基于无标记点运动跟踪步态参数提取.docVIP

基于无标记点运动跟踪步态参数提取 　　摘要：提出一种无标记点的步态参数提取方法，采用基于模型的人体运动跟踪方法，无须标记点即可从视频图像序列中获取运动步态参数。利用粒子滤波算法跟踪人体目标运动过程，通过基于外观模型的相似度计算及边界匹配误差判断定位腿部关节点。依据曲线拟合方法在跟踪与定位结果上提取运动步态参数。实验结果表明，该方法能精确定位腿部关节点且有效地提取步态参数。 　　关键词：无标记点； 人体模型； 人体运动跟踪； 步态参数 　　中图分类号：TP391.9文献标志码：A 　　文章编号：1001－3695(2008)06－1759－03 　　 　　步态分析是利用生物力学的概念和已知的人体解剖学、生理学知识，借助现代计算机技术对人的行走姿态进行分析的研究方法。步态分析的研究内容主要包括人体动力学和人体运动学。近年来，随着计算机视觉和图像处理技术的快速发展，步态分析在临床医学、康复医疗、矫形外科、体育运动分析等相关领域得到了广泛应用。?? 　　过去的研究中，运动步态参数基本上是通过对标记点的定位得到的。标记点的定位方法主要分为两类：a)通过传感器设备获取标记点位置及运动数据[1，2]；b)利用数字图像处理技术识别、跟踪标记点[3，4]。上述方法，通过仪器定位标记点通常会对人体运动形成一定限制，存在精度不高、无法消除电磁干扰等缺点。对标记点进行识别与跟踪，虽然提高了标记点自动化跟踪程度，但这些标记点有时被遮挡或变形，容易产生错位导致定位不精确，影响测试结果。 　　本文提出了一种新的运动步态参数提取方法，区别于步态分析原型系统中标记点的定位方法，提出利用无标记点的运动跟踪方法跟踪及定位人体关节点。采用背景剪除技术从视频图像序列中提取运动人体目标，用于运动跟踪。通过对人体建模，利用一个带外观模型的人体骨架模型描述人体关节特征。粒子滤波算法用于跟踪整个步态运动，在基于外观模型的相似度计算和边界匹配误差判断的基础上精确定位腿部关节点。利用曲线拟合方法，复现了离散关节点的连续变化运动轨迹，从而提取出运动步态参数。利用无标记点的人体运动跟踪方法提取步态参数，解决了步态分析原型系统中影响标记点定位精度和步态参数准确性的问题。?? 　　 　　1人体目标提取?? 　　 　　人体目标提取结果的好坏直接影响到后面人体关节点跟踪与定位的精确性。通过背景估计初始化背景模型，恢复图像序列中的背景图像。在具有运动物体的场景中，由于场景在整个视频序列中近似静止，可以通过滤波方法估计静止背景，利用公式重建背景：Bk(x,y)=∑N-ii=0hi×f??k-1。其中：hi为中值滤波器；N为滤波器长度。 　　采用背景消减技术从图像序列中检测出人体运动目标：首先利用公式Dk(x,y)=｜fk(x,y)-B??k-1(x,y)｜计算背景图像Bk与当前帧图像fk的差。其中：fk(x,y)、B??k-1(x,y)分别为当前帧图像和背景图像；Dk(x,y)为背景减得到的差分图像。然后依据公式Rk(x,y)=1foregroundDk(x,y)＞T0background Dk(x,y)≤T 　　对差分图像Dk进行二值化和形态学处理，并对所得结果Rk进行区域连通性分析。当某一连通区域的面积大于给定阈值，则为检测目标，并认为该区域就是目标的区域范围。其中：T是目标分割时设定的阈值。 　　?ビ捎诹炼缺浠?，差分的结果不能满足需求，需要选择合适的阈值。一般情况下，亮度的变化取决于物体和背景的对比度，也就是要知道图像灰度的分布情况；阈值的选择可以根据差分图像直方图确定。运动人体检测中的图像结果如图1所示。其中图1（c）为最终提取的人体二值图像。?? 　　 　　2人体建模?? 　　 　　人体各部位可近似看做刚体，各部位之间通过关节点（如颈关节、髋关节、膝关节、踝关节等）相连。为分析人体步态运动，采用如图2（b）所示的多关节人体骨架模型[5]。本文依据身体各部分相对于身高的比例关系（图2（a）），计算身体各部位的长度，如颈、躯干、大腿、小腿的长度等。 　　?ト颂骞羌苣Ｐ陀晒亟诘愫土?接两个相邻关节点的直线段一起构成。用状态向量Xt={(x1,y1)，…，(x8,y8)，θ1,θ2,θ3,θ4}来表示人体在时刻t的运动姿态。其中：(xi,yi)表示人体步态模型中各关节点的坐标位置，包括头顶点、颈关节、肩关节、髋关节、左右膝关节、左右踝关节（图中左上角为原点位置，X轴向右为正，Y轴向下为正），i=1…8；θi表示大、小腿与竖直方向的夹角（X轴正向夹角为正角，反之为负角），i=1…4。?? 　　为精确定位腿部关节点，建立人体骨架模型对应的外观模型用于相似度计算及边界匹配误差判断。图2（c）为人体步态模型中腿部的四个方形区域，每个区域包含两个关节点，方形