基于深度图像的肌肉均衡程度分析方法、系统及设备技术方案

本公开涉及基于深度图像的肌肉均衡程度分析方法、系统及设备，方法包括以下步骤：获取人体深度图像；获取深度数据并处理，识别出深度图像中的人体轮廓并标注骨性标志点；对深度图像进行处理并上色；在深度图像中选取若干个参照点计算获得人体的中线方程；根据中线方程获得关于待分析部位的两个关联点坐标；将所得两个关联点坐标分别给定于区域中心扩展算法中，获得关于该待分析部位的两侧区域的两个区域扩展队列；根据两个区域扩展队列的差值评估该待分析部位的肌肉均衡程度。系统和设备用于执行上述方法。本公开基于深度图像分析肌肉均衡程度，具有干扰因素少、准确度高的优点，且能提供肌肉量化数值，有利于肌肉均衡程度的直观准确分析。准确分析。准确分析。

【技术实现步骤摘要】
基于深度图像的肌肉均衡程度分析方法、系统及设备


[0001]本公开涉及图像处理
，具体涉及基于深度图像的肌肉均衡程度分析方法、系统及设备。

技术介绍

[0002]随着日常人们的生活、工作等多方面压力越来越大，长期的伏案工作或体力劳动工作加之随着年龄的增长、姿势不良等对人体的体态带来或多或少的改变甚至损伤，此种变化或损伤有可能进一步导致各类型的疼痛等临床症状。因此，针对体态异常问题进行早期筛查非常必要。人体肌肉分布情况，是否均衡、是否对称，是人体体态异常问题的重要指标之一。
[0003]现有的检测肌肉分布平衡情况的方法可通过目视以及触摸辅助判断，或者通过判断两边肌肉的力量情况。
[0004]通过目视以及触摸辅助，是较为常用的方法，但该方法无法量化程度和情况，也存在一定的人为误差，每个检测者对于同一情况可能会出现不同的判断结果，无法很好的客观反馈肌肉平衡情况。
[0005]通过判断两边肌肉的力量情况，可以通过检测两边肌肉对于同一物体施加力量的大小来判断，如判断手部肌肉，通过握力棒检测左右手的施加压力情况，来判断左右臂压力情况，但该方法存在一定缺陷，人肌肉疲惫，施加压力方法不对，发力肌肉不对等情况都会影响检测结果，如检测人体肌肉激励信号，通过检测两边信号的大小判断，但只检测单个点的肌肉信号，并不能反映整个肌肉群的情况，也存在上面的肌肉发力不正确，疲惫的情况。
[0006]综上所述，现有的检测肌肉分布平衡情况的方法存在干扰因素多、准确度低的缺陷。

技术实现思路

[0007]为了解决上述现有技术存在的问题，本公开目的在于提供基于深度图像的肌肉均衡程度分析方法、系统及设备。本公开基于深度图像分析肌肉均衡程度，具有干扰因素少、准确度高的优点，且能提供肌肉量化数值，有利于肌肉均衡程度的直观准确分析。
[0008]本公开所述的基于深度图像的肌肉均衡程度分析方法，包括以下步骤：S01、获取人体正面和背面的深度图像；S02、获取所得深度图像的深度数据；S03、对所述深度数据进行处理，识别出所述深度图像中的人体轮廓并标注骨性标志点；S04、对识别标注后的深度图像做归一化处理并平滑图像，然后再次进行归一化处理，根据归一化处理数值给所述深度图像上色；S05、在所述深度图像中选取若干个参照点，根据所述参照点获得人体的中线方程y=kx+b；
S06、根据所述中线方程获得关于待分析部位的两个关联点坐标；S07、将所得两个关联点坐标分别给定于区域中心扩展算法中，获得关于该待分析部位的两侧区域的两个区域扩展队列；S08、对两个所述区域扩展队列做数值比较，根据两个所述区域扩展队列的差值评估该待分析部位的肌肉均衡程度。
[0009]优选地，所述步骤S04包括：S041、通过最值归一化法对识别标注后的深度图像做归一化处理；S042、通过5*5附近平均值法平滑图像：S043、通过最值归一化法对平滑后的深度图像再次进行归一化处理；S044、根据归一化处理数值，在所述深度图像中按归一化处理数值大小涂覆不同颜色。
[0010]优选地，所述步骤S03中，标注人体脊柱L5、腘窝、内踝、后脚跟、股骨大转子、肩峰、肩胛骨和耻骨联合位置的骨性标志点；所述步骤S05具体为：定义水平面为x
‑
z平面，冠状面为y
‑
x平面，矢状面为y
‑
z平面，人体左侧向右侧为x轴正方向，脚部向头部为y轴正方向，背部向腹部为z轴正方向；根据所述深度图像中左、右髂前上棘部位的坐标，获取第一中点坐标p1；根据所述深度图像中左、右内膝部位的坐标，获取第二中点坐标p2；根据所述深度图像中左、右内踝部位的坐标，获取第三中点坐标p3；根据所述第一中点坐标p1、第二中点坐标p2和第三中点坐标p3，求得所述人体的中线方程y=kx+b。
[0011]优选地，当所述待分析部位为胸部肌肉时，所述步骤S06具体为：根据所得中线方程计算下降趋势集合d1，所述下降趋势集合d1用于表征中线上每个点的z值在x方向上的下降趋势；遍历所述下降趋势集合d1，获取所述下降趋势集合d1中的最小值所对应的y0值；根据所述中线方程y=kx+b求得与y0值对应的x0值；在小于x0值的一侧遍历所有z值，得出其中最大的z值对应的x1值；在大于x0值的一侧遍历所有z值，得出其中最大的z值对应的x2值；则两个所述关联点坐标分别为（x1，y0）和（x2，y0）。
[0012]优选地，当所述待分析部位为股直肌时，所述步骤S06具体为：获取左趾骨联合位置的点坐标（x3，y3）以及左内脚踝部位的点坐标（x4，y4），根据所述中线方程y=kx+b计算获得y4值对应的所有x值，选取所得x值中的最大值，记为x6值；在x3、y3、x6和y4形成的矩形区域内，获取其中z值的最大值对应的x值和y值，记为（x7，y7）；获取右趾骨联合位置的点坐标（x8，y8）以及右内脚踝部位的点坐标（x9，y9），根据所述中线方程y=kx+b计算获得y9值对应的所有x值，选取所得x值中的最大值，记为x
11
值；在x8、y8、x
11
和y9形成的矩形区域内，获取其中z值的最大值对应的x值和y值，记为（x
12
，y
12
）；则两个所述关联点坐标分别为（x7，y7）和（x
12
，y
12
）。
[0013]优选地，当所述待分析部位为肩胛肌时，所述步骤S06具体为：获取左肩峰的点坐标（x
13
，y
13
）以及右肩峰的点坐标（x
14
，y
14
）；则两个所述关联点坐标分别为（x
13
，y
13
）和（x
14
，y
14
）；当所述待分析部位为斜方肌时，所述步骤S06具体为：获取左肩胛骨的点坐标（x
15
，y
15
）以及右肩胛骨的点坐标（x
16
，y
16
）；则两个所述关联点坐标分别为（x
15
，y
15
）和（x
16
，y
16
）；当所述待分析部位为背阔肌时，所述步骤S06具体为：获取左肩胛骨的点坐标（x
15
，y
15
）以及骨性标志点中人体脊柱L5的点坐标（x
18
，y
18
）；在x
15
、y
15
、x
18
和y
18
形成的矩形区域内，获取其中z值的最大值对应的x值和y值，记为（x
19
，y
19
）；获取右肩胛骨的点坐标（x
16
，y
16
）；在x
16
、y
16
、x
18
和y
18
形成的矩形区域内，获取其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度图像的肌肉均衡程度分析方法，其特征在于，包括以下步骤：S01、获取人体正面和背面的深度图像；S02、获取所得深度图像的深度数据；S03、对所述深度数据进行处理，识别出所述深度图像中的人体轮廓并标注骨性标志点；S04、对识别标注后的深度图像做归一化处理并平滑图像，然后再次进行归一化处理，根据归一化处理数值给所述深度图像上色；S05、在所述深度图像中选取若干个参照点，根据所述参照点获得人体的中线方程y=kx+b；S06、根据所述中线方程获得关于待分析部位的两个关联点坐标；S07、将所得两个关联点坐标分别给定于区域中心扩展算法中，获得关于该待分析部位的两侧区域的两个区域扩展队列；S08、对两个所述区域扩展队列做数值比较，根据两个所述区域扩展队列的差值评估该待分析部位的肌肉均衡程度。2.根据权利要求1所述基于深度图像的肌肉均衡程度分析方法，其特征在于，所述步骤S04包括：S041、通过最值归一化法对识别标注后的深度图像做归一化处理；S042、通过5*5附近平均值法平滑图像：S043、通过最值归一化法对平滑后的深度图像再次进行归一化处理；S044、根据归一化处理数值，在所述深度图像中按归一化处理数值大小涂覆不同颜色。3.根据权利要求2所述基于深度图像的肌肉均衡程度分析方法，其特征在于，所述步骤S03中，标注人体脊柱L5、腘窝、内踝、后脚跟、股骨大转子、肩峰、肩胛骨和耻骨联合位置的骨性标志点；所述步骤S05具体为：定义水平面为x
‑
z平面，冠状面为y
‑
x平面，矢状面为y
‑
z平面，人体左侧向右侧为x轴正方向，脚部向头部为y轴正方向，背部向腹部为z轴正方向；根据所述深度图像中左、右髂前上棘部位的坐标，获取第一中点坐标p1；根据所述深度图像中左、右内膝部位的坐标，获取第二中点坐标p2；根据所述深度图像中左、右内踝部位的坐标，获取第三中点坐标p3；根据所述第一中点坐标p1、第二中点坐标p2和第三中点坐标p3，求得所述人体的中线方程y=kx+b。4.根据权利要求3所述基于深度图像的肌肉均衡程度分析方法，其特征在于，当所述待分析部位为胸部肌肉时，所述步骤S06具体为：根据所得中线方程计算下降趋势集合d1，所述下降趋势集合d1用于表征中线上每个点的z值在x方向上的下降趋势；遍历所述下降趋势集合d1，获取所述下降趋势集合d1中的最小值所对应的y0值；根据所述中线方程y=kx+b求得与y0值对应的x0值；在小于x0值的一侧遍历所有z值，得出其中最大的z值对应的x1值；在大于x0值的一侧遍历所有z值，得出其中最大的z值对应的x2值；
则两个所述关联点坐标分别为（x1，y0）和（x2，y0）。5.根据权利要求3所述基于深度图像的肌肉均衡程度分析方法，其特征在于，当所述待分析部位为股直肌时，所述步骤S06具体为：获取左趾骨联合位置的点坐标（x3，y3）以及左内脚踝部位的点坐标（x4，y4），根据所述中线方程y=kx+b计算获得y4值对应的所有x值，选取所得x值中的最大值，记为x6值；在x3、y3、x6和y4形成的矩形区域内，获取其中z值的最大值对应的x值和y值，记为（x7，y7）；获取右趾骨联合位置的点坐标（x8，y8）以及右内脚踝部位的点坐标（x9，y9），根据所述中线方程y=kx+b计算获得y9值对应的所有x值，选取所得x值中的最大值，记为x
11
值；在x8、y8、x
11
和y9形成的矩形区域内，获取其中z值的最大值对应的x值和y值，记为（x
12
，y
12
）；则两个所述关联点坐标分别为（x7，y7）和（x
12
，y
12
）。6.根据权利要求3所述基于深度图像的肌肉均衡程度分析方法，其特征在于，当所述待分析部位为肩胛肌时，所述步骤S06具体为：获取左肩峰的点坐标（x
13
，y
13
）以及右肩峰的点坐标（x
14
，y
14
）；则两个所述关联点坐标分别为（x
13
，y
13
）和（x
14
，y
14
）；当所述待分析部位为斜方肌时，所述步骤S06具体为：获取左肩胛骨的点坐标（x
15
，y
15
）以及右肩胛骨的点坐标（x
16
，y
16
）；则两个所述关联点坐标分别为（x
15
，y
15
）和（x
16
，y
16
）；当所述待分析部位为背阔肌时，所述步骤S06具体为：获取左肩胛骨的点坐标（x
15
，y
15
）以及骨性标志点中人体脊柱L5的点坐标（x
18
，y
18
）；在x
15
、y
15
、x
18
和y
18
形成的矩形区域内，获取其中z值的最大值对应的x值和y值，记为（x
19
，y
19
）；获取右肩胛骨的点坐标（x
16
，y
16
）；在x
16
、y
16
、x
18
和y
18
形成的矩形区域内，获取其中z值的最大值对应的x值和y值，记为（x
21
，y
21
）；则两个所述关联点坐标分别为（x
19
，y
19
）和（x
21
，y
21
）；当所述待分析部位为臀大肌时，所述步骤S06具体为：获取左股骨大转子的点坐标（x
22
，y
22
）以及骨性标志点中人体脊柱L5的点坐标（x
18
，y
18
）；在x
22
、y
22
、x
18<...

【专利技术属性】
技术研发人员：周丽华，王晓辉，徐杰峰，钟建波，周淳挺，
申请(专利权)人：广州辉博信息技术有限公司，
类型：发明
国别省市：