【技术实现步骤摘要】
一种关节劳损自主康复动作识别方法及系统
本专利技术涉及计算机视觉
，更具体地，涉及一种关节劳损自主康复动作识别方法及系统。
技术介绍
现有的康复训练方法、设备及系统均采用多个传感器设备对患者进行动作识别，存在操作繁琐，康复运动训练单一的问题，且现有的康复设备大多是具有针对性的术后康复训练，没有适用于一般患者的自主康复产品。目前存在大量患者因学业、工作原因，需长期低头伏案，导致关节劳损，再加上本身康复意识不强，未能及时纠正不良姿势，也缺乏锻炼，在没有适用于一般患者的自主康复产品的前提下，这将导致康复过程缓慢、低效，甚至病情加重或复发，严重影响个人生活质量。
技术实现思路
本专利技术为克服上述现有技术所述的缺乏适用于一般患者的自主康复产品的一种缺陷，提供一种关节劳损自主康复动作识别方法，以及一种关节劳损自主康复动作识别系统。为解决上述技术问题，本专利技术的技术方案如下：一种关节劳损自主康复动作识别方法，包括以下步骤：S1：采集人体姿态图像和视频，对所述人体姿态图像和视频进行预处理...
【技术保护点】
1.一种关节劳损自主康复动作识别方法，其特征在于，包括以下步骤：/nS1：采集人体姿态图像和视频，对所述人体姿态图像和视频进行预处理，并对人体骨骼、坐站姿、自主康复运动的类型分别进行标注，得到训练数据集；/nS2：构建人体姿态估计神经网络，将所述训练数据集输入所述人体姿态估计神经网络中进行训练，所述人体姿态估计神经网络识别出所述训练数据集标注的人体骨骼点，然后根据人体结构，对所述识别的人体骨骼点进行对应关节的连接，得到人体骨架序列特征；/nS3：构建姿态分类神经网络，从所述S2步骤得到的人体骨架序列特征中，提取坐站姿、自主康复运动的人体骨架序列特征，输入所述姿态分类神经网络...
【技术特征摘要】
1.一种关节劳损自主康复动作识别方法，其特征在于，包括以下步骤：
S1：采集人体姿态图像和视频，对所述人体姿态图像和视频进行预处理，并对人体骨骼、坐站姿、自主康复运动的类型分别进行标注，得到训练数据集；
S2：构建人体姿态估计神经网络，将所述训练数据集输入所述人体姿态估计神经网络中进行训练，所述人体姿态估计神经网络识别出所述训练数据集标注的人体骨骼点，然后根据人体结构，对所述识别的人体骨骼点进行对应关节的连接，得到人体骨架序列特征；
S3：构建姿态分类神经网络，从所述S2步骤得到的人体骨架序列特征中，提取坐站姿、自主康复运动的人体骨架序列特征，输入所述姿态分类神经网络中进行训练，所述姿态分类神经网络输出各个动作类型的概率值，取概率值最高的动作类型作为动作识别的结果；
S4：对所述完成训练的人体姿态估计神经网络、姿态分类神经网络的网络深度及特征数量进行调整，得到轻量级的人体姿态估计神经网络、姿态分类神经网络；
S5：实时采集患者进行自主康复训练时的动作视频，将所述动作视频输入所述完成训练的人体姿态估计神经网络中，得到患者的人体骨架序列特征，然后将所述人体骨架序列特征输入所述完成训练的姿态分类神经网络中，其输出的结果即为患者的动作识别结果。
2.根据权利要求1所述的关节劳损自主康复动作识别方法，其特征在于：所述人体姿态视频包括坐站姿视频和自主康复运动视频，其中，所述坐站姿视频包括但不仅限于正常站姿、正常坐姿、弯腰姿势、驼背姿势、趴伏姿势、倚靠姿势、跷二郎腿姿势；所述自主康复运动视频包括但不仅限于颈部伸展、腹肌伸展、肩部环绕。
3.根据权利要求1所述的关节劳损自主康复动作识别方法，其特征在于：所述S2步骤中，所述人体姿态估计神经网络包括若干相同结构的沙漏型小网络，所述若干沙漏型小网络依次连接设置，其中，每一个所述沙漏型小网络采用对称的降采样、上采样结构。
4.根据权利要求3所述的关节劳损自主康复动作识别方法，其特征在于：所述姿态分类神经网络包括若干沙漏型小网络，以及一个全连接层，其中，所述若干沙漏型小网络依次连接，且末位的所述沙...
【专利技术属性】
技术研发人员：曾奕秋，尹明，杨文俊，何少聪，谢胜利，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。