图像坐标(x,y)是透视投影转换，转换关系如(2)式所示，其中fx、fy表示相机的焦距：
从图像坐标(x,y)到像素坐标(u,v)的转换关系如(3)式所示：
合并(1)(2)(3)式，可得到关系式(4)：
式(4)可表示为式(5)的形式：
然而式(5)中，Xw，Yw，Zw，Zc均未知，三个方程只能求出通解，无法得到唯一解。但只需求脚跟世界坐标，也就是说Zc几乎可以看成是固定值，即脚跟世界坐标的Xw、Yw通过式(6)计算求解得到：
其中，(u,v)为图片像素坐标，fx,fy为相机X、Y方向的焦距，(u0,v0)为相机光心所在位置的像素坐标，R、T分别为旋转矩阵和平移矩阵，(Xw,Yw,Zconst)为对Z值施加约束的世界坐标。
7.获取
根据5中得到的左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数，通过相机的帧率，计算得到每一个步态周期中的步速、步长时间、步幅时间、支撑相时间和摆动相时间参。步态时间参数的具体说明见表1。
表1步态时间参数
步速：正常人平均自然步速约1.2m/s，对运动迟缓有提示作用。
步频：正常人平均自然步频为95-125步/min,一般不随年龄变化，步频增加多提示步态异常。
步长时间:比较左右步长时间可反映步态对称性。
步幅时间：对运动迟缓有提示作用。
支撑相：正常人的支撑相时间在步态周期中占比约60％。是在一个步态周期中单侧下肢与地面接触的时间，支撑相又包括双支撑相和单支撑相。双支撑相指一侧下肢在与地面接触的这段时期内，对侧下肢同时也在进行足部着地的行为，这段双足同时着力的阶段，叫做双支撑相，当步行速度越快时,其时间越短,双支撑相是区分步行与跑步的标准。单支撑相指仅一侧下肢与地面接触，可被分为左支撑相和右支撑相。单支撑相时间等同于对侧下肢的摆动相时间,比较左右单支撑时间可以反映步态对称性。
摆动相：正常人的摆动相时间在步态周期中占比约40％。
8.获取步态空间参数
根据5中得到的左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数以及6中得到的脚跟世界坐标，可计算出步长、步幅、步宽三个步态空间参数。步态空间参数的具体说明见表2。
表2步态空间参数
步长：正常人步长为50-80cm,随年龄增大逐渐下降。
步幅：正常人步幅为步长的2倍。
步宽：增加步宽可增加行走的稳定性,因此步宽随年龄增大可增加。
9.步态时间和空间参数的二次计算
对步骤七、八获得的步态时间参数和步态空间参数进行比例计算，得出步态稳定性、步态对称性、步态节律性和步态平衡性参数，参数的具体说明见表2。
表2步态稳定性、对称性、节律性和平衡性参数
步态稳定性：步态稳定性下降时，支撑相的比例会在整个步行周期中占比更多。增加步宽可增加行走的稳定性,因此增加步宽可增加行走的稳定性。
步态对称性：是时空参数的对称性，体现在步态周期各个时项的对称性和下肢，如果患有神经系统相关的疾病，个体的平衡能力出现受损，下肢运动障碍会导致左右脚步态的对称性发生改变。当左右完全对称时这三项指标均为1，此时为最理想的步态。
步态节律性：体现步长、步幅、步长时间、步幅时间、步幅速度的波动性、时间变异型和纵向的空间变异性,变异度越高提示步态节律性越差。
步态平衡性：体现步宽的波动性、横向的空间变异性,变异度越高提示平衡控制能力减弱。
所有步态变异度的正常范围为0-10％。
本实施例中，受试者在走道上匀速步行10次，通过该步态分析方法进行步态分析，得到的结果如表4所示。受试者除了步宽变异度异常之外，其他项均处于正常水平，通过步态分析结果可指导受试者进行步态矫正。
表4步态分析结果一览表
以上结合附图及具体实施例详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
Claims (4)
1.基于MediaPipe人体姿态模型的步态分析方法，其特征在于，包括以下步骤：
步骤一、布置设备：在场地上布设一条长度为L的走道，在走道起点处、0.2L长度处、0.8L长度处和终点处做好标识，起点处至0.2L长度处之间的区域定义为第一步行缓冲区，0.8L长度处至终点处之间的区域定义为第二步行缓冲区，0.2L长度处至0.8L长度处之间的区域定义为步行计数区；在走道起点后方用三脚架固定好相机，将相机调整到适宜的高度、角度以保证相机能够将走道上的人像完全拍摄下来；
步骤二、获取相机的内部参数和外部参数：依据张正友标定法，图片坐标系到相机坐标系的矩阵转换计算公式，获取相机的内部参数：焦距、光心所在位置的像素坐标，获取相机在不同拍摄角度下的外部参数：平移矩阵、旋转矩阵；
步骤三、录制步态分析的视频：将相机的视频录制模式调整为固定的帧率，通过相机拍摄受试者在走道上步行的多组步行视频，利用MediaPipe人体姿态模型技术对所有步行视频进行识别，筛选出画质清晰、外界干扰小、质量优质的视频，用作步态分析数据集；
步骤四、采集步态原始数据：使用Mediapipe框架的BlazePose算法对步态分析数据集中的人体步行姿态进行感知，获取步行视频单帧的包括左脚跟(29)、右脚跟(30)、左脚尖(31)和右脚尖(32)在内的人体关键点的像素坐标；
步骤五、分析步态原始数据：在第一步行缓冲区和第二步行缓冲区只计时，在步行计数区需获取每一步的步态参数信息，对左脚跟(29)、右脚跟(30)、左脚尖(31)和右脚尖(32)的像素坐标进行分析，找出左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数；
步骤六、获取世界坐标：借助步骤二获取的相机内外参数，通过高度约束法根据脚跟着地时脚跟的像素坐标从而可以计算出脚跟世界坐标；
步骤七、获取步态时间参数：根据步骤五得到的左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数，通过相机的帧率，计算得到每一个步态周期中的步速、步长时间、步幅时间、支撑相时间和摆动相时间参数；
其中，步速＝步行计数区步行距离/步行计数区时长，步频＝步行计数区步数/步行计数区时长，步长时间为异侧脚跟落地的时间差，步幅时间为同侧脚跟落地的时间差；支撑相时间包括单支撑相时间和双支撑相时间，单支撑相时间为单侧下肢落地时刻减上一步的离地时刻，双支撑相时间为双足同时支撑身体重量的时间；摆动相时间为单侧下肢落地时刻减上一步的离地时刻；
步骤八、获取步态空间参数：根据步骤五得到的左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数以及步骤六得到的脚跟世界坐标，可计算出步长、步幅、步宽三个步态空间参数；
其中，步长为一侧足跟触地到对侧足跟触地之间的距离，步幅为行走时同侧足跟从初次着地到再次着地之间纵向直线距离，步宽行走时一侧足跟中点与另一侧足跟中点之间的横向距离；
步骤九、步态时间和空间参数的二次计算：对步骤七、八获得的步态时间参数和步态空间参数进行比例计算，得出步态稳定性、步态对称性、步态节律性和步态平衡性参数；
其中，步态稳定性包括步宽、右脚支撑相占步态周期比例参数、左脚支撑相占步态周期比例参数、双支撑相占步态周期比例参数；步态对称性包括步长对称度和单侧支撑相对称度；步态节律性包括步长变异度、步幅变异度、步长时间变异度、步幅时间变异度、步幅速度变异度；步态平衡性包括步宽变异度。
2.根据权利要求1所述的基于MediaPipe人体姿态模型的步态分析方法，其特征在于：所述的步骤二中，将棋盘格标定板放置在走道起点前方，棋盘格标定板的一边与走道起始线完全平行对齐，棋盘格标定板完全置于相机视野之中，多次改变棋盘格标定板的方位并使用相机拍摄多张图像，依据张正友标定法，图片坐标系到相机坐标系的矩阵转换计算公式，通过棋盘格标定板中棋盘的规格、此状态下棋盘格标定板的角点坐标，获取相机的内部参数，并计算出此状态下相机的外部参数。
3.根据权利要求1所述的基于MediaPipe人体姿态模型的步态分析方法，其特征在于：所述的步骤六中，
脚跟世界坐标的Xw、Yw通过下式计算求解得到：
其中，(Xc,Yc,Zc)为摄像机坐标，(u,v)为图片像素坐标，fx,fy为相机X、Y方向的焦距，(u0,v0)为相机光心所在位置的像素坐标，R、T分别为旋转矩阵和平移矩阵，(Xw,Yw,Zconst)为对Z值施加约束的世界坐标。
4.根据权利要求1-3中任意一项所述的基于MediaPipe人体姿态模型的步态分析方法，其特征在于：所述步态节律性和步态平衡性，通过利用变异系数公式：变异系数＝标准差/平均值×100％计算得到。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211165984.XA CN115644853B (zh) | 2022-09-23 | 2022-09-23 | 基于MediaPipe人体姿态模型的步态分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211165984.XA CN115644853B (zh) | 2022-09-23 | 2022-09-23 | 基于MediaPipe人体姿态模型的步态分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115644853A CN115644853A (zh) | 2023-01-31 |
| CN115644853B true CN115644853B (zh) | 2024-05-03 |
Family
ID=84985858
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211165984.XA Active CN115644853B (zh) | 2022-09-23 | 2022-09-23 | 基于MediaPipe人体姿态模型的步态分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115644853B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN215384062U (zh) * | 2021-07-15 | 2022-01-04 | 华中科技大学 | 一种用于四肢关节康复的运动监测装置 |
| WO2022183116A1 (en) * | 2021-02-26 | 2022-09-01 | Resmed Inc. | System and method for continuous adjustment of personalized mask shape |
| CN114999646A (zh) * | 2022-06-01 | 2022-09-02 | 北京大学 | 新生儿运动发育评估系统、方法、装置及存储介质 |
| CN115019388A (zh) * | 2022-05-20 | 2022-09-06 | 安徽大学 | 一种利用单目摄像头拍摄步态视频全自动步态分析方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9801568B2 (en) * | 2014-01-07 | 2017-10-31 | Purdue Research Foundation | Gait pattern analysis for predicting falls |
-
2022
- 2022-09-23 CN CN202211165984.XA patent/CN115644853B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2022183116A1 (en) * | 2021-02-26 | 2022-09-01 | Resmed Inc. | System and method for continuous adjustment of personalized mask shape |
| CN215384062U (zh) * | 2021-07-15 | 2022-01-04 | 华中科技大学 | 一种用于四肢关节康复的运动监测装置 |
| CN115019388A (zh) * | 2022-05-20 | 2022-09-06 | 安徽大学 | 一种利用单目摄像头拍摄步态视频全自动步态分析方法 |
| CN114999646A (zh) * | 2022-06-01 | 2022-09-02 | 北京大学 | 新生儿运动发育评估系统、方法、装置及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Design of an experimental platform of gait analysis with ActiSense and StereoPi;Leer, A等;Current Directions in Biomedical Engineering;20220902;第572-575页 * |
| 基于人类行走模型的步态特征提取方法研究;张博锋;张静茹;颜科;江苏苏;魏大名;;计算机应用与软件;20090515(第05期);第204-207+223页 * |
| 拟合下肢几何特征的多视角步态周期检测;张云佐;吉林大学学报(工学版);20220207;第2611-2619页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115644853A (zh) | 2023-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107174255B (zh) | 基于Kinect体感技术的三维步态信息采集与分析方法 | |
| Napoli et al. | Performance analysis of a generalized motion capture system using microsoft kinect 2.0 | |
| US9524424B2 (en) | Calculation of minimum ground clearance using body worn sensors | |
| Harsted et al. | Concurrent validity of lower extremity kinematics and jump characteristics captured in pre-school children by a markerless 3D motion capture system | |
| KR101053491B1 (ko) | 모션 센서를 이용한 보행주기 검출시스템과 방법 | |
| CN102679964B (zh) | 步态参数测量系统及其数据处理装置和方法 | |
| Mortazavi et al. | Stability of Kinect for range of motion analysis in static stretching exercises | |
| Zerpa et al. | The use of microsoft Kinect for human movement analysis | |
| WO2021225249A1 (ko) | 보행 분석 시스템 및 방법 | |
| Anwary et al. | Validity and consistency of concurrent extraction of gait features using inertial measurement units and motion capture system | |
| CN114712769A (zh) | 基于计算机视觉的立定跳远智能测距方法及系统 | |
| CN117158952A (zh) | 一种三维步态特征提取及异常步态评估的实现方法 | |
| Koop et al. | The HoloLens augmented reality system provides valid measures of gait performance in healthy adults | |
| CN115644853B (zh) | 基于MediaPipe人体姿态模型的步态分析方法 | |
| Diaz-Monterrosas et al. | A brief review on the validity and reliability of Microsoft Kinect sensors for functional assessment applications | |
| Boldo et al. | On the reliability of single-camera markerless systems for overground gait monitoring | |
| US20210267494A1 (en) | Analysis system and method of joint movement | |
| Oliveira et al. | Using inertial measurement unit sensor single axis rotation angles for knee and hip flexion angle calculations during gait | |
| CN115105062B (zh) | 髋膝关节协调性评估方法、装置、系统和存储介质 | |
| CN111582081A (zh) | 一种多Kinect串联的步态数据时空合并方法与测量装置 | |
| CN111260718A (zh) | 一种基于Kinect摄像头的人体重心估计方法 | |
| Samson et al. | A portable system for foot biomechanical analysis during gait | |
| Rizaldy et al. | Evaluation of action sport camera optical motion capture system for 3D gait analysis | |
| CN114376518A (zh) | 一种非接触式的运动人体能量消耗实时评估系统及方法 | |
| CA2595167A1 (en) | Method for calibrating sensor positions in a human movement measurement and analysis system |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |