一种肢体康复训练系统及方法技术方案

本发明专利技术提出了一种肢体康复训练系统及方法，属于人工智能及深度学习技术领域，包括以下步骤：搭建康复训练系统；收集康复训练病人的病历数据集，并对数据集进行标注用于训练算法模型；改进人体姿态估计网络结构，采用轻量化特征提取网络为主干网络，调整网络结构和激活函数；人体姿态估计算法模型在训练时增加数据增强方法，采用增加预热训练模式的余弦学习率下降方式训练网络；将训练好的算法模型移植到嵌入式电脑上，采用FP16进行量化；系统工作时，显示终端提示病人需要做的动作，随即病人执行动作；嵌入式电脑读取摄像头拍摄的图像送入人体姿态估计算法得到估计动作与给定动作的相似度，得出康复训练评估分值。得出康复训练评估分值。得出康复训练评估分值。

【技术实现步骤摘要】
一种肢体康复训练系统及方法


[0001]本专利技术属于人工智能及深度学习
，具体涉及到一种肢体康复训练系统及方法。

技术介绍

[0002]随着科学技术的发展，深度学习的技术广泛的应用于各个领域并取得了显著的成果。深度学习技术在智能化的病房设备中的应用极大的提高了医务人员的工作效率。在传统的肢体损伤恢复训练中常采用将病人捆绑在机械设备上，通过机械设备的结构动作从而带动病人肢体的运动，此方法设备昂贵成本较高，而且在使用上不方便。另一种方法是通过医护人员搀扶病人，辅助病人抬腿、伸手等动作，此方法增加了医护人员的劳动强度且辅助抬腿等动作很难达到规定角度或高度，病人的锻炼情况不能得到及时反馈和调整。
[0003]因此需要一种新的肢体康复训练方法，能够克服设备成本高、训练情况不能量化记录和不能及时反馈的问题。

技术实现思路

[0004]本专利技术的目的是提供一种成本低的肢体康复训练系统及方法，一定程度上降低了医护人员的劳动强度。
[0005]为了解决上述问题，本申请的技术方案为：
[0006]一种肢体康复训练系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肢体康复训练系统，其特征在于：包括辅助训练设备硬件实体和数据库端(4)及专家系统端(3)，辅助训练设备硬件实体包括嵌入式电脑(2)、摄像头(6)、显示终端(5)、训练器材(1)和摄像头(6)。2.根据权利要求1所述的一种肢体康复训练系统，其特征在于：所述实体摄像头(6)和显示终端(5)都与和嵌入式电脑(2)连接，嵌入式电脑(2)用网线或局域网与数据库端(4)连接，嵌入式电脑(2)通过网络连接专家系统端(3)。3.一种肢体康复训练方法，其特征在于包括以下步骤：A搭建上述康复训练系统，摄像头(6)的位置根据当前运动模式进行固定；B收集康复训练病人的病历数据集，并对数据集进行标注用于训练算法模型；C改进人体姿态估计网络结构，采用轻量化特征提取网络为主干网络，调整网络结构和激活函数；D人体姿态估计算法模型在训练时增加数据增强方法，采用增加预热训练模式的余弦学习率下降方式训练网络；E将训练好的算法模型采用FP16进行量化后部署到嵌入式电脑(2)上，算法推理得到关键点结果用含有权值的二部图匹配算法得到关键点的连接关系；F系统工作时，显示终端(5)提示病人需要做的动作，随即病人执行动作；嵌入式电脑(2)读取摄像头(6)拍摄的图像送入人体姿态估计算法得到估计动作,再用余弦相似度方法计算估计的动作和程序要求动作的相似度，从而完成当前动作评估，同时提醒康复训练病人及时调成可得到更高的评估分值。4.根据权利要求3所述的一种肢体康复训练方法，其特征在于：步骤C中替换人体姿态估计主干网络为MobileNetV1并在网络输出处添加卷积计算调整特征图通道128和长宽为46x46；调整热图和亲和场向量提取网络，将这两个提取分支调整为共享权重减少计算量，热图和亲和场特征提取重复两次，网络的损失计算为L2损失：征提取重复两次，网络的损失计算为L2损失：征提取重复两次，网络的损失计算为L2损失：其中表示预测热图与标签热图的误差值t表示当前是那个后处理阶段，表示标签值，表示预测值，j表示当前特征图属于哪个关键点图层W(p)...

【专利技术属性】
技术研发人员：张立国，胡林，金梅，李清天，刘强，李翔宇，杨曼，
申请(专利权)人：燕山大学，
类型：发明
国别省市：