人体平衡能力在日常生活中扮演着极其重要的角色,严重地影响着人们正常的学习和生活。因此,提前筛查出有平衡能力缺陷的患者,让其尽早进入康复训练治疗尤为重要。目前对于平衡能力分类主要采用物理测试法,本文结合虚拟现实技术及图像处理相关算法研究了平衡能力分类方法。具体研究内容如下:(1)研究了基于视频特征描述的人体多重心特征提取方法。该工作的前期准备主要是寻找受试者,采集他们在虚拟现实场景中行走的训练视频。接下来使用图像处理相关算法对视频进行预处理。对得到的边缘图像从上到下按30%、30%和40%的比例分割,再采用图像的矩求出人体多重心。(2)研究了基于多重心面积模型的人体平衡能力分类方法。首先,结合人体平衡特征,提出了基于不倒翁平衡原理的多重心面积模型(MBAM)。然后,让不同类别的受试者分别在虚拟现实场景中进行实际训练。最后,结合四个特征(MBAM、MBAM方差、行走路线和行走速度)进行数值分析,发现不同平衡能力的人群之间的特征存在显著差异,验证了本文方法的有效性。(3)研究了基于人体姿态多特征融合的平衡能力分类方法。平衡能力受损者在行走过程中身体姿态会产生异常变化,在虚拟现实环境下该特征尤为明显。首先,提取了不同受试者在行走过程中的质心波动率、人体姿态局部SURF特征和代表人体姿态形状的Hu不变矩特征。接下来对提取到的特征进行融合并输入到SVM中分类。结果表明基于人体姿态提取的特征可以作为人体平衡能力分类的依据。