体态与步态评估工具

本工具利用MMPose姿态估计框架，实现体态异常与步态异常分析，可用于跌倒风险评估。工具包含两个主要脚本：

1. custom_keypoint_visualizer.py - 用于体态分析，生成和绘制评估所需的关键点
2. custom_gait_assessment.py - 用于步态分析，处理视频并计算步态参数

功能特点

体态分析功能

• 检测并定位17种人体关键点（N1-N17）
• 乳突、肩峰、胸椎、腰椎等关键点的可视化
• 基于关键点的体态评估（头前倾、骨盆倾斜等）

步态分析功能

• 步频、步幅、步宽等基本步态参数计算
• 摆动时间、支撑时间、双支撑时间分析
• 足部轨迹可视化
• 步态对称性分析

安装要求

1. 安装MMPose和MMDetection：

pip install -U openmim
mim install mmengine
mim install mmcv
mim install mmdet
mim install mmpose

2. 下载预训练模型:

# 人体检测模型
mim download mmdet --config rtmdet_m_640-8xb32_coco-person --dest ./checkpoints

# 姿态估计模型
mim download mmpose --config rtmpose-m_8xb256-420e_coco-256x192 --dest ./checkpoints

使用方法

体态分析

python custom_keypoint_visualizer.py --image path/to/image.jpg --save-path output.jpg

参数说明:

• --image: 输入图像路径
• --det-config: 检测模型配置文件
• --det-checkpoint: 检测模型权重文件
• --pose-config: 姿态估计模型配置文件
• --pose-checkpoint: 姿态估计模型权重文件
• --device: 推理设备（cuda:0或cpu）
• --save-path: 输出图像路径
• --no-visualize: 不显示结果

步态分析

python custom_gait_assessment.py --video path/to/video.mp4 --output result.mp4

参数说明:

• --video: 输入视频路径
• --det-config: 检测模型配置文件
• --det-checkpoint: 检测模型权重文件
• --pose-config: 姿态估计模型配置文件
• --pose-checkpoint: 姿态估计模型权重文件
• --device: 推理设备（cuda:0或cpu）
• --output: 输出视频路径
• --no-display: 不显示处理过程

评估标准

体态评估指标

根据表格评估标准，对以下体态问题进行分析:

• 头前倾（N1、N2）
• 胸脊柱后凸（N3、N4）
• 平背（N5、N6）
• 骨盆后倾/前倾（N7、N8）
• 膝过伸（N9、N10、N11）
• 肩内旋/外旋（N12）
• 脊柱侧弯（N13）
• 骨盆向侧方倾斜（N14）
• 骨盆旋转（N8、N7、N15）
• 足弓异常（N16、N10、N11）
• 膝外翻/内翻（N9、N17）

步态评估指标

基于以下参数评估步态异常:

• 步宽（B1：M1-M2横向距离）
• 步长（B2：M1-M2纵向距离）
• 跨步长（B3：M1-M3/M2-M4纵向距离）
• 步频（B4：一分钟内足落地次数）
• 左右两侧步长差异（B5）
• 单腿支撑时间差异（B6、B7）
• 骨盆旋转幅度（B8）
• 骨盆对称性（B9）
• 膝关节屈伸角度（B10）
• 踝关节背屈和跖屈（B11）
• 身体重心转移（B12）
• 左右两侧动作对称性（B13）

示例输出

体态分析输出

标记的图像中包含以下信息:

• N1-N17关键点位置和标签
• 脊柱连接线
• 关键点间连接关系

步态分析输出

处理后的视频和分析报告包含:

• 步数、步宽、步长、步频等基本参数
• 摆动时间、支撑时间、双支撑时间
• 足部轨迹可视化
• 左右对称性分析