基于深度学习的人体坐-站过程运动学分析系统和方法技术方案

本发明专利技术公开了基于深度学习的人体坐

【技术实现步骤摘要】
基于深度学习的人体坐
‑
站过程运动学分析系统和方法


[0001]本专利技术属于运动分析领域，涉及人体坐
‑
站过程运动学分析技术，具体是基于深度学习的人体坐
‑
站过程运动学分析系统和方法。

技术介绍

[0002]坐立转换(STS)运动是人们日常生活中经常使用的一项基本任务，非残疾成年人每天进行约60次STS。从生物力学角度来看，STS可以定义为从坐姿到直立站立姿势的过渡运动，需要在伸展的下肢上，将整个身体的重心从稳定位置水平和垂直位移到不太稳定的位置。因此，为了更好的完成STS运动，机体需要左右侧肢体协调、对称的配合，以及上下肢稳定、流畅的共同协作。
[0003]现有的STS运动评价方法主要有：主观评价法、传感方法、多摄像头和多反射标记物的方法。主观评价的方法主要借助量表，采取评分的方式，基于肉眼观察STS运动的过程，给予测试者一个主观评价的得分结果，准确度低，稳定性差，且受评分者主观因素干扰大；传感方法通过使测试者佩戴传感装置捕获测试者STS运动过程的运动学数据及动力学数据，传感装置佩戴繁琐，同时使测试者机体处于负重姿势，限制并干扰了测试者正常的STS运动，导致测试结果与正常生理情况存在不可避免的误差；多摄像头和多反射标记物的方法通过在测试者各关节点处贴反射标记物，借助光电运动捕捉系统分析测试者的运动功能，该方法实验场地面积需求大、关节点定位复杂且存在主观误差、存在运动过程中标记物被遮挡的可能导致测试成本昂贵、准确度不高的问题。因此，亟须找到一种低成本、便捷化同时精确度高的分析方法，以解决STS运动测试难以有效推广的问题。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一；为此，本专利技术提出了基于深度学习的人体坐
‑
站过程运动学分析系统和方法，用于解决现有技术在STS运动测试过程中，测试成本较高，且测试精度和测试稳定性较低，导致STS运动测试难以有效推广的技术问题。
[0005]为实现上述目的，本专利技术的第一方面提供了基于深度学习的人体坐
‑
站过程运动学分析系统，包括中枢分析模块，以及与之相连接的数据采集模块；
[0006]通过与数据采集模块相连接的视频采集设备采集STS运动视频，并对STS运动视频进行初步分析；同时通过数据采集模块采集设置的关节节点和躯干节段；其中，初步分析包括格式分析或者内容分析；
[0007]中枢分析模块结合设置的关节节点和躯干节段分析接收的STS运动视频，获取单个STS运动各运动阶段的阶段时长，以及重点节段的运动特征；其中，运动特征包括角度变化、曲率、路程、位移、速度或者瞬时速度方差；
[0008]中枢分析模块结合重点节段的运动特征，得到STS运动分析结果。
[0009]优选的，所述中枢分析模块分别与数据采集模块和智能终端通信和/或电气连接；
其中，智能终端包括手机或者电脑，用于展示分析过程以及分析结果；
[0010]所述数据采集模块与若干视频采集设备通信和/或电气连接；其中，视频采集设备从多个角度采集STS运动视频。
[0011]优选的，所述关节节点包括头、双眼、脖子、双肩、双肘、双手、脊椎、双臀、双膝、双脚尖和双脚跟；所述躯干节段包括头
‑
脖子、脖子
‑
肩或者肩
‑
肘；
[0012]重点节段包括颈部、肩关节、髋关节、膝关节、踝关节、头颈段和躯干段。
[0013]优选的，所述运动阶段包括：
[0014]第一阶段：动作开始时刻至髋关节角度达到最小的时刻；
[0015]第二阶段：髋关节角度达到最小的时刻至膝关节横向移动达到最大的时刻；
[0016]第三阶段：膝关节横向移动达到最大的时刻至髋关节角度达到最大的时刻；
[0017]第四阶段：髋关节角度达到最大的时刻至测试者达到稳定时刻。
[0018]优选的，计算所述躯干段的角度变化，包括：
[0019]在任一运动阶段或者单个STS运动过程中，构建以臀部中心识别点指向颈部识别点的参考向量；
[0020]将该参考向量在测试过程中与水平方向夹角之差作为躯干段倾角。
[0021]本专利技术的第二方面提供了基于深度学习的人体坐
‑
站过程运动学分析方法，包括：
[0022]选定测试者，为测试者匹配椅子；其中，椅面高度与测试者膝高一致；
[0023]测试者利用匹配的椅子做STS运动，通过若干视频采集设备采集STS运动视频，对STS运动视频初步分析；其中，视频采集设备具体为摄像头；
[0024]结合设置的关节节点和躯干节段分析STS运动视频，获取单个STS运动各运动阶段的阶段时长，以及重点节段的运动特征，并得到STS运动分析结果。
[0025]本专利技术的第三方面提供了基于深度学习的人体坐
‑
站过程运动学分析装置，包括处理器和存储介质；所述存储介质用于存储操作指令，所述处理器执行操作指令控制基于深度学习的人体坐
‑
站过程运动学分析系统运行。
[0026]与现有技术相比，本专利技术的有益效果是：
[0027]1.本专利技术基于深度学习技术自动追踪人体关节节点，对人体各类从坐到站的运行过程，实现了多维度精细化运动特征的全自动分析，能够全面评价人体运动功能范围、运动效率、运动平稳性和运动协调性。
[0028]2.本专利技术仅需要通过视频采集设备即可实现STS运动的全面运动学分析，解决了运动传感装置、反射标记物多摄像头运动捕捉系统设备价格昂贵、占用场地大、费时费力的问题，大大降低了STS运动学分析的操作难度和测试成本。
附图说明
[0029]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0030]图1为本专利技术的系统原理示意图；
[0031]图2为本专利技术的工作步骤示意图。
具体实施方式
[0032]下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0033]请参阅图1，本专利技术第一方面实施例提供了基于深度学习的人体坐
‑
站过程运动学分析系统，包括中枢分析模块，以及与之相连接的数据采集模块；通过与数据采集模块相连接的视频采集设备采集STS运动视频，并对STS运动视频进行初步分析；同时通过数据采集模块采集设置的关节节点和躯干节段；中枢分析模块结合设置的关节节点和躯干节段分析接收的STS运动视频，获取单个STS运动各运动阶段的阶段时长，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的人体坐
‑
站过程运动学分析系统，包括中枢分析模块，以及与之相连接的数据采集模块；其特征在于：通过与数据采集模块相连接的视频采集设备采集STS运动视频，并对STS运动视频进行初步分析；同时通过数据采集模块采集设置的关节节点和躯干节段；其中，初步分析包括格式分析或者内容分析；中枢分析模块结合设置的关节节点和躯干节段分析接收的STS运动视频，获取单个STS运动各运动阶段的阶段时长，以及重点节段的运动特征；其中，运动特征包括角度变化、曲率、路程、位移、速度或者瞬时速度方差；中枢分析模块结合重点节段的运动特征，得到STS运动分析结果。2.根据权利要求1所述的基于深度学习的人体坐
‑
站过程运动学分析系统，其特征在于，所述中枢分析模块分别与数据采集模块和智能终端通信和/或电气连接；其中，智能终端包括手机或者电脑，用于展示分析过程以及分析结果；所述数据采集模块与若干视频采集设备通信和/或电气连接；其中，视频采集设备从多个角度采集STS运动视频。3.根据权利要求1所述的基于深度学习的人体坐
‑
站过程运动学分析系统，其特征在于，所述关节节点包括头、双眼、脖子、双肩、双肘、双手、脊椎、双臀、双膝、双脚尖和双脚跟；所述躯干节段包括头
‑
脖子、脖子
‑
肩或者肩
‑
肘；重点节段包括颈部、肩关节、髋关节、膝关节、踝关节、头颈段和躯干段。4.根据权利要求1所述的基于深度学习的人体坐
‑
站过程运动...

【专利技术属性】
技术研发人员：赵怡，李思迪，盛益华，罗华伦，罗祥，杜班班，
申请(专利权)人：安徽正华生物仪器设备有限公司，
类型：发明
国别省市：