刘驰，周晋，陈雨

（1.四川大学电子信息学院智能控制研究所，四川成都610065；2. 四川大学制革清洁技术国家工程实验室，四川成都610065；3.四川大学电子信息学院智能控制研究所，四川成都610065）

1 前言

行走是人类最基本的运动，在行走过程中，人体的各个关节处于一个周期型运动的状态，通常称为步态周期。步态周期可根据下肢着地的情况，分为着地期和摆动期，其中着地期包含五个关键事件(接触初期、压力承受期、站立中期、站立末期和摆动前期）[1]。通过检测和分析人体行走过程中的运动状态、受力情况以及关节之间的夹角反映了人体骨架的健康情况，因此，步态分析可以被广泛的应用于体育、医疗、人体康复等领域[2-3]。

当前大多采用视频分析法来针对步态过程以及过程中的参数进行分析，视频拍摄作为最简单的运动学分析数据来源，数据的采集简便且处理工具众多，因此应用广泛[4-5]。该方法对膝关节分析的重点是通过人为的切片分析或是视频捕捉关键部位，找到所需时刻的图像，对其进行处理得到所需的步态参数[6-7]。然而，人为的切片以及确定时刻，不便于进行大量的数据分析和处理，也不免在处理过程中造成误差。

随着人工智能技术的快速发展，利用人工智能技术对人体姿态的识别、预测的研究也更加深入，Openpose 算法模块便是其中之一。Openpose 算法模块是由美国卡耐基大学提出的基于卷积神经网络和监督学习的开源库，可实现对人体姿态和动作的捕捉识别，具有极强的鲁棒性。……