CN107480651-CN201710743555-异常步态检测方法及异常步态检测系统.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 107480651 A (43)申请公布日 2017.12.15 (21)申请号 201710743555.9 (22)申请日 2017.08.25 (71)申请人 清华大学深圳研究生院 地址 518055 广东省深圳市南山区西丽大 学城清华校区 (72)发明人 郭振华　王鲁阳　 (74)专利代理机构 深圳市鼎言知识产权代理有 限公司 44311 代理人 卢亚红　曾昭毅 (51)Int.Cl. G06K 9/00(2006.01) G06N 3/02(2006.01) 权利要求书2页 说明书7页 附图4页 (54)发明名称 异常步态检测方法及异常步态检测系统 (57)摘要 本发明提供一种基于视频的异常步态检测 方法及异常步态检测系统，所述异常步态检测方 法包括：获取包含有待测步态信息的视频，提取 所述待测步态信息中表示人体步态的特征部位 的信息；根据提取的所述特征部位的信息，利用 第一神经网络判断所述待测步态信息中的步态 是否为异常步态。能够基于视频利用神经网络判 断所述待测步态信息是否属于异常步态，提高了 异常步态的检测效率，节约了医疗资源。 A 1 5 6 0 8 4 7 0 1 N C CN 107480651 A 权　利　要　求　书 1/2页 1.一种基于视频的异常步态检测方法，其特征在于，包括： 获取包含有待测步态信息的视频； 提取所述待测步态信息中表示人体步态的特征部位的信息； 根据提取的所述特征部位的信息，利用第一神经网络判断所述待测步态信息中的步态 是否为异常步态。 2.如权利要求1所述的异常步态检测方法，其特征在于，所述待测步态信息至少包括人 体下半身步态信息；所述特征部位包括腰部、左右膝盖部及左右脚踝。 3.如权利要求1所述的异常步态检测方法，其特征在于，步骤“提取所述待测步态信息 中表示人体步态的特征部位的信息”包括： 训练第二神经网络来识别所述特征部位； 获取所述视频中包含的若干图像中识别到的特征部位对应的坐标； 根据所述特征部位对应的坐标，标定第一关键点； 在每一幅图像中标定的第一关键点上进行连线，得到多个第一步态轮廓。 4.如权利要求3所述的异常步态检测方法，其特征在于，步骤“根据提取的所述特征部 位的信息，利用第一神经网络判断所述待测步态信息中的步态是否为异常步态”包括： 利用大量的异常步态和正常步态的样本，对搭建的第一神经网络进行训练； 根据每幅图像中所述特征部位对应的坐标及所述第一步态轮廓，与多幅图像中所述坐 标的随时序的变化关系及所述第一步态轮廓之间随时序的变化关系，利用训练好的第一神 经网络判断所述待测步态信息是否属于异常步态； 若所述待测步态信息属于异常步态，则计算所述待测步态信息与第一异常步态集中的 若干预设异常步态的相似度。 5.如权利要求4所述的异常步态检测方法，其特征在于，在步骤“根据提取的所述特征 部位的信息，利用第一神经网络判断所述待测步态信息中的步态是否为异常步态”之后，还 包括： 获取与若干预设异常步态分别对应的视频中多幅连续图像中的特征部位坐标及第二 步态轮廓； 根据所述特征部位坐标及所述第二步态轮廓计算得到若干预设异常步态分别对应的 几何特征； 将所述待测步态信息及与其具有相似度的预设异常步态的几何特征按照相似度由高 到低依次进行匹配； 若所述待测步态信息与一预设异常步态的几何特征匹配成功，则