一种基于手部识别的脑认知康复机器人系统及训练方法技术方案

本发明专利技术涉及一种基于手部识别的脑认知康复机器人系统及训练方法，其中所述康复机器人系统，包括摄像头模块、处理器模块、显示器模块、舵机模块以及机械臂，所述摄像头模块安装在机械臂末端，用于捕捉患者输入的手势图像信息并上传至处理器模块，处理器模块通过内部算法完成对所述手势图像处理和手势识别，并将手势识别的过程及结果显示在显示器上，所述机械臂与舵机模块连接，系统具有自动定位识别功能，能自动定位识别患者手部位置所在并调整摄像头位置捕捉到患者完整的手部图像，具有人机交互性强、训练范围广的效果，能够节省人力物力，人性化且兼具趣味性，具有很好的应用前景。具有很好的应用前景。具有很好的应用前景。

【技术实现步骤摘要】
一种基于手部识别的脑认知康复机器人系统及训练方法


[0001]本专利技术涉及康复治疗
，具体涉及一种基于手部识别的脑认知康复机器人系统及训练方法。

技术介绍

[0002]随着医疗技术的发展和进步，许多新的疾病被人类重新定义和研究。认知功能障碍就是其中之一。为了让患有这种疾病的病人得到更好的治疗和有效的康复，医疗机构往往通过一些益智康复训练（如迷宫测试，积木训练等）来帮助患者进行神经和肢体协调的康复；但是在这样的康复过程中，通常每一位患者都需要全过程有医生或者护士的陪同和指导，才能够得到有效的治疗。
[0003]伴随着机器人产业的发展，机器人在医疗康复领域的应用愈发广发，机器人辅助康复也实现了从理论到现实的跨进；如今越来越多的创新企业正在探索和研发应用于医疗康复的机器人新产品；现有的脑康复仪器往往存在功能单一、交互性弱的不足之处，且大都需要医护人员进行辅助管理和操作，耗费人力物力。

技术实现思路

[0004]针对现有技术的缺陷，本专利技术的目的在于提供一种基于手部识别的脑认知康复机器人系统及训练方法，通过机器视觉和手势识别辅助实现康复训练，且能够根据患者手部位置进行自动定位识别，具有人机交互性强、训练范围广、治疗效果好的特点，使脑康复治疗更加多元化、人性化且兼具趣味性，节约了人力物力。
[0005]为了达到上述目的，本专利技术所采用的技术方案是：一种基于手部识别的脑认知康复机器人系统，包括摄像头模块、处理器模块、显示器模块、舵机模块以及机械臂，其中，摄像头模块、显示器模块、舵机模块分别与处理器模块连接，所述处理器模块连接手部动作数据库，并在所述显示器模块上呈现需要患者完成的手势动作，所述摄像头模块安装在机械臂末端，用于捕捉患者输入的手势图像信息并上传至处理器模块，处理器模块通过内部算法完成对所述手势图像的预处理、手势分割、手势建模、手势形状特征提取和手势识别，并将手势识别的过程及结果显示在显示器模块上，所述机械臂与舵机模块连接，能够在舵机模块的驱动下进行角度和位置的调整，当康复患者无法自主的将手部动作完全呈现在摄像头模块的摄像头前，使得摄像头只能捕捉到患者输入的部分手部图像时，系统能够根据患者输入的部分手部图像在显示器画面上识别区域中的位置，自动定位识别患者的手部形状中心所在，并通过逻辑运算将位置偏差转换为PWM信号输出给舵机模块，驱动机械臂带动摄像头进行位置调整，使患者的手部动作能够完全呈现在屏幕范围之内，进而进行康复训练。
[0006]进一步地，所述处理器模块将手部训练动作根据难度分为简单、中等和困难三种等级，能够根据患者的治疗方案进行训练项目的切换，并能在训练完成后将患者无法完成的手势进行汇总，从而进行康复训练方案的调整。
[0007]进一步地，所述识别区域在显示器模块的画面上为矩形框定位识别区域，患者进行手势输入时，在该矩形框中会有多边形框出手部轮廓，手势识别结果在显示器模块的右上方显示。
[0008]进一步地，对手势图像的预处理包括灰度化处理和颜色空间转换，其中灰度化处理采用加权平均值算法进行处理。
[0009]进一步地，手势分割采用二维Otsu算法，通过缩小最佳阈值的搜索范围来降低时间复杂度，并利用仿生学原理“积周比”判断是否为手势区域。
[0010]进一步地，自动定位识别过程中，利用凸包算法中心点的确定，通过舵机模块带动机械臂实现摄像头机位的调整。
[0011]进一步地，所述机械臂为六自由度机械臂。
[0012]根据前述的一种基于手部识别的脑认知康复机器人系统进行脑认知康复的训练方法，包括以下步骤：（1）患者就坐在脑康复训练系统前方，根据显示器所显示的手势图形，在摄像头前用手做出规定动作，系统通过摄像头获取患者输入的手势图像并上传至处理器模块；（2）处理器模块通过内部算法完成对患者输入的所述手势图像的预处理、手势分割、手势建模、手势形状特征提取和手势识别，具体包括将手势图像进行灰度化处理，将灰度化处理过后的手势图像进行颜色空间的转换，确保人类肤色聚类最佳效果，最后将处理好的图片利用二维OTSU阈值分割算法进行图像处理，并利用仿生学原理“积周比”判断是否为手势区域；（3）在显示器画面上显示手势识别结果，其中显示器画面上有矩形框定位识别区域，在该矩形框中会有多边形框出手部轮廓，右上方会显示对应的识别结果，在每次训练完成后系统将患者无法完成的手势进行汇总，以便于进行康复训练方案的调整；其中，当患者无法自主的将手部动作完全呈现在摄像头前，摄像头只能捕捉到患者的部分手部图像时，系统能够根据患者输入的部分手部图像在识别区域中的位置，通过自动定位识别功能，综合调整机械臂的角度动作进行摄像头的位置调整，使患者的手部动作能够完全呈现在屏幕范围之内。
[0013]所述自动定位识别功能的具体过程为，在显示器屏幕中心点拟建立平面坐标系，利用Graham扫描法（凸包算法）获得的几何中心距限定在以屏幕中心为原点，半径为1/2屏幕边框的范围内，若患者输入的手势图像的手掌中心在此范围之内，则进行手部识别训练，若手掌中心不在此范围之内，系统将位移偏差值转换为PWM信号输出给舵机模块，通过舵机模块控制机械臂各个关节处的角度，使几何中心距调整到屏幕中央范围之内，进而进行手部康复训练。
[0014]有益效果：本专利技术的脑认知康复机器人系统，相比现有技术，增加了手部识别功能，利用机器视觉和手部识别技术，制定相应的康复治疗方案，通过规定的手势动作，引导患者做出相应手势进行脑康复治疗，并能够将训练结果反馈给患者，具有结构简单、人机交互性强、趣味性高、训练范围广的效果，在手势图像识别处理过程中，灰度化处理采用了精准度更高的加权平均值算法，提高了图片识别效率，在阈值分割处理方面，用最新的二维Otsu算法，代替了原有的一维Otsu算法，使图片处理效果更完善，。
[0015]本专利技术的脑认知康复机器人系统，设有机械臂和舵机模块，开发了自动定位识别
功能，考虑到患者手部运动功能受限的特殊情况，在康复训练过程中，系统可根据患者手部所在位置，自动定位识别患者手部位置所在，并驱动舵机模块带动机械臂调整摄像头的位置和角度，进而保证摄像头能够捕捉到完整的手部图像，能够极大地方便患者自主进行训练，避免频繁需要看护人员调整或协调，无需患者费力配合摄像头所在位置，能够节省人力物力，人性化且兼具趣味性。
附图说明
[0016]图1 为本专利技术脑认知康复机器人系统的原理框图；图2 为本专利技术脑认知康复机器人系统的结构示意图。
[0017]附图标记： 1、显示器，2、机械臂，3、摄像头。
具体实施方式
[0018]下面结合附图和具体实施例对本专利技术做进一步详细的说明。
[0019]如图1和2所示，一种基于手部识别的脑认知康复机器人系统，包括摄像头模块、处理器模块、显示器模块、舵机模块以及机械臂，其中，摄像头模块、显示器模块、舵机模块分别与处理器模块连接，显示器模块包括显示器1，摄像头模块包括摄像头3，所述处理器模块连接手部动作数据库，并在所述显示器模块上呈现需要患本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于手部识别的脑认知康复机器人系统，其特征在于，包括摄像头模块、处理器模块、显示器模块、舵机模块以及机械臂，其中，摄像头模块、显示器模块、舵机模块分别与处理器模块连接，所述处理器模块连接手部动作数据库，并在所述显示器模块上呈现需要患者完成的手势动作，所述摄像头模块安装在机械臂末端，用于捕捉患者输入的手势图像信息并上传至处理器模块，处理器模块通过内部算法完成对所述手势图像的预处理、手势分割、手势建模、手势形状特征提取和手势识别，并将手势识别的过程及结果显示在显示器模块上，所述机械臂与舵机模块连接，能够在舵机模块的驱动下进行角度和位置的调整，当康复患者无法自主的将手部动作完全呈现在摄像头模块的摄像头前，使得摄像头只能捕捉到患者输入的部分手部图像时，系统能够根据患者输入的部分手部图像在显示器画面上识别区域中的位置，自动定位识别患者的手部形状中心所在，并通过逻辑运算将位置偏差转换为PWM信号输出给舵机模块，驱动机械臂带动摄像头进行位置调整，使患者的手部动作能够完全呈现在屏幕范围之内，进而进行康复训练。2.如权利要求1所述的一种基于手部识别的脑认知康复机器人系统，其特征在于，所述处理器模块将手部训练动作根据难度分为简单、中等和困难三种等级，能够根据患者的治疗方案进行训练项目的切换，并能在训练完成后将患者无法完成的手势进行汇总，从而进行康复训练方案的调整。3.如权利要求1所述的一种基于手部识别的脑认知康复机器人系统，其特征在于，所述识别区域在显示器模块的画面上为矩形框定位识别区域，患者进行手势输入时，在该矩形框中会有多边形框出手部轮廓，手势识别结果在显示器模块的右上方显示。4.如权利要求1所述的一种基于手部识别的脑认知康复机器人系统，其特征在于，对手势图像的预处理包括灰度化处理和颜色空间转换，其中灰度化处理采用加权平均值算法进行处理。5.如权利要求1所述的一种基于手部识别的脑认知康复机器人系统，其特征在于，手势分割采用二维Otsu算法，通过缩小最佳阈值的搜索范围来降低时间复杂度，并利用仿生学原理“积周比”判断是否为手势区域。6.如权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：赵萍，陈泽麟，成凯，滕志强，杨天乐，钱新晨，蔡梅，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：