基于Kinect 系統(tǒng)的步態(tài)參數(shù)提取方法

張笑宇，陳 凱，楊 穎

（杭州電子科技大學機械工程學院，杭州 310018）

引 言

步態(tài)分析中常通過一些參數(shù)來描述步態(tài)正常與否，其中步態(tài)的運動學參數(shù)是重要指標之一。獲取運動學參數(shù)的方法主要有觀察法和量化法，由于觀察法具有主觀性，因此步態(tài)參數(shù)的量化分析慢慢成為步態(tài)研究的主流手段。步態(tài)參數(shù)的客觀提取主要分為以下3 種方式。

（1）標記法：在身體關節(jié)、骨骼關鍵部位粘貼反光標記物，利用空間布置多個感光攝像頭捕獲標記物，并通過標記物的運動軌跡，計算步態(tài)運動參數(shù)；

（2）可穿戴傳感器法：將陀螺儀、加速度計等傳感器布置在人體關鍵部位，通過傳感器數(shù)據(jù)計算相關參數(shù)；

（3）無標記法：基于深度圖像技術，自動識別人體骨骼特征點，捕捉點位三維數(shù)據(jù)進行計算。

標記法與可穿戴傳感器法雖然具有較高的捕獲精度，但受試者需更換緊身衣物，并在關節(jié)部位粘貼設備，因此每次采集需要較長時間的前期準備。而且，標記法設備需要較大空間布置多個攝像頭，設備成本高，使用方法復雜。對比上述兩種方法，無標記法準備工作簡便、設備成本低并且對場地需求低，在簡單的參數(shù)采集方面，可以考慮用其替代標記法設備。

微軟的Kinect 運動捕獲系統(tǒng)是無標記采集中較為常見的設備，Kinect 系統(tǒng)可以無標記地捕捉人體骨骼關節(jié)特征點。其理論依據(jù)是將人體的骨骼特征簡化為32 個關節(jié)點（圖1），通過內置攝像頭拍攝的人體運動視頻序列，其以Kinect 攝像頭所在位置為原點構建空間直角坐標系，捕捉人體點位的三維坐標參數(shù)（單位為mm），并按照每秒30 幀的頻率進行存儲。

圖1 Kinect 系統(tǒng)關節(jié)點位圖Fig.1 Node bitmap of Kinect system

Kinect 系統(tǒng)由于其操作簡單、便攜性強的優(yōu)勢，受到許多研究者的關注，其中較廣泛的研究主要集中于Kinect-V2 系統(tǒng)的精準度。Clark 等［1］使用上一代Kinect-V2 系統(tǒng)與成熟標記法設備3DMA 進行對比，兩者在步長、步速、步寬和腳部擺動幅度等參數(shù)方面的結果具有較高一致性；他們在另一項研究［2］中計算了軀干側傾角，并與同樣的標記法設備對比，結果顯示其計算結果準確度達到98%以上；萬晨暉等［3］使用Kinect-V2 系統(tǒng)測得的骨骼點位三維數(shù)據(jù)對在跑步機運動的人進行步速及其他步態(tài)參數(shù)的計算，結果顯示，步速與跑步機設定值吻合度較高，誤差較小，但并未驗證其他步態(tài)參數(shù)的誤差；張勤等［4］通過Kinect-V2 系統(tǒng)獲得的骨骼數(shù)據(jù)研究了幼兒學步期自然步態(tài)的提取問題，通過步態(tài)時空參數(shù)和下肢逆運動學關節(jié)角，總結出了幼兒學步期的步態(tài)特征變化規(guī)律；段增武等［5］通過Kinect-V2 系統(tǒng)進行人體三維質心動態(tài)測量，并與運動捕捉設備進行對比以探究精度，結果表明Kinect 系統(tǒng)可以作為平衡能力評價設備。

為了進一步提高精準度，常用方法是使用多個攝像頭多角度拍攝并整合三維數(shù)據(jù)［6］，主要解決單個攝像頭在有障礙物空間中采集數(shù)據(jù)時出現(xiàn)不穩(wěn)定的情況，此方法對于無遮擋環(huán)境的效果與單攝像頭相比差別很??；第二種是使用平滑濾波器處理骨骼追蹤數(shù)據(jù)［7-8］，這種方法對空間要求不高，更適用于單Kinect 系統(tǒng)的無遮擋環(huán)境。濾波方式主要包括中值濾波、Holt 指數(shù)平滑濾波、高斯濾波、卡爾曼濾波［9］和粒子濾波［10］等。

有研究者對不同濾波方法進行了對比，以探究較為理想的濾波方法。Yang 等［11］比較了限寬濾波、中位值濾波、算數(shù)平均值濾波和均方根濾波4 種濾波方式對基于骨骼特征的人機同步系統(tǒng)的濾波效果，結果表明，算數(shù)平均值濾波和均方根濾波效果最好；Li 等［12］比較了高斯濾波和卡爾曼濾波對于計算骨架長度和身體高度等參數(shù)的效果，結果顯示，這兩種濾波方法的準確度均達到90%以上，但高斯濾波有較大延遲。另外，研究者開發(fā)了Kinect 系統(tǒng)在更多領域的應用。例如利用Kinect 系統(tǒng)進行病人的康復訓練［13-14］，相比傳統(tǒng)方法效果更加明顯；利用Kinect 系統(tǒng)拍攝的人體行為進行三維重建［15］和人體建模［16］。

上述研究均是基于Kinect-V2 設備，而Azure Kinect 是2020 年發(fā)布的新一代設備，在性能和精度上有所提升，但發(fā)布以來只有少數(shù)研究者對其進行研究和應用。T?lgyessy 等［17］比較了Azure Kinect 和前兩代設備Kinect-V1、V2 三種設備的骨骼特征點數(shù)據(jù)精度，結果證明新一代設備在精準度和可靠性上都有較大提高；Albert 等［18］比較了Azure Kinect 與上一代設備Kinect-V2 用于步態(tài)參數(shù)提取時的效果，結果證明Azure Kinect 系統(tǒng)在計算步態(tài)空間參數(shù)上的準確性與可靠性明顯高于Kinect-V2。

本文使用單個新一代Azure Kinect 系統(tǒng)在無遮擋環(huán)境下采集人體行走時的三維坐標數(shù)據(jù)，研究并提出了通過三維數(shù)據(jù)計算步態(tài)運動學參數(shù)的方法，并分別在無濾波、自適應濾波、指數(shù)濾波和卡爾曼濾波4 種不同條件下計算相關參數(shù)，并對照Q 標記法設備所采集的參數(shù)，綜合分析Azure Kinect 系統(tǒng)的性能。

1 研究方法

1.1 基于Kinect 系統(tǒng)三維坐標的步態(tài)參數(shù)計算方法

根據(jù)步態(tài)參數(shù)定義提出了通過三維坐標數(shù)據(jù)提取人體行走步態(tài)參數(shù)的具體計算方法，所計算的參數(shù)如表1 所示。

表1 參數(shù)匯總Table 1 Parameter summary

步態(tài)參數(shù)的定義以人體自然行走時的姿態(tài)為基礎（圖2）。步態(tài)周期是計算步態(tài)參數(shù)中最為重要的參數(shù)量，其余各參數(shù)計算均基于步態(tài)周期的結果進行。本文設計了步態(tài)周期的計算方法。

圖2 步態(tài)周期示意圖Fig.2 Schematic diagram of gait cycle

首先，計算踝關節(jié)點位的平均速度和豎直方向速度，其計算公式分別為

式中：Xn為踝關節(jié)第n幀的平均位移；Vn為踝關節(jié)第n幀的平均速度；xn、yn、zn分別為踝關節(jié)第n幀時在x、y、z軸上的坐標值；為踝關節(jié)第n幀時豎直方向平均位移；為踝關節(jié)第n幀時豎直方向平均速度；豎直方向平均速度大于零表明此刻踝關節(jié)向上運動，反之向下。因為Kinect 的采集頻率為每秒30幀，速度單位是m/s，因此式（1，2）中需乘以30 除以4 進行單位調整。

其次，得到踝關節(jié)速度（圖3）后，根據(jù)步態(tài)周期的定義，一個步態(tài)周期的起始點為腳跟剛剛著地的點，此時速度較小且豎直方向上速度向下（圖4 中小于零的值），同時豎直位置應位于地面附近。以此得出步態(tài)周期候選幀，候選幀里包含真正的步態(tài)周期起始幀和干擾幀。

圖3 踝關節(jié)速度Fig.3 Ankle speed of ankle joint

圖4 踝關節(jié)豎直方向速度Fig.4 Vertical speed of ankle joint

最后，通過以下兩條限制可以將候選幀中的干擾幀排除，以獲得正確的步態(tài)周期起始點所在幀。其一，通過對人體行走的計時以及觀察，發(fā)現(xiàn)每兩個步態(tài)周期之間最小間隔不少于0.9 s，對應點位為兩個步態(tài)周期的起始幀之間應多于27 幀；其二，兩個步態(tài)周期之間應包含膝關節(jié)屈曲角的一個極小值（圖5），對應了向前邁步抬腳高度最高的時刻。其中，膝關節(jié)屈曲角計算公式為

圖5 膝關節(jié)屈曲角曲線Fig.5 Knee flexion angle curve

步態(tài)周期起始點判斷邏輯實現(xiàn)過程如圖6 所示，程序運行環(huán)境為MATLAB2015b。其余步態(tài)參數(shù)計算均基于步態(tài)周期進行。步長定義為行走時左右足跟或足尖先后著地時兩腳間的縱向直線距離（圖7），取左右腳兩相鄰步態(tài)周期在行走方向上的位移。左腳邁一步稱為左步長，右腳邁一步稱為右步長，計算公式為

圖6 步態(tài)周期起始點判斷程序Fig.6 Judgment procedure of start point of gait cycle

式中：lenLN為第N個步態(tài)周期左步長；lenRN為第N個步態(tài)周期右步長；為左腳第N個步態(tài)周期起始幀所對應的Z軸（行走方向）數(shù)據(jù)；為右腳第N個步態(tài)周期起始幀所對應的Z軸數(shù)據(jù)。

跨步長定義為單腳一個步態(tài)周期跨過的距離（圖7），計算時取單腳兩相鄰步態(tài)周期起始點間在行走方向上的位移，并取平均得到平均跨長，計算公式為

圖7 步長和跨步長示意圖Fig.7 Sketch map of step length and stride length

式中：stride 為跨步長；ZN為第N個步態(tài)周期起始點所對應的Z軸數(shù)據(jù)。因為跨步長為單腳概念，因此不區(qū)分左右腳。

步頻定義為每分鐘的步數(shù)，每個左右步長均算作一步，計算公式為

式中：Fre 為步頻；gaitL、gaitR分別為左、右腳步態(tài)周期起始點數(shù)量；T表示行走所用時間，單位為s。

1.2 實驗人群

20 位健康成年人，年齡20～50 歲，15 位男性，5位女性，已簽署知情同意書。反光標粘貼于臀部兩側、骨盆前側、膝關節(jié)兩側、踝關節(jié)兩側、腳背部3點與腳跟共32 個，如圖8 所示。每個人行走時，Qualisys 標記式運動捕獲系統(tǒng)與Kinect 系統(tǒng)同時進行步態(tài)采集以保證原始數(shù)據(jù)的一致性（圖9）。標記法設備直接給出檢測報告，Kinect 系統(tǒng)取3 次有效數(shù)據(jù)的平均值作為結果。

圖8 標記物粘貼點Fig.8 Marker sticking points

圖9 實驗圖Fig.9 Experimental diagram

1.3 數(shù)據(jù)采集方法

Kinect 系統(tǒng)布置于起點正前方，且行走區(qū)域中無障礙物，需要保證Kinect 系統(tǒng)拍攝范圍內只有受試者可以被檢測到。圖10 為Kinect 系統(tǒng)采集時圖像。受試者首先粘貼反光標記物，并從起始位置等待提示，接到提示后向前進行直線行走，此時Kinect 系統(tǒng)與Q 標記法設備同時進行步態(tài)采集。受試者行走時會被告知盡量以標準步態(tài)行走，即邁步時以腳跟首先觸地，并且行走中盡量避免向外甩腳或抖腿。被測行走過程中需踩中壓力板（圖9）；行走中需保證Kinect 系統(tǒng)拍攝到2 個以上步態(tài)周期，但受試者不會被告知以上兩個要求。

圖10 Kinect 系統(tǒng)采集圖Fig.10 Kinect system acquisition map

1.4 統(tǒng)計分析方法

在Kinect 系統(tǒng)所采集到的數(shù)據(jù)中，截取距離Kinect 系統(tǒng)1.4～4.8 m 之間的數(shù)據(jù)進行計算，因為過近或過遠會使得Kinect 系統(tǒng)采集到的坐標數(shù)據(jù)發(fā)生偏移而導致結果失真。

使用SPSS、Medcalc、Excel 軟件進行統(tǒng)計學分析，通過Bland-Altman圖像、組內相關系數(shù)（Intraclass correlation coefficient，ICC）和配對t檢驗來對比Kinect 系統(tǒng)與Q 標記法的相關性和一致性，并對4 種濾波條件下的上述參數(shù)結果進行對比。

一致性檢驗：繪制Bland-Altman 圖評價兩設備的一致性，Bland-Altman 圖的上下兩條虛線叫作95%一致性界限，如果兩設備結果在95%一致性界限內，可以認為兩設備的一致性較高。

計算ICC 并進行配對t檢驗評估Kinect 系統(tǒng)與Q 標記法的一致性與差異性。ICC 結果中p值越接近1，則一致性越好，配對t檢驗結果中p值大于0.05，則代表無顯著性差異，反之為有顯著性差異。

1.5 數(shù)據(jù)預處理方法

使用3 種不同的濾波方法對數(shù)據(jù)進行預處理，分析不同方法對參數(shù)計算結果的影響，并選擇較好的濾波方法。濾波方法匯總如表2 所示。

表2 濾波方法匯總Table 2 Summary of filtering methods

2 實驗結果

本文統(tǒng)計了20 名志愿者每人進行一次有效采集的步態(tài)參數(shù)，共20 組結果用于分析。

2.1 濾波方法選擇

圖11、12 對比了所有參數(shù)在不同濾波條件下標準偏差平均值和標準誤差平均值，可以看出，無濾波條件的誤差和偏差均超出有濾波條件下的50%；卡爾曼濾波誤差和偏差居中；指數(shù)濾波和自適應濾波的誤差和偏差最低。

圖11 不同濾波方法下的Kinect 系統(tǒng)與Q 標記法標準偏差對比Fig.11 Comparison of standard deviation between Kinect system based on different filtering methods and Q marker-based system

圖12 不同濾波方法下的Kinect 系統(tǒng)與Q 標記法標準誤差對比Fig.12 Comparison of standard error between Kinect system based on different filtering methods and Q marker-based system

圖13～16 為4 種濾波條件下的Bland-Altman 圖，圖中上下兩條虛線為95%一致性界限的上下限，中間實線為兩系統(tǒng)差值的平均值線。分析圖13～16 可以看出，使用指數(shù)濾波的結果沒有超出95%一致性界限的點，差值的平均值為1.247 2，差值的最大值為4.643 9，差值的最小值為-2.149 5；自適應濾波的結果中有4.762%（1/21）的點落在了95%一致性界限外，其中差值的平均值為3.460 5，差值的最大值為7.506 7，差值的最小值為-0.585 8；卡爾曼濾波所得結果中有4.762%（1/21）的結果超出了95%一致性界限，其中差值的平均值為0.660 8，差值的最大值為7.151 0，差值的最小值為-5.829 3；無濾波的結果中有4.762%（1/21）的結果超出了95%一致性界限，其中差值的平均值為0.187 1，差值的最大值為24.025 7，差值的最小值為-23.561 5。

圖13 經指數(shù)濾波的Kinect 系統(tǒng)與Q 標記法的結果對比Fig.13 Comparison of Kinect system with exponential filtering and Q marker-based system

從圖11～16 結果可以看出，Kinect 系統(tǒng)與Q 標記法設備的一致性較高，在無濾波的條件下大部分的點都落在了95%一致性界限內，但其針對單一參數(shù)的標準偏差與標準誤差較大，高出使用濾波條件的50%以上，因此認為使用濾波可以有效提高所計算參數(shù)的準確性；分析另外3 種濾波方法的結果可以看出，指數(shù)濾波與自適應濾波的結果在一致性界限內分布較為分散，且貼近上下限的點占30%以上，而卡爾曼濾波與無濾波的結果均分布在平均值附近，可以認為卡爾曼濾波的穩(wěn)定性與準確性強于其他兩種濾波。綜上所述，可以認為卡爾曼濾波效果最好。

圖14 經自適應濾波的Kinect 系統(tǒng)與Q 標記法結果對比Fig.14 Comparison of Kinect system with adaptive filtering and Q marker-based system

圖15 經卡爾曼濾波的Kinect 系統(tǒng)與Q 標記法結果對比Fig.15 Comparison of Kinect system with Kalman filtering and Q marker-based system

圖16 無濾波的Kinect 系統(tǒng)與Q 標記法結果對比Fig.16 Comparison of Kinect system with unfiltered and Q marker-based system

表3 展現(xiàn)了單個參數(shù)（步頻、步速、平均跨步長、右步長和左步長）在4 種不同濾波條件下的配對t檢驗結果中的p值。比較表3 的結果可發(fā)現(xiàn)，對于單一參數(shù)，使用不同的濾波方法所得結果對比Q 標記法結果有不同表現(xiàn)：其中4 種濾波方法在步速的計算上均表現(xiàn)出與Q 標記法有顯著性差異（p＜0.05），且標準偏差較大；在步頻檢驗結果中，卡爾曼濾波與無濾波的結果較好，并沒有表現(xiàn)出與Q 標記法結果的顯著性差異（p＞0.05），自適應濾波與指數(shù)濾波均表現(xiàn)出了顯著性差異（p＜0.05）；在平均跨步長方面卡爾曼濾波與無濾波結果表現(xiàn)出了較大的顯著性差異（p＜0.05），指數(shù)濾波與自適應濾波結果差異性不明顯；在左右步長方面，指數(shù)濾波表現(xiàn)出一個差異不明顯而另一個具有顯著性差異的結果，自適應濾波、卡爾曼濾波和無濾波在左右步長的檢驗中均無顯著性差異（p＞0.05）。結合誤差偏差（圖11～16）結果看，指數(shù)濾波和自適應濾波雖然誤差與偏差均最低，但其穩(wěn)定性較差，在不同的參數(shù)上所表現(xiàn)出的性能不一，均出現(xiàn)了兩個以上的顯著性差異，而準確性同樣較高的卡爾曼濾波有較好的一致性和準確性，可以認為卡爾曼濾波對于提高結果的準確性與穩(wěn)定性有最好的效果。

表3 不同濾波條件下的p 值Table 3 p values under different filtering conditions

2.2 一致性檢驗結果

表4～6 為Kinect 系統(tǒng)使用卡爾曼濾波和不使用濾波的結果與Q 標記法的結果的皮爾遜相關系數(shù)、ICC 與配對t檢驗結果。由表3～5 可以看出，對于全部參數(shù)，Kinect 系統(tǒng)在有無濾波條件下的計算結果均與Q 標記法有較高的皮爾遜相關系數(shù)（＞0.9）。但ICC 結果顯示，使用卡爾曼濾波后的結果與Q 標記法結果相關性（0.985）對比無濾波條件相關性有所提高（0.839）。在配對t檢驗的結果中，卡爾曼濾波與無濾波的結果與Q 標記法結果沒有表現(xiàn)出顯著性差異（p＞0.05），但卡爾曼濾波的標準誤差平均值（0.747 11）小于無濾波（2.689 78）。

表4 皮爾遜相關系數(shù)Table 4 Pearson correlation coefficient

表5 ICC 結果Table 5 ICC results

表6 配對t 檢驗結果Table 6 Paired t-test results

3 討 論

本文根據(jù)步態(tài)參數(shù)相關定義，提出了使用Kinect 系統(tǒng)采集的骨骼特征點三維坐標數(shù)據(jù)計算步態(tài)參數(shù)的方法，并在3 種不同的濾波和無濾波條件下對Kinect 系統(tǒng)獲取到的骨骼數(shù)據(jù)進行處理，計算步態(tài)參數(shù)，分析了不同濾波的效果并探究了本文計算方法的可靠性與準確性。從結果可以看出，在無濾波條件下，使用本文方法計算的步態(tài)參數(shù)和Q 標記法的結果，在總體參數(shù)和單個參數(shù)（除步速）上均體現(xiàn)出了較高的相關性和準確性。在使用了濾波之后結果的相關性和準確性都有有明顯提高，并且在卡爾曼濾波條件下所得結果的穩(wěn)定性與準確性都高于其他濾波條件。但分析單一參數(shù)的結果可以發(fā)現(xiàn)，對于步速的計算，3 種濾波算法及無濾波條件相較于Q 標記法均存在較大差異性，且3 種濾波方法的準確性性均小于50%，說明該參數(shù)算法有待改進。分析其原因，Kinect 每秒30 幀的采集頻率并不是平均分布于整個時間段內，而是隨機采集，這使得對于時間計算不準，導致速度結果存在誤差。

誤差來源于計算方法不完善產生的誤差和由于單一參數(shù)數(shù)據(jù)量較小導致部分結果有特異性?？紤]將自適應濾波用于計算跨步長，卡爾曼濾波用于計算步頻、左右步長。但由于卡爾曼濾波在總體水平的一致性與相關性表現(xiàn)好于自適應濾波，或許可以通過改進參數(shù)計算方法來提高準確度或進一步擴大采集人數(shù)，從而消除數(shù)據(jù)的特異性以提高穩(wěn)定性。

結合步態(tài)參數(shù)的計算結果看，Kinect 系統(tǒng)仍然存在一定的局限性。盡管對步長步頻的計算取得了較好的結果，但其對于步速的計算仍然存在較大誤差。除上述分析算法精度有待提高外，Kinect 系統(tǒng)對于深度信息的采集結果準確度存在誤差，會使得在計算參數(shù)時出現(xiàn)錯誤而增大了誤差。另外由于其攝像頭拍攝角度呈錐形向前輻射，存在類似于人眼近大遠小的問題，并且這一現(xiàn)象會隨著距離的增加而越來越顯著。從實驗采集到的原始數(shù)據(jù)探究發(fā)現(xiàn)，1.4～4.8 m 之間的數(shù)據(jù)結果最為穩(wěn)定，但在這個距離內，依然會存在其他誤差導致結果不準，使步長等測量結果中出現(xiàn)了過大或過小等錯誤數(shù)據(jù)。上述誤差可以通過控制變量法進行實驗修正，如具體測定出Kinect 系統(tǒng)隨著距離變化時所產生的近大遠小的誤差比例，然后通過縮小或放大數(shù)據(jù)獲得準確的結果。另外，Kinect 系統(tǒng)在識別時存在的延遲使其難以準確采集運動速度較快的人體骨骼信息，對于這一點，使用更高配置的電腦設備可能會獲得更好的數(shù)據(jù)結果。

本文通過判斷每一個步態(tài)周期的起止點，并根據(jù)步態(tài)周期進行參數(shù)計算，但判斷起止點并不能做到絕對準確，可能出現(xiàn)將局部極小值當做起止點的問題從而導致結果不準，如果進一步優(yōu)化判斷方法預期可以獲得更好的結果。另外對于老年人或有步態(tài)相關疾病的病人（如帕金森、中風和眩暈癥），其步態(tài)周期不會呈現(xiàn)標準步態(tài)，步態(tài)參數(shù)需要參考其步態(tài)特征進行點位判斷并修改計算方法。另外本文所采集數(shù)據(jù)是在無遮擋的室內環(huán)境下進行的，采集時Kinect 系統(tǒng)只有受試者這一個目標，并且行走范圍被限制在距離Kinect 系統(tǒng)1.4～4.8 m 之間。經測試后發(fā)現(xiàn)，當采集范圍內存在遮擋時，Kinect 系統(tǒng)所采集到的坐標數(shù)據(jù)會不準確，使得步態(tài)參數(shù)計算結果出現(xiàn)較大誤差；當采集范圍內存在多個目標時，Kinect 系統(tǒng)將按照目標數(shù)量輸出多組連續(xù)無標識性的數(shù)據(jù)，導致無法計算；目標距離Kinect 系統(tǒng)的距離超過5 m 后，得到的坐標數(shù)據(jù)將會產生較大誤差，并且隨著距離的增大誤差也會增大，在超過8 m 后將無法采集。

綜上所述，雖然存在一定局限性，但利用Kinect 系統(tǒng)捕獲步態(tài)參數(shù)對于大多數(shù)參數(shù)準確度較高，可以在簡單場景下替標記法設備進行快速采集；而且該系統(tǒng)體積小、檢測方便、獲取數(shù)據(jù)用時短且數(shù)據(jù)結果簡潔明了，也適合快速采集。結果的準確性與可靠性可以滿足低成本的應用場景，如居家自測、長期監(jiān)控步態(tài)、對大規(guī)模人群的步態(tài)參數(shù)檢測或醫(yī)生診斷時快速步態(tài)參數(shù)測量等應用場景；另外在科學研究中如果不要求步態(tài)參數(shù)結果極其準確，也可以代替昂貴而復雜的標記法設備。后續(xù)研究將探究提取更多步態(tài)、姿態(tài)參數(shù)，研究不同人群行走時的不同特征；另外可以對原始數(shù)據(jù)進行挖掘，如提取法向量、面積和空間函數(shù)等參數(shù)，將人體姿態(tài)量化和參數(shù)化，對于步態(tài)識別與分類、步態(tài)健康監(jiān)測與病人康復進展等方面同樣有可探究的意義。

4 結束語

本文依據(jù)步態(tài)參數(shù)的基本定義提出了基于Kinect 系統(tǒng)骨骼點位數(shù)據(jù)計算步頻、步速、平均跨步長、左步長和右步長5 種步態(tài)參數(shù)的計算方法，并在3 種濾波以及無濾波條件下進行參數(shù)計算，分別與Q 標記法對比。結果表明，本文的計算方法對于步頻、跨步長和左右步長的計算方法準確度較高，并且通過卡爾曼濾波可以有效提高結果的準確性和可靠性。