【技術實現步驟摘要】
本專利技術涉及步態健康監測領域，尤其涉及一種步態健康監測與分析方法及系統。
技術介紹
1、每個人雖然都有自己獨特的走路姿勢，然而一些相同的步態仍能夠反映出人們的身體問題，也就是說，從走路姿態可以看出一個人的健康狀況。例如，當一個人走路左右搖晃時，除了先天性“長短腿”之外，后天疾病，比如脊柱側彎有可能導致這種跛行現象的發生，這時就需要將這個人作為脊柱側彎的疑似患者進行后續疾病的深入篩查和排除。
2、示例地，中國專利技術專利公開文本cn?117379038a提出了一種步態健康監測與分析系統，所述系統包括基礎數據層，用于對用戶信息以及系統數據進行存儲；用戶交互層，用于接收用戶的交互指令，根據交互指令向業務響應層發送處理請求，并對業務響應層返回的處理結果進行可視化展示；業務響應層，用于根據處理請求調用核心功能層對用戶信息和系統數據進行步態健康監測與分析處理，得到處理結果；核心功能層，用于通過搜索連接步態監測設備采集得到用戶信息，將用戶信息輸入步態異常判斷模型和疾病概率預測模型，生成健康報告；步態異常判斷模型和疾病概率預測模型基于學習的方式進行模型參數的更新。本專利技術基于學習的方式優化了系統內部模型，能夠提高隱私保護，可廣泛應用于智慧醫療
3、示例地，中國專利技術專利公開文本cn?111436940a提出了一種步態健康評估方法及裝置。該方法包括：獲取步態壓力信號，基于步態壓力信號采用模糊邏輯推理規則識別步態相位；記錄步態相位的相位順序；根據相位序列間隔計算步態相位持續時間，以及總體步態周期；基于perr
4、上述技術方案雖然都采用了人工智能模型對個人步態進行數據分析以給出健康報告或者步態健康評價數據，但是，上述人工智能模型過于偏向數學算法，沒有搭建出具體的步態健康監測場景，給出了也是初步的健康評估數據，無法直接給出被監測人員的與步態相關的疾病類型，導致現有技術中的技術方案無法直接投入使用，無法有效進行產業化。
技術實現思路
1、為了解決現有技術中的技術缺陷，本專利技術提供了一種步態健康監測與分析方法及系統，能夠搭建出具體的步態健康監測場景，通過設計定制結構的人工智能模型，在全面、充分的基礎數據的基礎上，尤為關鍵的是，在引入多個視覺基礎數據的基礎上，直接給出被監測人員的與步態相關的疾病類型，從而便于將相關技術方案直接投入到各個健康監測部門進行使用，提升了相關技術方案的產業化價值。
2、根據本專利技術的第一方面，提供了一種步態健康監測與分析方法，所述方法包括：
3、獲取步態健康監測的各項配置信息，所述步態健康監測采用設定通行長度的行走通道且在行走通道的側面和正前方分別設置具有相同攝像參數的兩件監控攝像器件，所述步態健康監測的各項配置信息包括設定通行長度、設定行走通道寬度、前方監控攝像器件距離、側面監控攝像器件距離以及監控攝像器件的多項攝像參數；
4、獲取每一件監控攝像器件輸出的一幀監控畫面對應的視覺監控內容，每幀監控畫面對應的視覺監控內容為該幀成像畫面中人體占據區域的各個像素點的景深數值、水平坐標數值、垂直坐標數值、紅色通道數值、綠色通道數值以及藍色通道數值；
5、對深度神經網絡執行多次訓練以獲得經過多次訓練后的深度神經網絡并作為姿態分析模型輸出，所述深度神經網絡包括單個輸出層、單個輸入層以及多個隱藏層，所述多個隱藏層位于所述單個輸出層和所述單個輸入層之間；
6、在當前監測人員完成設定通行長度的行走通道的行走時，將當前監測人員行走過程中兩件監控攝像器件拍攝的各幀成像畫面分別對應的各份視覺監控內容、步態健康監測的各項配置信息以及當前監測人員的多項生理信息同步輸入到所述姿態分析模型內，并執行所述姿態分析模型，以獲得所述姿態分析模型輸出的當前監測人員的步態種類；
7、將接收到的所述姿態分析模型輸出的當前監測人員的步態種類轉換為對應的當前監測人員的患病類型；
8、其中，所述步態健康監測的各項配置信息包括設定通行長度、設定行走通道寬度、前方監控攝像器件距離、側面監控攝像器件距離以及監控攝像器件的多項攝像參數包括：前方監控攝像器件距離為在行走通道的正前方設置的監控攝像器件到行走通道的末端的距離，側面監控攝像器件距離為在行走通道的側面設置的監控攝像器件到行走通道的兩側分別對應的兩份距離中的最小值；
9、其中，所述姿態分析模型輸出的當前監測人員的步態種類為單側手部不擺動、左右搖晃、小步幅慢步速、醉酒步態、絆腳步態、單側歪斜步態、剪刀步走路步態中的一種；
10、其中，將接收到的所述姿態分析模型輸出的當前監測人員的步態種類轉換為對應的當前監測人員的患病類型包括：為步態種類的單側手部不擺動、左右搖晃、小步幅慢步速、醉酒步態、絆腳步態、單側歪斜步態和剪刀步走路步態分別與為患病類型的帕金森病、脊柱側彎、膝關節硬化、小腦萎縮、神經損傷、鎖骨下動脈竊血綜合征和腦梗塞前兆一一對應。
11、根據本專利技術的第二方面，提供了一種步態健康監測與分析系統，所述系統包括：
12、信息解析器件，用于獲取步態健康監測的各項配置信息，所述步態健康監測采用設定通行長度的行走通道且在行走通道的側面和正前方分別設置具有相同攝像參數的兩件監控攝像器件，所述步態健康監測的各項配置信息包括設定通行長度、設定行走通道寬度、前方監控攝像器件距離、側面監控攝像器件距離以及監控攝像器件的多項攝像參數；
13、視覺錄入器件，用于獲取每一件監控攝像器件輸出的一幀監控畫面對應的視覺監控內容，每幀監控畫面對應的視覺監控內容為該幀成像畫面中人體占據區域的各個像素點的景深數值、水平坐標數值、垂直坐標數值、紅色通道數值、綠色通道數值以及藍色通道數值；
14、網絡訓練器件，用于對深度神經網絡執行多次訓練以獲得經過多次訓練后的深度神經網絡并作為姿態分析模型輸出，所述深度神經網絡包括單個輸出層、單個輸入層以及多個隱藏層，所述多個隱藏層位于所述單個輸出層和所述單個輸入層之間；
15、智能分析器件，分別與所述信息解析器件、所述視覺錄入器件以及所述網絡訓練器件，用于在當前監測人員完成設定通行長度的行走通道的行走時，將當前監測人員行走過程中兩件監控攝像器件拍攝的各幀成像畫面分別對應的各份視覺監控內容、步態健康監測的各項配置信息以及當前監測人員的多項生理信息同步輸入到所述姿態分析模型內，并執行所述姿態分析模型，以獲得所述姿態分析模型輸出的當前監測人員的步態種類；
16、病癥轉換器件，與所述智能分析器件連接，用于將接收到的所述姿態分析模型輸出的當前監測人員的步態種類本文檔來自技高網...
【技術保護點】
1.一種步態健康監測與分析方法，其特征在于，所述方法包括：
2.如權利要求1所述的步態健康監測與分析方法，其特征在于：
3.如權利要求2所述的步態健康監測與分析方法，其特征在于，在將接收到的所述姿態分析模型輸出的當前監測人員的步態種類轉換為對應的當前監測人員的患病類型之后，所述方法還包括：
4.如權利要求2所述的步態健康監測與分析方法，其特征在于，在對深度神經網絡執行多次訓練以獲得經過多次訓練后的深度神經網絡并作為姿態分析模型輸出，所述深度神經網絡包括單個輸出層、單個輸入層以及多個隱藏層，所述多個隱藏層位于所述單個輸出層和所述單個輸入層之間之后，所述方法還包括：
5.如權利要求2-4任一所述的步態健康監測與分析方法，其特征在于：
6.一種步態健康監測與分析系統，其特征在于，所述系統包括：
7.如權利要求6所述的步態健康監測與分析系統，其特征在于：
8.如權利要求7所述的步態健康監測與分析系統，其特征在于，所述系統還包括：
9.如權利要求7所述的步態健康監測與分析系統，其特征在于，所述系
10.如權利要求7-9任一所述的步態健康監測與分析系統，其特征在于：
...【技術特征摘要】
1.一種步態健康監測與分析方法，其特征在于，所述方法包括：
2.如權利要求1所述的步態健康監測與分析方法，其特征在于：
3.如權利要求2所述的步態健康監測與分析方法，其特征在于，在將接收到的所述姿態分析模型輸出的當前監測人員的步態種類轉換為對應的當前監測人員的患病類型之后，所述方法還包括：
4.如權利要求2所述的步態健康監測與分析方法，其特征在于，在對深度神經網絡執行多次訓練以獲得經過多次訓練后的深度神經網絡并作為姿態分析模型輸出，所述深度神經網絡包括單個輸出層、單個輸入層以及多個隱藏層，所述多個隱藏層...
【專利技術屬性】
技術研發人員：王忭，李景景，李斯琦，李宇欣，裘實，
申請(專利權)人：北京健康有益科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。