本发明专利技术提出了一种用于辅助康复训练的智能化康复机器人数据处理方法及系统，其中，所述方法具体包括：步骤1、获取有障碍人群的行为肢体数据；所述肢体数据包括：历史采集数据、当前状态下的形体数据；步骤2、对获取到的肢体数据进行预处理分析；步骤3、构建肢体数据分析模型，用于接收获取到的肢体数据；步骤4、利用所述肢体分析模型分析有障碍人群当前状态行为，并制定对应的个性化康复训练方案；步骤5、根据制定的康复训练方案辅助有障碍人群进行康复训练。本发明专利技术运用计算机图像和数据处理的技术对患者的相关数据进行分析，从而制定出最为贴切的治疗方案，有效缩短了有障碍人群的康复周期。期。期。
【技术实现步骤摘要】
一种用于辅助康复训练的智能化康复机器人数据处理方法及系统
[0001]本专利技术涉及一种用于辅助康复训练的智能化康复机器人数据处理方法及系统，特别是智能化康复机器人数据处理
技术介绍
[0002]随着目前社会老龄化以及意外事故发生率的升高，社会上存在着很多拥有行动障碍的人群，例如老年人的步行障碍，以及一些手臂臀部肌肉群萎缩等导致身体无法正常的运动的患者。这些缺陷障碍很大程度的影响了患者的正常生活，并且需要家属或者雇佣医护人员进行康复治疗及照料，大大加剧了患者家庭的负担。据研究显示，80%以上的脑损伤导致身体运动功能障碍的患者在进行正确的康复训练后，运动能力都得到了很好的恢复。
[0003]现有技术中，传统的康复机构大多过于笨重且体积较大，只可保持康复者在一个规定好的运动状态下运动康复，这种固定模式的运动康复对于患者康复将会是缓慢且不一定适合的。
技术实现思路
[0004]专利技术目的：提出一种用于辅助康复训练的智能化康复机器人数据处理方法及系统，以解决现有技术存在的上述问题。
[0005]技术方案：第一方面，提出了一种用于辅助康复训练的智能化康复机器人数据处理方法，其特征在于，包括以下步骤：步骤1、获取有障碍人群的行为肢体数据；所述肢体数据包括：历史采集数据、当前状态下的形体数据；所述肢体数据形式包括：图像数据、数字数据和文字描述数据；步骤2、对获取到的肢体数据进行预处理分析；所述预处理分析包括：对所述图像数据进行图像简化、图像分割、图像灰度化、图像二值化和图像滤波处理；步骤3、构建肢体数据分析模型，用于接收获取到的肢体数据；步骤4、利用所述肢体分析模型分析有障碍人群当前状态行为，并制定对应的个性化康复训练方案；步骤5、根据制定的康复训练方案辅助有障碍人群进行康复训练。
[0006]运用计算机图像和数据处理的技术对患者的相关数据进行分析，从而制定出最为贴切的治疗方案，可以有效缩短有障碍人群的康复周期。
[0007]在第一方面的一些可实现方式中，步骤1中在获取有障碍人群的行为肢体数据时，通过捕捉骨骼关键点的方式进行信号采集。在进行分析有障碍人群当前状态行为的过程中进一步包括：步骤4.1、读取图像采集设备获取有障碍人群的肢体图像数据；步骤4.2、所述肢体数据分析模型提取所述肢体图像数据中图像特征，并获取关节点置信图和肢体关联字段；
步骤4.3、根据获取到的关节点置信图和肢体关联字段，利用二分匹配进行关联；步骤4.4、在完成整体的关联后获取肢体图像数据中的姿态。
[0008]在第一方面的一些可实现方式中，所述肢体数据分析模型进一步包括姿态判断模型，所述姿态判断模型用于预测有障碍人群的姿态；进一步的，所述姿态判断模型包括：用于获取关节点置信图和肢体关联字段的网络结构，两个网络结构作为上下两个分支同时对肢体图像数据进行分析处理，一支用于预测关节点置信图，即获取关节点的所在位置；另一支用于获取肢体关联字段，即关节点的所在位置之间的关联度；通过结合关节点的所在位置和关节点的所在位置之间的关联度，可以连线形成肢体图像数据中有障碍人物的姿态。
[0009]在第一方面的一些可实现方式中，为了提高姿态判断模型的性能，采用损失函数进行学习监督，并划分至少一个肢体图像数据分析处理阶段；进一步的，每个阶段均包括预测关节点置信图和肢体关联字段上下两个分支，在预测关节点置信图的支路上，采用的损失函数表达式为：式中，表示二元掩膜，表示第t阶段的预测关节点置信图；表示实际的关节点置信图；J表示关键点的数量；在获取肢体关联字段的支路上，采用的损失函数为：式中，表示二元掩膜，表示第t阶段预测的肢体关联字段；表示实际的肢体关联字段；C表示肢体的数量；最终总的损失函数表达式为：式中，T表示总的肢体图像数据分析处理阶段。
[0010]在第一方面的一些可实现方式中，步骤4中利用所述肢体分析模型分析有障碍人群当前状态行为姿态时，针对采集到的图像数据，根据目标检测的结果，利用混合高斯背景模型对图像中的运动目标进行提取，并结合预设大小的外接矩形宽高比实现对有障碍人群姿态的识别。
[0011]利用所述混合高斯背景模型进行图像数据处理时，在处理的图像数据为彩色图像的情况下，混合高斯背景模型的处理方式为，首先假定图像像素点R、G、B三色通道彼此独立并且具有相同的方差；其次，对于随机变量x的观察数据集，其中表示在t时刻像素的样本，用混合高斯模型为其建模。
[0012]在第一方面的一些可实现方式中，辅助有障碍人群进行康复训练的过程中，通过
在智能化康复机器人的控制器中嵌入语音互动模块，实现患者与智能化康复机器人的语音互动，从而完成在可调控范围内，改变智能化康复机器人的操作幅度；进一步的，通过上位机和下位机的整合，实现智能化康复机器人与有障碍人群的视听触觉接触以及言语交流；通过语音识别、自然语义处理及语音合成等技术实现语音对话，以及康复指导。
[0013]在第一方面的一些可实现方式中，步骤5根据制定的康复训练方案辅助有障碍人群进行康复训练的过程中，还包括根据实际训练数据进行康复训练方案的更新。
[0014]进一步的，所述肢体分析模型在康复训练的过程中，通过对应的信息采集传感器获取有障碍人群相应的实时肢体数据，并根据采集到的肢体数据与标准目标数据进行对比，获得偏差值，进而计算产生恢复速率曲线，并根据曲线随时调整辅助恢复计划，实时更新康复训练方案。通过实时更新康复训练方案的方式，可以根据有障碍人群的实时状态进行康复训练的方案调整，从而获取更为精准的康复方案，缩短康复训练的周期，提高康复训练的效率。
[0015]第二方面，提出一种用于辅助康复训练的智能化康复机器人数据处理系统，该系统具体包括：用于获取有障碍人群的行为肢体数据的第一模块；用于预处理行为肢体数据的第二模块；用于构建肢体数据分析模型的第三模块；用于制定个性化康复训练方案的第四模块；用于实现辅助训练的第五模块；用于更新个性化康复训练方案的第六模块。
[0016]在第二方面的一些可实现方式中，首先，所述第一模块通过读取数据库中存储的数据，获取有障碍人群的行为肢体数据；其次，所述第二模块接收第一模块获取到的肢体数据，并对其中的图像数据进行预处理分析，其中预处理方式进一步包括对所述图像数据进行图像简化、图像分割、图像灰度化、图像二值化和图像滤波处理；再次，将处理完成的图像数据传输至所述第三模块构建的肢体数据分析模型中；从次，所述第四模块利用所述肢体分析模型分析有障碍人群当前状态行为，并制定对应的个性化康复训练方案；最后，所述第五模块根据第四模块制定的康复训练方案辅助有障碍人群进行康复训练。
[0017]在第二方面的一些可实现方式中，在进行康复训练的过程中，为了更好的贴合有障碍人群的康复进度，所述第六模块根据实时采集到的训练数据，对个性化康复训练方案进行更新，从而更匹配当前患者的训练程度。
[0018]有益效果：本专利技术提出了一种用于辅助康复训练的智能化康复机器人数据处理方法及系统，一方面，通过对患者的病情分析以及之前本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于辅助康复训练的智能化康复机器人数据处理方法，其特征在于，包括以下步骤：步骤1、获取有障碍人群的行为肢体数据；所述肢体数据包括：历史采集数据、当前状态下的形体数据；所述肢体数据形式包括：图像数据、数字数据和文字描述数据；步骤2、对获取到的肢体数据进行预处理分析；所述预处理分析包括：对所述图像数据进行图像简化、图像分割、图像灰度化、图像二值化和图像滤波处理；步骤3、构建肢体数据分析模型，用于接收获取到的肢体数据；步骤4、利用所述肢体分析模型分析有障碍人群当前状态行为，并制定对应的个性化康复训练方案；步骤5、根据制定的康复训练方案辅助有障碍人群进行康复训练。2.根据权利要求1所述的一种用于辅助康复训练的智能化康复机器人数据处理方法，其特征在于，步骤1中在获取有障碍人群的行为肢体数据时，通过捕捉骨骼关键点的方式进行信号采集；在进行分析有障碍人群当前状态行为的过程中进一步包括：步骤4.1、读取图像采集设备获取有障碍人群的肢体图像数据；步骤4.2、所述肢体数据分析模型提取所述肢体图像数据中图像特征，并获取关节点置信图和肢体关联字段；步骤4.3、根据获取到的关节点置信图和肢体关联字段，利用二分匹配进行关联；步骤4.4、在完成整体的关联后获取肢体图像数据中的姿态。3.根据权利要求1所述的一种用于辅助康复训练的智能化康复机器人数据处理方法，其特征在于，所述肢体数据分析模型进一步包括姿态判断模型，所述姿态判断模型用于预测有障碍人群的姿态；进一步的，所述姿态判断模型包括：用于获取关节点置信图和肢体关联字段的网络结构，两个网络结构作为上下两个分支同时对肢体图像数据进行分析处理，一支用于预测关节点置信图，即获取关节点的所在位置；另一支用于获取肢体关联字段，即关节点的所在位置之间的关联度；通过结合关节点的所在位置和关节点的所在位置之间的关联度，可以连线形成肢体图像数据中有障碍人物的姿态。4.根据权利要求1所述的一种用于辅助康复训练的智能化康复机器人数据处理方法，其特征在于，为了提高姿态判断模型的性能，采用损失函数进行学习监督，并划分至少一个肢体图像数据分析处理阶段；进一步的，每个阶段均包括预测关节点置信图和肢体关联字段上下两个分支，在预测关节点置信图的支路上，采用的损失函数表达式为：式中，表示二元掩膜，表示第t阶段的预测关节点置信图；表示实际的关节点置信图；J表示关键点的数量；在获取肢体关联字段的支路上，采用的损失函数为：
式中，表示二元掩膜，表示第t阶段预测的肢体关联字段；表示实际的肢体关联字段；C表示肢体的数量；最终总的损失函数表达式为：式中，T表示总的肢体图像数据分析处理阶段。5.根据权利要求1所述的一种用于辅助康复训练的智能化康复机器人数据处理方法，其特征在于，步骤4中利用所述肢体分析模型分析有障碍人群当前状态行为姿态时，针对采集到的图像数据，根据目标检测的结果，利用混合高斯背景模型对图像...
【专利技术属性】
技术研发人员：方金武，郑忠斌，熊海燕，王道洋，
申请(专利权)人：工业互联网创新中心上海有限公司，
类型：发明
国别省市：
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。