马辉栋，刘振宇，郭小凤
（山西农业大学 信息科学与工程学院，山西 晋中 030801）
摘要：针对如何高效、准确地从视频图像中提取相关特征向量，完成基于视频的人体运动分析，构建了基于视频信息的人体下肢运动系统。系统包括人体运动轮廓的提取、噪声处理和人体下肢建模及分析3个模块。人体运动轮廓提取中采用改进的光流算法，通过阈值设置改善了轮廓提取的清晰度和完整性。噪声处理模块运用单个中值滤波器与人体四周去噪算法，不仅有效解决了多中值滤波引起的人体轮廓模糊问题，同时使人体活动区域外的噪声去除率达到100%。通过系统分析，视频中人体行走的速度为0.687 m/s，髋关节垂直方向上下起伏幅度为4.71 cm，行走步态正常。
关键词：轮廓提取；人体建模；噪声处理；运动分析；视频
引言
人体运动分析是人工智能［1］、生物医学工程等领域研究的重要内容。基于视频的人体运动分析系统是通过运动目标检测、跟踪、特征参量提取、人体结构姿态重建等完成运动分析的视频图像处理系统。目前，已报道的基于计算机视觉实现人体运动分析的方案有很多，但是如何高效、准确地视频图像信息中对相关特征量进行提取，完成运动分析，仍然是目前人们在不断探索的问题。
本文基于单目视频，搭建了无标识物的视频人体下肢运动分析系统。该系统包括人体运动轮廓提取、噪声处理、人体下肢建模及分析3大模块，如图1所示。
1人体运动轮廓提取及噪声处理
1.1人体运动轮廓提取模
人体运动轮廓提取模块基于Simulink仿真平台，综合运用系统连接、计算机可视化系统模块库完成系统搭建，模块仿真框图如图2所示。
视频序列原图如图3所示，经图片颜色格式转换模块、光流模块、阈值模块处理后的图片序列分别如图4~图6所示。
图5显示，经过光流模块处理的图片序列基本提取出了人体轮廓，但是轮廓清晰度不高，脚部轮廓部分缺失。为此对图像进行了二值化处理，加入阈值处理模块，经过多次试验，将阈值设置为0.001。由图6可以看到，经过阈值处理的图片序列相对于图5，基本还原了脚部轮廓，而且轮廓清晰度也有所提高。
1.2噪声处理
噪声处理模块采用中值滤波和四周去噪法，处理流程如图7所示。
1.2.1中值滤波
图8中值滤波前后人体轮廓对比中值滤波器用于去除孤立的点、毛刺等椒盐噪声［2］。如图8中的两幅图对比，经过多次中值滤波，图片中的椒盐噪声确实有很大的改善，但是滤波后的脚步轮廓明显比处理前的模糊，这对人体建模有非常大的影响。本文在做人体下肢骨架模型时经多次试验结果对比，采用了一次7×7中值滤波处理方式。
1.2.2四周除噪
为避免中值滤波对人体轮廓二值图像的模糊作用，本文在中值滤波后，采用基于人体高度和宽度参数的四周除噪法，结果如图9所示。四周去噪的具体做法是根据人体头顶、脚底、左侧及右侧坐标划分出人体所在的矩形区域（如图9（c）所示），将该矩形区域外的一切像素点均视为噪声，予以去除，处理结果如图9（d）所示。
四周去噪的必要条件是获取人体身高和宽度参数。如图7所示，为了有效提取人体身体参数，采用7×7、5×5、3×3中值滤波器充分去除噪声。实验中有效视频帧共55帧，对每帧提取身高及宽度，取均值得到人体身高H为425像素。
2人体运动下肢建模
人体行走时，上身部分相对于整个身体躯干可近似看做静态，下身部分的动态分析包括以髋关节、膝关节、踝关节5个关节点为中心的大腿骨、小腿骨。人体大腿骨、小腿骨长度人体身高呈线性关系［3］。
2.1髋关节定位
髋关节定位如图10所示。
(1)髋关节行坐标定位。根据人体骨骼模型［4］，髋关节行坐标与头顶行坐标的距离为人体身高的0.47倍，计算出髋关节行坐标。
(2)髋关节列坐标定位。为简化实验数据分析，本文实验中人体运动时假设两臂不摆动或有轻微的摆动。得到髋关节行坐标后，在髋关节所在行行扫描的到这行像素值为1的点，取两交点的中间值设为髋关节的列坐标。
2.2膝关节定位
大腿长L_lap为身高H的0.245倍［4］，膝关节的运动轨迹是以髋关节为圆心，大腿长为半径的圆R1，找出轨迹圆与腿部轮廓的交点［5］，便可对膝关节定位。 膝关节定位分两种情况分别讨论。
（1）两大腿骨分开。如图11所示，圆R1与人体下身轮廓有4个交点。左侧膝关节定位为最左侧交点与相邻交点的弧线的中点；右侧膝关节定位为最右侧交点与相邻交点弧线的中点。
（2）两大腿骨有重叠。如图12所示，圆R1与人体下身轮廓有两个交点。该情况，两个膝关节定位分别为左侧交点向右0.05×H像素，右侧交点向左0.05×H像素。
2.3踝关节定位
踝关节定位原理同膝关节。小腿长L_leg为人体身高H的0.246倍［5］，分别以左右两个膝关节为圆心，小腿长为半径作圆R2、R3，得到圆与小腿轮廓的交点［6］，如图13所示。因受噪声影响，交点个数可能会不同，取最右侧交点向左0.03×H处为右侧踝关节点，取最左侧交点往右0.03×H处为左侧踝关节点。
2.4下肢建模结果
本实验对53帧视频图像进行下肢建模，建模结果如图14所示，该模型以髋关节和膝关节为端点画出大腿骨，以膝关节和踝关节为端点画出小腿骨的骨架模型。
3人体运动轨迹分析
建立出下肢骨架模型后，对人体行走时髋关节的运动轨迹进行分析，本实验共提取出55帧图像的下肢模型，人体正常行走3步，时间为2 s。图15分别为髋关节垂直、水平方向运动轨迹拟合结果。
图15（a）中，髋关节水平方向运动轨迹拟合曲线如式（1）所示：
P（t）=174.794 0t+56.932 4（1）
由此关系式可得髋关节横向运动轨迹为一阶函数，即该视频中，人体水平方向的运动为速度为174.794 0像素/秒的匀速直线运动。
由图15(b)可以看出，人体正常行走时，髋关节垂直方向的运动轨迹基本呈周期性上下波动。髋关节垂直方向坐标最大值为373像素、最小值为361像素，髋关节垂直方向波动幅度最大值为12像素。本视频中人体身高为425像素，167 cm。由此可得，本视频中人体行走的速度为0.687 m/s，垂直方向上下起伏幅度为4.71 cm。
人体行走时步态的生物力学研究表明，健康成年人正常步态行走时，髋关节上下起伏的幅度约为4.4 cm［7］，本实验中人体行走步态是正常的。
4结论
本文搭建了视频人体下肢运动分析系统，实现了对视频的人体运动轮廓提取、去噪处理、下肢建模，并根据建模结果进行了相关的运动分析，系统结构简单易于实现。本文提出的改进的光流算法有效提高了人体运动轮廓的完整性；四周去噪方法算法简单，易于实现，能有效去除人体四周噪声。
参考文献
［1］ 丁晨阳. 智能体视觉策略在RoboCup中的设计［J］. 微型机与应用,2014,33(5):9092,95.
［2］ 张明源,王宏力,郑佳华,等.改进型中值滤波器在图像去噪中的应用［J］.兵工自动化，2007，26（8）:4547［3］ 王晏. 人体下肢运动分析［D］. 大连：大连理工大学, 2005.
［4］ WINTER D A. Biomechanics and motor control of human movement［M］. John Wiley & Sons, 2009.
［5］ 马晓蕾. 基于视频序列的偏瘫患者步态分析［D］. 哈尔滨：哈尔滨工程大学, 2009.
［6］ 陈华,史思思,胡春海. 基于特征融合的步态识别［J］.无线电工程，2012，42（2）:2527.
［7］ 吴剑, 李建设. 人体行走时步态的生物力学研究进展［J］. 中国运动医学杂志, 2002, 21(3): 305307.