基于计算机图像序列的人体步态参数获取方法

　　其中,MAX(S)指整个图像序列的最大速度函数值。　　模糊评判按下式进行：



　　对于轨迹i,我们将第t＋1时刻的每一轮廓点代入（５）式,并计算出最小的M(i,j)。这样,我们就可以将点j归入轨迹i之中。如果特征点ｊ同时使下面二式成立：



　　上两式中s代表t＋1时刻的任一轮廓点。在这种情况下,我们就要比较M(i,j)和M(k,j)的大小,当M(i,j)＜M(k,j)时,我们将轮廓点j归入轨迹i,而将另一点g归入轨迹k,g满足下式：

　　在处理第一和第二时刻的轮廓点时,(5)式用下式代替。



　　当轮廓点出现遮挡现象时,我们可以将预测位置作为实际特征点的位置,从而使轨迹得以延续。由于前三时刻图像对于轮廓点的跟踪起着重要的作用,所以我们假设在前三时刻无遮挡现象发生。

　　２ 实验分析

　　一单目动态图像序列的实验情况如图２所示,图像为256×256黑白点阵图像。图2(a)中列出了该序列的第1、第8、第15和第22帧图像。在图像的Y＝225处获得XT切片。图2(b)显示了XT切片上的两下肢的轮廓点,当(2)式中n(k)的方差取0.015,(4)式中η(k)的方差取0.05。评判因子为λ１、λ２和λ３取0.5、0.25、0.25,则可得到图2(c)所示的轨迹重建结果。在下肢交叉运动时,某些轮廓点可能被遮挡,用Kalman滤波的预测位置代替遮挡点的位置,使图2(c)的轨迹得到了很好的延续。

　　通过轮廓点轨迹的建立,就可以从Kalman滤波中获得轨迹在每一时刻的速度和加速度等信息,而这些信息完全反映了人体的步态情况。由于这一过程计算简单,计算机的计算负担很轻,所以具有较高的完成速率。

　　本文摒弃了人体图像序列分析的复杂数学模型,从图像学的某一XT切片入手,从XT切片上离散的轮廓点重建出运动轨迹。轨迹的重建通过Kalman滤波的方法,使得轮廓点的遮挡问题能通过预测向量的方法得到解决。同时通过Kaman滤波,得到了每一时刻轮廓点运动的速度及加速度等信息,也就是获得了步态参数。由于本文方法具有较高的完成速率,所以更具实用价值。