一种基于复杂网络的婴儿三维自发运动智能化评估系统技术方案

一种基于复杂网络的婴儿三维自发运动智能化评估系统，包括三维体感信息输入模块、运动信息特征提取模块、具有复杂网络分析模块的计算机以及运动质量输出模块；其中三维体感信息输入模块输出与运动信息特征提取模块输入连接，运动特征提取模块输出与具有复杂网络分析模块的计算机输入连接，具有复杂网络分析模块的计算机输出与运动质量输出模块的输入连接；本发明专利技术能够全面反映婴儿的运动特点，对婴儿自发运动进行针对性的复杂度特征评估，满足婴儿脑瘫筛查的大规模、智能化的推广应用。

【技术实现步骤摘要】
一种基于复杂网络的婴儿三维自发运动智能化评估系统
本专利技术属于人体运动评估
，具体涉及一种基于复杂网络的婴儿三维自发运动智能化评估系统。
技术介绍
专业医师可以通过对婴儿自发运动的临床观察，对运动特征进行分析来实现脑瘫等神经发育障碍的早期预测，通过强化大脑发育过程的干预治疗来促进神经重塑，从而减少脑瘫对患儿的负面影响，但是此类早期诊断方式培训周期长且效率低下。为提高婴儿脑瘫的早期筛查效率，可以采用计算机和视觉传感器来辅助医师完成这一观察与分析过程，为脑瘫早期筛查和康复训练提供有力的技术支持。目前，随着体感技术的快速发展，对人体运动的数字化评估也成为一个研究热点。现有人体运动数字化评估主要包含对特定动作的识别评价和对典型动作的临床评估两大类。其中，特定动作的标准化评价只能应用于有意识的运动学习中，如体育、舞蹈、康复训练等标准动作的执行程度评价，考虑到婴儿运动的非自主性，此类运动评估方法不适用于婴儿运动评估；而典型运动的特征评价则更多地使用了传统时频域分析，主要用于医学疾病引起的运动障碍评价，可描述运动的动态特性，但是对婴儿自发运动的非线性特性评价不足。然而，要利用计算机系统辅助专业医师进行脑瘫早期筛查，其核心问题就是将婴儿运动进行数字化的表征并对此实现相应特征的提取与评价。但目前面向婴儿脑瘫早期预测的运动评估多基于运动的统计分布，未能考虑运动本身在时序上的变化过程，不能全面地从本质上反映全身运动特征，继而对神经发育状态的预测准确率较低。
技术实现思路
为了克服现有技术的缺点，本专利技术的目的是提供一种基于复杂网络的婴儿三维自发运动智能化评估系统，能够全面反映婴儿的运动特点，对婴儿自发运动进行针对性的复杂度特征评估，满足婴儿脑瘫筛查的大规模、智能化的推广应用。为达到上述目的，本专利技术采用的技术方案为：一种基于复杂网络的婴儿三维自发运动智能化评估系统，包括三维体感信息输入模块、运动信息特征提取模块、具有复杂网络分析模块的计算机以及运动质量输出模块；其中三维体感信息输入模块输出与运动信息特征提取模块输入连接，运动特征提取模块输出与具有复杂网络分析模块的计算机输入连接，具有复杂网络分析模块的计算机输出与运动质量输出模块的输入连接。所述的三维体感信息输入模块实现三维体感信息的采集获取，三维体感信息是由Kinect设备输出的人体骨骼三维坐标，即人体的三维关键点信息。所述的运动信息特征提取模块包括人体结构向量表征模块和人体运动特征表征模块，人体结构向量表征模块将三维体感信息输入模块输出的三维关键点信息表征为人体结构向量，人体运动特征表征模块实现人体结构向量之间的关键点角度计算。所述的具有复杂网络分析模块的计算机包括关联维度分析模块和小世界网络重构模块；关联维度分析模块对输入的人体结构的关键点角度特征分析，计算输入特征序列的关联维数；小世界网络重构模块分析输入的人体结构的关键点角度特征的小世界网络特性。所述的运动质量输出模块包括综合运动质量生成模块和平均综合评估指标输出模块；综合运动质量生成模块将关联维度分析模块的输出和小世界网络重构模块的输出结合，生成最终的综合评估指标；平均综合评估指标输出模块重复计算具有复杂网络分析模块的计算机的综合评估指标，输出最后的平均综合评估指标。本专利技术的有益效果如下：(1)本专利技术系统充分考虑运动在时间上的变异性，可针对性地对婴儿的自发运动质量进行复杂度方面的评价。(2)本专利技术系统效率高，避免婴儿自发运动评估中的主观因素影响，实现婴儿自发运动质量的客观量化评估。附图说明图1为本专利技术的结构框图。图2为本专利技术人体关节点的位置标注。图3为模拟正常与脑瘫婴儿自发运动求解关联维数的对比结果示意图，图(a)为右肩结果示意图；图(b)为右手结果示意图。图4为模拟正常与脑瘫婴儿一组简单运动和一组复杂运动求解的相关系数矩阵的示意图，图(a)为正常运动相关阵图；图(b)异常运动相关阵图。图5为模拟正常与脑瘫婴儿对一组简单运动和一组复杂运动重构得到网络结构的示意图，图(a)为正常运动网络结构；图(b)异常运动网络结构。图6为正常与脑瘫婴儿12组正常和异常婴儿的综合指标示意图。具体实施方式下面结合附图和实施例对本专利技术进行详细说明。参照图1，一种基于复杂网络的婴儿三维自发运动智能化评估系统，包括三维体感信息输入模块、运动信息特征提取模块、具有复杂网络分析模块的计算机以及运动质量输出模块；其中三维体感信息输入模块输出与运动信息特征提取模块输入连接，运动特征提取模块输出与具有复杂网络分析模块的计算机输入连接，具有复杂网络分析模块的计算机输出与运动质量输出模块输入连接。所述的三维体感信息输入模块实现三维体感信息的采集获取，三维体感信息是由Kinect设备输出的人体骨骼三维坐标，即人体的三维关键点信息。所述的运动信息特征提取模块包括人体结构向量表征模块和人体运动特征表征模块，人体结构向量表征模块将三维体感信息输入模块输入的三维关键点信息表征为人体结构向量；人体运动特征表征模块实现人体结构向量之间的关键点角度计算。所述的人体结构向量表征模块中根据三维体感信息输入模块输出的人体关节点三维坐标，构建不同的人体结构向量；以17个人体结构向量为例，可以构建如下结构向量：颈→头部向量颈→右肩向量右肩→右肘向量右肘→右腕向量颈→左肩向量左肩→左肘向量左肘→左腕向量颈→右髋向量右髋→右膝向量右膝→右踝向量颈→左髋向量左髋→左膝向量左膝→左踝向量颈→右腕向量颈→左腕向量右髋→右踝向量左髋→左踝向量以右上身结构向量为例，右上身结构向量的计算方法如下：式中：(xPart,yPart,zPart)分别身体相应节点的三维坐标，其中Part表示人体对应关键点，H为头部，NE为颈部，SR为右肩，ER为右肘，WR为右腕，如图2所示。所述的人体运动特征表征模块考虑人体结构的相似性，对人体结构向量表征模块输出的人体结构向量提取人体关节角度，对人体运动进行数字化表征，得到不同维度的角度运动特征序列；以14维为例，θi＝[θHR,θHL,θSL,θEL,θWL,θSR,θER,θWR,θHL,θKL,θAL,θHR,θKR,θAR]，其中的θi表示第i个关键点角度，HR为右颈部，HL为左颈部，SL为左肩，EL为左肘，WL为左腕，SR为右肩，ER为右肘，WR为右腕，HL为左髋，KL为左膝，AL为左踝，HR为右髋，KR为右膝，AR为右踝；θ为对应关节的角度特征，右肩关节角度θSR和右肘关节角度θER计算方法如下：其他关节角度同理获得。所述的具有复杂网络分析模块的计算机包括关联维度分析模块和小世界网络重构模块；关联维度分析模块对输入的人体结构的关键点角度特征分析，计算输入特征序列的关联维数；小世界网络重构模块分析输入的人体结构的关键点角度特征的小世界网络特性。所述的关联维度分析模块采用非线性系统相关理论对各人体运动特本文档来自技高网...

【技术保护点】
1.一种基于复杂网络的婴儿三维自发运动智能化评估系统，其特征在于：包括三维体感信息输入模块、运动信息特征提取模块、具有复杂网络分析模块的计算机以及运动质量输出模块；其中三维体感信息输入模块输出与运动信息特征提取模块输入连接，运动特征提取模块输出与具有复杂网络分析模块的计算机输入连接，具有复杂网络分析模块的计算机输出与运动质量输出模块的输入连接。/n

【技术特征摘要】
1.一种基于复杂网络的婴儿三维自发运动智能化评估系统，其特征在于：包括三维体感信息输入模块、运动信息特征提取模块、具有复杂网络分析模块的计算机以及运动质量输出模块；其中三维体感信息输入模块输出与运动信息特征提取模块输入连接，运动特征提取模块输出与具有复杂网络分析模块的计算机输入连接，具有复杂网络分析模块的计算机输出与运动质量输出模块的输入连接。


2.根据权利要求1所述的一种基于复杂网络的婴儿三维自发运动智能化评估系统，其特征在于：所述的三维体感信息输入模块实现三维体感信息的采集获取，三维体感信息是由Kinect设备输出的人体骨骼三维坐标，即人体的三维关键点信息。


3.根据权利要求2所述的一种基于复杂网络的婴儿三维自发运动智能化评估系统，其特征在于：所述的运动信息特征提取模块包括人体结构向量表征模块和人体运动特征表征模块，人体结构向量表征模块将三维体感信息输入模块输出的三维关键点信息表征为人体结构向量，人体运动特征表征模块实现人体结构向量之间的关键点角度计算。


4.根据权利要求3所述的一种基于复杂网络的婴儿三维自发运动智能化评估系统，其特征在于：所述的人体结构向量表征模块中根据三维体感信息输入模块输出的人体关节点三维坐标，构建不同的人体结构向量；采用17个人体结构向量，构建如下结构向量：颈→头部向量颈→右肩向量右肩→右肘向量右肘→右腕向量颈→左肩向量左肩→左肘向量左肘→左腕向量颈→右髋向量右髋→右膝向量右膝→右踝向量颈→左髋向量左髋→左膝向量左膝→左踝向量颈→右腕向量颈→左腕向量右髋→右踝向量左髋→左踝向量
右上身结构向量的计算方法如下：



式中：(xPart,yPart,zPart)分别身体相应节点的三维坐标，其中Part表示人体对应关键点，H为头部，NE为颈部，SR为右肩，ER为右肘，WR为右腕。


5.根据权利要求4所述的一种基于复杂网络的婴儿三维自发运动智能化评估系统，其特征在于：人体运动特征表征模块考虑人体结构的相似性，对人体结构向量表征模块输出的人体结构向量提取人体关节角度，对人体运动进行数字化表征，得到不同维度的角度运动特征序列；采用14维，
θi＝[θHR,θHL,θSL,θEL,θWL,θSR,θER,θWR,θHL,θKL,θAL,θHR,θKR,θAR]，
其中的θi表示第i个关键点角度，HR为右颈部，HL为左颈部，SL为左肩，EL为左肘，WL为左腕，SR为右肩，ER为右肘，WR为右腕，HL为左髋，KL为左膝，AL为左踝，HR为右髋，KR为右膝，AR为右踝；θ为对应关节的角度特征，右肩关节角度θSR和右肘关节角度θER计算方法如下：



其他关节角度同理获得。


6.根据权利要求3所述的一种基于复杂网络的婴儿三维自发运动智能化评估系统，其特征在于：所述的具有复杂网络分析模块的计算机包括关联维度分析模块和小世界网络重构模块；关联维度分析模块对输入的人体结构的关键点角度特征分析，计算输入特征...

【专利技术属性】
技术研发人员：徐光华，吴庆强，魏帆，张四聪，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61