基于深度图像的人体关节定位与步态分析

发布时间：2021-12-10 21:13

　　根据面向家庭的健康状况评估的需要,结合Kinect深度图像的特点,提出一种无标记点的下肢关节定位和步态分析方法.首先利用分层处理ViBe算法提取人体目标,然后在多关节骨架模型基础上,采用自适应阈值法来区分侧面人体的前后腿,根据相邻样本差值分别判断膝关节与踝关节有无遮挡现象,再利用比例扩大法和边缘定位法实现下肢各关节定位.最后对获取的关节动态数据进行分析获取步态参数.通过与手工标记点方法的步态分析进行比较实验,表明该算法的人体关节定位的准确度能够较好地满足步态分析的需要. 

【文章来源】：华中科技大学学报(自然科学版). 2015,43(S1)北大核心EICSCD

【文章页数】：4 页

【文章目录】：
1 人体关节定位
    1.1 人体目标提取
    1.2 关节定位
        1.2.1 髋关节定位
        1.2.2 膝关节定位
        1.2.3 踝关节定位
2 基于关节点的步态参数
3 实验结果分析


【参考文献】：
期刊论文
[1]基于Kinect深度图像信息的人体运动检测[J]. 孟明,杨方波,佘青山,孙曜,罗志增.  仪器仪表学报. 2015(02)
[2]步态分析技术评估人工踝关节置换前后踝关节功能的改善程度[J]. 周欣,韦民,王伟.  中国组织工程研究. 2012(35)
[3]基于步态加速度的步态分析研究[J]. 刘蓉,黄璐,李少伟,刘毅.  传感技术学报. 2009(06)
[4]基于无标记点运动跟踪的步态参数提取[J]. 杨路明,桂彦,曾庆冬.  计算机应用研究. 2008(06)
[5]无标志的人体步行腿部骨架检测与跟踪[J]. 冯莲,邹北骥,刘相滨,刘丽丽.  计算机工程与科学. 2007(01)
[6]步态分析在临床中的应用[J]. 胡雪艳,恽晓平.  中国康复理论与实践. 2003(11)



本文编号：3533402