步态特征提取方法、系统与计算机设备与流程

本发明属于图像识别，尤其涉及一种步态特征提取方法、系统与计算机设备。

背景技术：

1、步态特征是神经精神疾病者活动水平的客观临床标志物。步态异常同时也是老年人跌倒、残疾和痴呆的前兆。人体步态分析作为一种临床工具，用于辅助诊断和监测神经精神系统疾病，包括帕金森病、阿尔兹海默病、痴呆症、抑郁症和焦虑症等情绪障碍，有很大的临床应用价值。因此，如何实现对步态特征的提取，对异常步态进行甄别，将为神经系统疾病、关节类疾病的决速、准确诊疗提供新的有效路径。

2、为了解决上述技术问题，现有技术方案中cn110110703a《步态特征采集系统、方法及目标对象识别方法、装置》中通过在步态特征采集过程中不需要输入被采集人的身份信息，减少了步态特征采集的步骤，提高了采集的效率，但是与此同时，却存在以下技术问题：

3、在步态特征的采集过程中，由于用户紧张或者其它因素的干扰，导致并不是所有的用户图像中均存在有效步态特征，因此若不能实现对包含有效步态特征的用户图像的筛选，则无法保证用户的步态特征的提取效率。

4、针对上述技术问题，本发明提供了一种步态特征提取方法、系统与计算机设备。

技术实现思路

1、为实现本发明目的，本发明采用如下技术方案：

2、根据本发明的一个方面，提供了一种基于聚类算法的产品模块划分方法。

3、一种步态特征提取方法，其特征在于，具体包括：

4、s1通过足底压力阵列进行用户的不同的压力阵列点的足底压力的获取，根据不同的压力阵列点的足底压力的变动情况进行所述不同的压力阵列点的足底压力的周期变动数据的确定，并结合不同的压力阵列点的足底压力的压力变动数据进行不同的单位时间段内的不同的压力阵列点的可信度以及可信阵列点的确定；

5、s2通过不同的单位时间段内的不同的压力阵列点的可信度以及可信阵列点的数量进行不同的单位时间段内的足底压力可信度以及可信压力时段的确定，并当所述可信压力时段的总时长满足要求时，进入下一步骤；

6、s3根据所述可信压力时段的不同时刻的压力阵列点的压力进行不同时刻的压力阵列点的压力分布特征的确定，并基于所述压力分布特征以及预设特征的匹配结果进行不同时刻的特征匹配可信度以及筛选时刻的确定；

7、s4通过所述特征匹配可信度以及筛选时刻进行所述可信压力时段的特征分布有效值以及有效压力时段的筛选，并基于所述有效压力时段的用户图像得到所述用户的步态特征。

8、进一步的技术方案在于，所述足底压力的周期变动数据包括所述足底压力的变动周期以及不同的变动周期之间的时间偏差。

9、进一步的技术方案在于，所述足底压力的压力变动数据包括所述足底压力在不同的变动周期的不同时刻的压力变动量以及在同一个变动周期的不同时刻的压力变动量。

10、进一步的技术方案在于，所述筛选时刻的确定的方法为：

11、通过所述压力分布特征与所述预设特征的匹配结果进行所述压力分布特征中的不同的压力阵列点的偏差量的确定，并通过不同的压力阵列点的偏差量进行不同的压力阵列点的匹配可信度的确定，基于不同的压力阵列点的匹配可信度进行所述时刻的特征匹配可信度的确定，并基于所述特征匹配可信度进行筛选时刻的确定。

12、进一步的技术方案在于，所述可信压力时段的特征分布有效值的取值范围在0到1之间，其中所述可信压力时段的特征分布有效值越大，则所述可信压力时段的步态特征越可靠。

13、另一方面，本发明提供了一种步态特征提取系统，采用上述的一种步态特征提取方法，其特征在于，具体包括：

14、可信阵列点获取模块，可信时段获取模块，筛选时刻评估模块，特征获取模块；

15、其中所述可信阵列点获取模块负责通过足底压力阵列进行用户的不同的压力阵列点的足底压力的获取，根据不同的压力阵列点的足底压力的变动情况进行所述不同的压力阵列点的足底压力的周期变动数据的确定，并结合不同的压力阵列点的足底压力的压力变动数据进行不同的单位时间段内的不同的压力阵列点的可信度以及可信阵列点的确定；

16、所述可信时段获取模块负责通过不同的单位时间段内的不同的压力阵列点的可信度以及可信阵列点的数量进行不同的单位时间段内的足底压力可信度以及可信压力时段的确定；

17、所述筛选时刻评估模块负责根据所述可信压力时段的不同时刻的压力阵列点的压力进行不同时刻的压力阵列点的压力分布特征的确定，并基于所述压力分布特征以及预设特征的匹配结果进行不同时刻的特征匹配可信度以及筛选时刻的确定；

18、所述特征获取模块负责通过所述特征匹配可信度以及筛选时刻进行所述可信压力时段的特征分布有效值以及有效压力时段的筛选，并基于所述有效压力时段的用户图像得到所述用户的步态特征。

19、另一方面，本发明提供了一种计算机设备，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种步态特征提取方法。

20、本发明的有益效果在于：

21、1、通过基于周期变动数据以及压力变动数据进行不同的单位时间段内的不同的压力阵列点的可信度以及可信阵列点的确定，实现了不同周期的压力阵列点的变动情况以及周期之间的时长变动情况两个角度对不同的压力阵列点进行可信度的评估，也为进一步进行可信压力时段的筛选奠定了基础，避免了由于用户因为紧张等问题导致的步态特征的提取结果不够准确的技术问题。

22、2、通过基于压力分布特征以及预设特征的匹配结果进行不同时刻的特征匹配可信度以及筛选时刻的确定，从而实现了不同的压力阵列点的压力分布情况与预设的病患的预设特征的匹配结果对不同时刻的可信度进行进一步评估，避免了不必要的步态特征的提取，也使得步态特征的提取结果更加准确。

23、3、通过特征匹配可信度以及筛选时刻进行可信压力时段的特征分布有效值以及有效压力时段的筛选，充分考虑到不同的可信压力时段由于压力特征的分布的可信度的差异导致的不同的可信压力时段的有效步态特征的差异，从而保证了有效压力时段的步态特征的准确性。

24、其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

25、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种步态特征提取方法，其特征在于，具体包括：

2.如权利要求1所述的步态特征提取方法，其特征在于，所述足底压力的周期变动数据包括所述足底压力的变动周期以及不同的变动周期之间的时间偏差。

3.如权利要求1所述的步态特征提取方法，其特征在于，所述足底压力的压力变动数据包括所述足底压力在不同的变动周期的不同时刻的压力变动量以及在同一个变动周期的不同时刻的压力变动量。

4.如权利要求1所述的步态特征提取方法，其特征在于，所述压力阵列点的可信度的确定的方法为：

5.如权利要求1所述的步态特征提取方法，其特征在于，当所述压力阵列点的可信度小于预设可信度阈值时，则确定所述压力阵列点不属于可信阵列点。

6.如权利要求1所述的步态特征提取方法，其特征在于，当所述可信压力时段的总时长不满足要求时，则暂不对所述用户的步态特征进行提取，输出步态特征不准确，需要重新采集。

7.如权利要求1所述的步态特征提取方法，其特征在于，所述可信压力时段的确定的方法为：

8.如权利要求1所述的步态特征提取方法，其特征在于，所述筛选时刻的确定的方法为：

9.一种步态特征提取系统，采用权利要求1-8任一项所述的一种步态特征提取方法，其特征在于，具体包括：

10.一种计算机设备，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行权利要求1-8任一项所述的一种步态特征提取方法。

技术总结
本发明提供一种步态特征提取方法、系统与计算机设备，属于图像识别技术领域，具体包括：通过不同的单位时间段内的不同的压力阵列点的可信度以及可信阵列点的数量进行不同的单位时间段内的足底压力可信度以及可信压力时段的确定，根据所述可信压力时段的不同时刻的压力阵列点的压力进行不同时刻的压力阵列点的压力分布特征的确定，并基于所述压力分布特征以及预设特征的匹配结果进行不同时刻的特征匹配可信度以及筛选时刻的确定，通过所述特征匹配可信度以及筛选时刻进行所述可信压力时段的特征分布有效值以及有效压力时段的筛选，并基于所述有效压力时段的用户图像得到所述用户的步态特征，从而进一步提升了步态特征的提取的可靠性。

技术研发人员：崔文波,张利娜,贠勇,王江龙,石见,周志丹,赵长伟,龚伟莹,王姣艳,齐丛林,王旭东,李敏,张军辉
受保护的技术使用者：新乡市华西卫材有限公司
技术研发日：
技术公布日：2024/3/11