检测结果的生成方法、装置、电子设备及可读存储介质制造方法及图纸

本申请提供了一种检测结果的生成方法、装置、电子设备及计算机可读存储介质，该方法包括：获取终端设备采集的运动视频；其中，运动视频包括肢体运动图像；基于骨架捕捉方法对肢体运动图像中的骨架信息进行捕捉；其中，骨架信息包括多个骨架节点的三维坐标；基于目标检测算法对骨架节点的三维坐标进行检测，生成第一检测结果。本申请能够通过更智能，且准确地实现对患者运动情况的检测。现对患者运动情况的检测。现对患者运动情况的检测。

【技术实现步骤摘要】
检测结果的生成方法、装置、电子设备及可读存储介质


[0001]本专利技术涉及康复
，尤其是一种检测结果的生成方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]康复评定是检查、判断患者功能障碍的性质、部位、范围、程度；确定尚存的代偿能力情况。
[0003]由于各种原因，我国每年都会新增大量的运动功能丧失或者障碍的患者。这些患者往往需要进行多次的康复评定。
[0004]为了实现康复评定，现有技术中，患者往往需要频繁前往康复医院进行运动功能评定，由医生告知患者做出指定的动作，然后医生通过人为检测该患者做出动作的完成情况，并做出评分。
[0005]但是，现有技术中，人为检测患者动作完成情况不准确。

技术实现思路

[0006]本申请的目的是提供了一种检测结果的生成方法、装置、电子设备及计算机可读存储介质，能够更准确的检测患者的动作完成情况。
[0007]根据本申请的第一方面，提供了检测结果的生成方法，该方法包括：
[0008]获取终端设备采集的运动视频；其中，运动视频包括肢体运动图像；
[0009]基于骨架捕捉方法对肢体运动图像中的骨架信息进行捕捉；其中，骨架信息包括多个骨架节点的三维坐标；
[0010]基于目标检测算法对骨架节点的三维坐标进行检测，生成第一检测结果。
[0011]可选的，骨架捕捉方法为OpenPose的骨架捕捉方法，基于骨架捕捉方法对肢体运动图像中的骨架信息进行捕捉，包括：
[0012]基于第一神经网络模型对肢体运动图像中的骨架信息进行捕捉。
[0013]可选的，肢体运动图像包括手部运动图像，方法还包括：
[0014]基于目标检测算法对手部运动图像进行检测，生成第二检测结果；其中，手部运动图像包括手抓物体时的运动状态。
[0015]基于目标检测算法对手部运动图像进行检测，生成第二检测结果，包括：
[0016]基于目标检测算法获取物体的重力；
[0017]基于目标检测算法识别物体的种类；
[0018]基于目标检测算法对物体的重力、物体的种类以及手抓物体时的运动状态进行检测，生成第二检测结果。
[0019]可选的，基于目标检测算法获取物体的重力，包括：
[0020]基于目标检测算法识别物体的颜色；
[0021]获取物体的颜色与物体的重力之间的预设映射关系；
[0022]基于预设映射关系以及物体的颜色确定物体的重力。
[0023]可选的，目标检测算法为YoloX目标检测算法，基于目标检测算法对骨架节点的三维坐标进行检测，生成第一检测结果，包括：
[0024]获取第二神经网络模型；
[0025]基于第二神经网络模型对骨架节点的三维坐标进行检测，生成第一检测结果；
[0026]基于目标检测算法获取物体的重力，包括
[0027]基于第二神经网络模型获取物体的重力；
[0028]基于目标检测算法识别物体的种类，包括：
[0029]基于第二神经网络模型识别物体的种类；
[0030]基于目标检测算法对物体的重力、物体的种类以及手抓物体时的运动状态进行检测，生成第二检测结果，包括：
[0031]基于第二神经网络模型对物体的重力、物体的种类以及手抓物体时的运动状态进行检测，生成第二检测结果。
[0032]可选的，获取终端设备采集的运动视频，包括：
[0033]获取终端设备的深度相机采集的运动视频。
[0034]根据本申请的第二方面，提供了一种检测结果的生成装置，该装置包括：
[0035]获取模块，用于获取终端设备采集的运动视频；其中，运动视频包括肢体运动图像；捕捉模块，用于基于骨架捕捉方法对肢体运动图像中的骨架信息进行捕捉；其中，骨架信息包括多个骨架节点的三维坐标；第一生成模块，用于基于目标检测算法对骨架节点的三维坐标进行检测，生成第一检测结果。
[0036]可选的，捕捉模块，用于获取第一神经网络模型；基于第一神经网络模型对肢体运动图像中的骨架信息进行捕捉；其中，骨架捕捉方法为OpenPose的骨架捕捉方法。
[0037]可选的，装置还包括：第二生成模块，用于基于目标检测算法对手部运动图像进行检测，生成第二检测结果；其中，手部运动图像包括手抓物体时的运动状态，肢体运动图像包括手部运动图像。
[0038]可选的，第二生成模块，用于基于目标检测算法获取物体的重力；基于目标检测算法识别物体的种类；基于目标检测算法对物体的重力、物体的种类以及手抓物体时的运动状态进行检测，生成第二检测结果。
[0039]可选的，第二生成模块，用于基于目标检测算法识别物体的颜色；获取物体的颜色与物体的重力之间的预设映射关系；基于预设映射关系以及物体的颜色确定物体的重力。
[0040]可选的，目标检测算法为YoloX目标检测算法，第一生成模块，用于获取第二神经网络模型；基于第二神经网络模型对骨架节点的三维坐标进行检测，生成第一检测结果；第二生成模块，用于基于第二神经网络模型获取物体的重力，基于第二神经网络模型识别物体的种类，基于第二神经网络模型对物体的重力、物体的种类以及手抓物体时的运动状态进行检测，生成第二检测结果。
[0041]可选的，获取模块，用于获取终端设备的深度相机采集的运动视频。
[0042]根据本申请的第三方面，提供了一种电子设备，该电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面所示的检测结果的生成方法的步骤。
[0043]根据本申请的第四方面，提供了一种可读存储介质，该可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面所示的检测结果的生成方法的步骤。
[0044]本申请可以由云端服务器作为本申请的执行主体，其中，云端服务器和终端设备建立通信关系。终端设备采集用户运动视频。其中，运动视频包括肢体运动图像，并发送给云端服务器，云端服务器根据骨架捕捉方法捕捉到肢体运动图像中多个骨架节点的三维坐标，云端服务器根据目标检测算法对骨架节点的三维坐标进行检测，生成检测结果。即通过云端服务器和终端设备之间的数据互通实现更准确地对患者动作完成情况的检测。
附图说明
[0045]为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0046]图1为本申请实施例提供的检测结果的生成方法的流程图；
[0047]图2为本申请实施例提供的肢体运动图像中骨架信息的示意图；
[0048]图3为本申请实施例提供的手部运动图像的检测结果的示意图；
[0049]图4为本申请实施例提供的手部运动图像中物体重力的示意图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测结果的生成方法，其特征在于，所述方法包括：获取终端设备采集的运动视频；其中，所述运动视频包括肢体运动图像；基于骨架捕捉方法对肢体运动图像中的骨架信息进行捕捉；其中，所述骨架信息包括多个骨架节点的三维坐标；基于目标检测算法对所述骨架节点的三维坐标进行检测，生成第一检测结果。2.根据权利要求1所述的检测结果的生成方法，其特征在于，所述骨架捕捉方法为OpenPose的骨架捕捉方法，所述基于骨架捕捉方法对肢体运动图像中的骨架信息进行捕捉，包括：获取第一神经网络模型；基于所述第一神经网络模型对肢体运动图像中的骨架信息进行捕捉。3.根据权利要求1所述的检测结果的生成方法，其特征在于，所述肢体运动图像包括手部运动图像，所述方法还包括：基于所述目标检测算法对所述手部运动图像进行检测，生成第二检测结果；其中，所述手部运动图像包括手抓物体时的运动状态。4.根据权利要求3所述的检测结果的生成方法，其特征在于，所述基于所述目标检测算法对所述手部运动图像进行检测，生成第二检测结果，包括：基于所述目标检测算法获取物体的重力；基于所述目标检测算法识别物体的种类；基于所述目标检测算法对所述物体的重力、所述物体的种类以及所述手抓物体时的运动状态进行检测，生成所述第二检测结果。5.根据权利要求4所述的检测结果的生成方法，其特征在于，所述基于所述目标检测算法获取所述物体的重力，包括：基于所述目标检测算法识别物体的颜色；获取所述物体的颜色与所述物体的重力之间的预设映射关系；基于所述预设映射关系以及所述物体的颜色确定所述物体的重力。6.根据权利要求4所述的检测结果的生成方法，其特征在于，所述目标检测算法为YoloX目标检测算法，所述基于目标检测算法对所述骨架节点的三...

【专利技术属性】
技术研发人员：陶春静，张晓会，陈龙，甄帅，樊瑜波，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：