一种功能性康复训练闭环反馈的智能监测方法及系统技术方案

本发明专利技术提供了一种功能性康复训练闭环反馈的智能监测，利用相机采集人体运动的视频数据，通过人体动作识别模型对人体运动的视频数据进行处理，得到目标动作数据，获取标准模型库中的标准动作数据，将目标动作数据和标准动作数据进行监测比对，获得动作得分，通过动作得分对目标动作数据进行修正，将修正后的目标动作数据作为监测结果输出。所述方法能够提高康复训练过程的准确度，无需人工判断康复动作是否标准，在训练反馈的过程中强化各动作的真实性，通过以标准动作进行对比，智能修正关键动作帧，降低监测成本，提高反馈效果。提高反馈效果。提高反馈效果。

【技术实现步骤摘要】
一种功能性康复训练闭环反馈的智能监测方法及系统


[0001]本专利技术涉及医疗康复信息学领域，特别涉及一种功能性康复训练闭环反馈的智能监测方法。

技术介绍

[0002]随着虚拟现实技术的发展，康复训练的监测方式逐渐智能化，在由物理康复师人工判断康复训练效果这种传统的监测方式之外，许多大型康复训练设备也参与到了康复训练的辅助过程中，例如智能康复机器人等，然而这些设备操作难度高，购置成本昂贵，维修率高，在我国的应用前景并不广泛，同时传统的康复训练方式需要在专业治疗师的指导下在特定训练地点进行，效果不易评估，且需要耗费康复治疗师的大量精力，因此需要一种成本低、监测正确性高且能够有效反馈训练效果的方法用以辅助功能性康复训练。
[0003]在中国专利技术专利公开号为CN110464357A的专利中提出了一种康复过程质量监测方法，利用视频采集设备采集人体运动的视频数据，并基于人工智能AI视觉捕捉模型对视频数据进行分析处理，以捕捉人体运动姿态，并将捕捉到的人体运动姿态与康复治疗及康复训练肢体动作的标准模型库中的肢体动作进行比对，获得动作相似度评分，将步骤一中采集到的体征数据进行运算，得到高阶运动数据，将高阶运动数据与步骤二中获得的数据进行综合关联运算，获得人体康复过程质量监测结果；在基于人工智能AI视觉捕捉模型对视频数据进行分析处理该步骤中，由于关键点位置会发生偏移或丢失情况，导致人体运动姿态异常从而影响比对结果，容易造成监测反馈错误，因此提出一种功能性康复训练闭环反馈的智能监测方法，保证训练过程中监测肢体康复数据的有效性。

技术实现思路

[0004]本专利技术的目的在于提出一种功能性康复训练闭环反馈的智能监测的方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0005]本专利技术提供了一种功能性康复训练闭环反馈的智能监测，利用相机采集人体运动的视频数据，通过人体动作识别模型对人体运动的视频数据进行处理，得到目标动作数据，获取标准模型库中的标准动作数据，将目标动作数据和标准动作数据进行监测比对，获得动作得分，通过动作得分对目标动作数据进行修正，将修正后的目标动作数据作为监测结果输出。所述方法能够提高康复训练过程的准确度，无需人工判断康复动作是否标准，在训练反馈的过程中强化各动作的真实性，通过以标准动作进行对比，智能修正关键动作帧，降低监测成本，提高反馈效果。
[0006]为了实现上述目的，根据本专利技术一方面，提供一种功能性康复训练闭环反馈的智能监测方法，所述方法包括以下步骤：S100，利用相机采集人体运动的视频数据；S200，通过人体动作识别模型对人体运动的视频数据进行处理，得到目标动作数据；
S300，获取标准模型库中的标准动作数据，将目标动作数据和标准动作数据进行监测比对，获得动作得分；S400，通过动作得分，对目标动作数据进行修正，将修正后的目标动作数据作为监测结果输出。
[0007]优选地，所述人体动作识别模型包括BlazeFace模型、Mediapipe Pose模型、PoseNet模型、MoveNet模型、OpenPose模型、OpenMMD模型中的一种或多种。
[0008]进一步地，步骤S200中，通过人体动作识别模型对人体运动的视频数据进行处理，得到目标动作数据，具体方法为：读取人体运动的视频数据，筛选出视频数据中的多个关键帧（即视频数据中的部分图像帧），将所有关键帧依次加载到人体动作识别模型中，通过人体动作识别模型识别出每个关键帧中的人体关键点，将人体关键点标注在关键帧中，在关键帧中将每个关键点按照人体结构进行连线（如头和颈之间进行连线，头和脚腕则不进行直接连线），将标注有人体关键点及连线的关键帧作为目标动作数据，所述人体关键点至少包括人体的17个关节，分别是鼻子，左右眼，左右耳，左右肩，左右肘，左右腕，左右臀，左右膝，左右脚踝。
[0009]进一步地，步骤S300中，获取标准模型库中的标准动作数据，将目标动作数据和标准动作数据进行监测比对，获得动作得分，具体步骤为：加载标准模型库中的标准图像，通过人体动作识别模型识别出标准图像中的人体关键点，将人体关键点标注在标准图像上，在标准图像中将每个关键点按照人体结构进行连线，将标注有人体关键点及连线的标准图像作为标准动作数据，获取标准动作数据中具有连接关系的连线之间的夹角大小（即通过关键点相连接的两条连线之间的夹角大小），获取目标动作数据中具有连接关系的连线之间的夹角大小，在目标动作数据和标准动作数据中比较以同一个关键点为顶点的夹角（例如将标准动作数据中的以左肩该人体关键点为顶点的夹角和目标动作数据中的以左肩该人体关键点为顶点的夹角进行比较），标记两个以同一个关键点为顶点的夹角之间的大小的差值的绝对值小于角度误差值的夹角为有效夹角，设定动作得分公式为SCORE=100*PASS/TOTAL，其中PASS代表有效夹角的数量，TOTAL表示目标动作数据中所有具有连接关系的连线之间的夹角的总数量，通过动作得分公式计算出目标动作数据的动作得分SCORE，其中，角度误差值设置为[5,10]度；所述标准模型库是含有康复训练肢体标准动作图像的模型库，所述标准图像即康复训练肢体标准动作图像，所述康复训练肢体标准动作图像至少包括弓步压腿标准动作、立体体前屈标准动作、曲肘抬臂标准动作、直立前抬腿标准动作、下蹲标准动作中的一种或多种。
[0010]本步骤的有益效果为：通过与标准模型库中的标准康复动作对比，采用得分制为人体在运动过程中的康复动作是否标准作出客观评价，利用动作得分公式，将康复动作抽象为夹角表示，并进一步与标准康复动作中的标准夹角进行对比，从而实现康复动作是否标准的判定以及得分。
[0011]进一步地，步骤S400中，通过动作得分，对目标动作数据进行修正，将修正后的目标动作数据作为监测结果输出，具体步骤为：S401，计算所有目标动作数据的动作得分的平均值，标记动作得分低于所述平均值的目标动作数据为需要修正的目标动作数据，转至S402；S402，将目标动作数据（即关键帧）在人体运动的视频数据的前一帧加载到动作识
别模型中，通过人体动作识别模型识别出前一帧中的人体关键点，将人体关键点标注在前一帧上，在前一帧中将每个关键点按照人体结构进行连线，将标注有人体关键点及连线的前一帧作为第一修正帧，转至S403；S403，获取第一修正帧中具有连接关系的连线之间的夹角大小，获取目标动作数据中具有连接关系的连线之间的夹角大小，转至S404；S404，在目标动作数据和第一修正帧中，当存在以同一个关键点为顶点的夹角之间的大小的差值的绝对值大于角度误差值的夹角时，标记该顶点为错误点，转至S405；在目标动作数据和第一修正帧中，当不存在以同一个关键点为顶点的夹角之间的大小的差值的绝对值大于角度误差值的夹角时，将第一修正帧更新为该第一修正帧的前一帧，将更新后的第一修正帧加载到动作识别模型中，通过人体动作识别模型识别出更新后的第一修正帧中的人体关键点，将人体关键点标注在更新后的第一修正帧中，在更新后的第一修正帧中将每个关键点按照本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种功能性康复训练闭环反馈的智能监测方法，其特征在于，所述方法包括以下步骤：S100，利用相机采集人体运动的视频数据；S200，通过人体动作识别模型对人体运动的视频数据进行处理，得到目标动作数据；S300，获取标准模型库中的标准动作数据，将目标动作数据和标准动作数据进行监测比对，获得动作得分；S400，通过动作得分，对目标动作数据进行修正，将修正后的目标动作数据作为监测结果输出。2.根据权利要求1所述的一种功能性康复训练闭环反馈的智能监测方法，其特征在于，步骤S200中，通过人体动作识别模型对人体运动的视频数据进行处理，得到目标动作数据，具体方法为：读取人体运动的视频数据，筛选出视频数据中的多个关键帧，将所有关键帧依次加载到人体动作识别模型中，通过人体动作识别模型识别出每个关键帧中的人体关键点，将人体关键点标注在关键帧中，在关键帧中将每个关键点按照人体结构进行连线，将标注有人体关键点及连线的关键帧作为目标动作数据，所述人体关键点至少包括人体的17个关节，分别是鼻子，左右眼，左右耳，左右肩，左右肘，左右腕，左右臀，左右膝，左右脚踝。3.根据权利要求1所述的一种功能性康复训练闭环反馈的智能监测方法，其特征在于，步骤S300中，获取标准模型库中的标准动作数据，将目标动作数据和标准动作数据进行监测比对，获得动作得分，具体步骤为：加载标准模型库中的标准图像，通过人体动作识别模型识别出标准图像中的人体关键点，将人体关键点标注在标准图像上，在标准图像中将每个关键点按照人体结构进行连线，将标注有人体关键点及连线的标准图像作为标准动作数据，获取标准动作数据中具有连接关系的连线之间的夹角大小，获取目标动作数据中具有连接关系的连线之间的夹角大小，在目标动作数据和标准动作数据中比较以同一个关键点为顶点的夹角，标记两个以同一个关键点为顶点的夹角之间的大小的差值的绝对值小于角度误差值的夹角为有效夹角，设定动作得分公式为SCORE=100*PASS/TOTAL，其中PASS代表有效夹角的数量，TOTAL表示目标动作数据中所有具有连接关系的连线之间的夹角的总数量，通过动作得分公式计算出目标动作数据的动作得分SCORE，其中，角度误差值设置为[5,10]度；所述标准模型库是含有康复训练肢体标准动作图像的模型库，所述标准图像即康复训练肢体标准动作图像，所述康复训练肢体标准动作图像至少包括弓步压腿标准动作、立体...

【专利技术属性】
技术研发人员：黄峰，罗子芮，骆志强，黄文柱，燕铁斌，朱凡特，张占英，王志军，刘瑞，徐硕瑀，陈钢，谢韶东，陈仰新，方永宁，华夏，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：