馬輝棟，劉振宇，郭小鳳

　　（山西農業大學 信息科學與工程學院，山西 晉中 030801）

　　摘要：針對如何高效、準確地從視頻圖像中提取相關特征向量，完成基于視頻的人體運動分析，構建了基于視頻信息的人體下肢運動系統。系統包括人體運動輪廓的提取、噪聲處理和人體下肢建模及分析3個模塊。人體運動輪廓提取中采用改進的光流算法，通過閾值設置改善了輪廓提取的清晰度和完整性。噪聲處理模塊運用單個中值濾波器與人體四周去噪算法，不僅有效解決了多中值濾波引起的人體輪廓模糊問題，同時使人體活動區域外的噪聲去除率達到100%。通過系統分析，視頻中人體行走的速度為0.687 m/s，髖關節垂直方向上下起伏幅度為4.71 cm，行走步態正常。

　　關鍵詞：輪廓提取；人體建模；噪聲處理；運動分析；視頻

引言

　　人體運動分析是人工智能［1］、生物醫學工程等領域研究的重要內容?；谝曨l的人體運動分析系統是通過運動目標檢測、跟蹤、特征參量提取、人體結構姿態重建等完成運動分析的視頻圖像處理系統。目前，已報道的基于計算機視覺實現人體運動分析的方案有很多，但是如何高效、準確地視頻圖像信息中對相關特征量進行提取，完成運動分析，仍然是目前人們在不斷探索的問題。

　　本文基于單目視頻，搭建了無標識物的視頻人體下肢運動分析系統。該系統包括人體運動輪廓提取、噪聲處理、人體下肢建模及分析3大模塊，如圖1所示。

1人體運動輪廓提取及噪聲處理

　　1.1人體運動輪廓提取模

　　人體運動輪廓提取模塊基于Simulink仿真平臺，綜合運用系統連接、計算機可視化系統模塊庫完成系統搭建，模塊仿真框圖如圖2所示。

　　視頻序列原圖如圖3所示，經圖片顏色格式轉換模塊、光流模塊、閾值模塊處理后的圖片序列分別如圖4~圖6所示。

　　圖5顯示，經過光流模塊處理的圖片序列基本提取出了人體輪廓，但是輪廓清晰度不高，腳部輪廓部分缺失。為此對圖像進行了二值化處理，加入閾值處理模塊，經過多次試驗，將閾值設置為0.001。由圖6可以看到，經過閾值處理的圖片序列相對于圖5，基本還原了腳部輪廓，而且輪廓清晰度也有所提高。

　　1.2噪聲處理

　　噪聲處理模塊采用中值濾波和四周去噪法，處理流程如圖7所示。

　　1.2.1中值濾波

　　圖8中值濾波前后人體輪廓對比中值濾波器用于去除孤立的點、毛刺等椒鹽噪聲［2］。如圖8中的兩幅圖對比，經過多次中值濾波，圖片中的椒鹽噪聲確實有很大的改善，但是濾波后的腳步輪廓明顯比處理前的模糊，這對人體建模有非常大的影響。本文在做人體下肢骨架模型時經多次試驗結果對比，采用了一次7×7中值濾波處理方式。

　　1.2.2四周除噪

　　為避免中值濾波對人體輪廓二值圖像的模糊作用，本文在中值濾波后，采用基于人體高度和寬度參數的四周除噪法，結果如圖9所示。四周去噪的具體做法是根據人體頭頂、腳底、左側及右側坐標劃分出人體所在的矩形區域（如圖9（c）所示），將該矩形區域外的一切像素點均視為噪聲，予以去除，處理結果如圖9（d）所示。

　　四周去噪的必要條件是獲取人體身高和寬度參數。如圖7所示，為了有效提取人體身體參數，采用7×7、5×5、3×3中值濾波器充分去除噪聲。實驗中有效視頻幀共55幀，對每幀提取身高及寬度，取均值得到人體身高H為425像素。

2人體運動下肢建模

　　人體行走時，上身部分相對于整個身體軀干可近似看做靜態，下身部分的動態分析包括以髖關節、膝關節、踝關節5個關節點為中心的大腿骨、小腿骨。人體大腿骨、小腿骨長度人體身高呈線性關系［3］。

　　2.1髖關節定位

　　髖關節定位如圖10所示。

　　(1)髖關節行坐標定位。根據人體骨骼模型［4］，髖關節行坐標與頭頂行坐標的距離為人體身高的0.47倍，計算出髖關節行坐標。

　　(2)髖關節列坐標定位。為簡化實驗數據分析，本文實驗中人體運動時假設兩臂不擺動或有輕微的擺動。得到髖關節行坐標后，在髖關節所在行行掃描的到這行像素值為1的點，取兩交點的中間值設為髖關節的列坐標。

　　2.2膝關節定位

　　　　大腿長L_lap為身高H的0.245倍［4］，膝關節的運動軌跡是以髖關節為圓心，大腿長為半徑的圓R1，找出軌跡圓與腿部輪廓的交點［5］，便可對膝關節定位。 膝關節定位分兩種情況分別討論。

　　（1）兩大腿骨分開。如圖11所示，圓R1與人體下身輪廓有4個交點。左側膝關節定位為最左側交點與相鄰交點的弧線的中點；右側膝關節定位為最右側交點與相鄰交點弧線的中點。

　　（2）兩大腿骨有重疊。如圖12所示，圓R1與人體下身輪廓有兩個交點。該情況，兩個膝關節定位分別為左側交點向右0.05×H像素，右側交點向左0.05×H像素。

　　2.3踝關節定位

　　踝關節定位原理同膝關節。小腿長L_leg為人體身高H的0.246倍［5］，分別以左右兩個膝關節為圓心，小腿長為半徑作圓R2、R3，得到圓與小腿輪廓的交點［6］，如圖13所示。因受噪聲影響，交點個數可能會不同，取最右側交點向左0.03×H處為右側踝關節點，取最左側交點往右0.03×H處為左側踝關節點。

　　2.4下肢建模結果

　　本實驗對53幀視頻圖像進行下肢建模，建模結果如圖14所示，該模型以髖關節和膝關節為端點畫出大腿骨，以膝關節和踝關節為端點畫出小腿骨的骨架模型。

3人體運動軌跡分析

　　建立出下肢骨架模型后，對人體行走時髖關節的運動軌跡進行分析，本實驗共提取出55幀圖像的下肢模型，人體正常行走3步，時間為2 s。圖15分別為髖關節垂直、水平方向運動軌跡擬合結果。

　　圖15（a）中，髖關節水平方向運動軌跡擬合曲線如式（1）所示：

　　P（t）=174.794 0t+56.932 4（1）

　　由此關系式可得髖關節橫向運動軌跡為一階函數，即該視頻中，人體水平方向的運動為速度為174.794 0像素/秒的勻速直線運動。

　　由圖15(b)可以看出，人體正常行走時，髖關節垂直方向的運動軌跡基本呈周期性上下波動。髖關節垂直方向坐標最大值為373像素、最小值為361像素，髖關節垂直方向波動幅度最大值為12像素。本視頻中人體身高為425像素，167 cm。由此可得，本視頻中人體行走的速度為0.687 m/s，垂直方向上下起伏幅度為4.71 cm。

　　人體行走時步態的生物力學研究表明，健康成年人正常步態行走時，髖關節上下起伏的幅度約為4.4 cm［7］，本實驗中人體行走步態是正常的。

4結論

　　本文搭建了視頻人體下肢運動分析系統，實現了對視頻的人體運動輪廓提取、去噪處理、下肢建模，并根據建模結果進行了相關的運動分析，系統結構簡單易于實現。本文提出的改進的光流算法有效提高了人體運動輪廓的完整性；四周去噪方法算法簡單，易于實現，能有效去除人體四周噪聲。

參考文獻

　?。?］ 丁晨陽. 智能體視覺策略在RoboCup中的設計［J］. 微型機與應用,2014,33(5):9092,95.

　　［2］ 張明源,王宏力,鄭佳華,等.改進型中值濾波器在圖像去噪中的應用［J］.兵工自動化，2007，26（8）:4547［3］ 王晏. 人體下肢運動分析［D］. 大連：大連理工大學, 2005.

　?。?］ WINTER D A. Biomechanics and motor control of human movement［M］. John Wiley & Sons, 2009.

　?。?］ 馬曉蕾. 基于視頻序列的偏癱患者步態分析［D］. 哈爾濱：哈爾濱工程大學, 2009.

　　［6］ 陳華,史思思,胡春海. 基于特征融合的步態識別［J］.無線電工程，2012，42（2）:2527.

　?。?］ 吳劍, 李建設. 人體行走時步態的生物力學研究進展［J］. 中國運動醫學雜志, 2002, 21(3): 305307.