一种基于影像AI对老人自理能力进行测评的系统技术方案

本发明专利技术涉及养老照护技术领域，公开了一种基于影像AI对老人自理能力进行测评的系统，包括数据收集模块、提取模块、处理模块、特征向量计算模块、距离计算模块以及评估模块；数据收集模块：所述数据收集模块用于收集标准图像样本，并对其分类，所述应收集足够的样本图像，收集的样本需要涵盖不同拍摄角度、被测人身体型，以提高评估模型的泛化能力，减小误差和误判。本发明专利技术中，实现了随时随地简单高效地对老人自理能力进行评估，只需要提前做好标准数据集的采样和处理，对不同评估情景和动作进行分析，选取具有能表征数据的特定点位，即可轻松搭建评估平台，在整个评估过程中避免了人工参与，节省人力资源成本，减少人为的不可控因素。减少人为的不可控因素。减少人为的不可控因素。

【技术实现步骤摘要】
一种基于影像AI对老人自理能力进行测评的系统


[0001]本专利技术涉及养老照护
，具体为一种基于影像AI对老人自理能力进行测评的系统。

技术介绍

[0002]随着科技发展，现代人们越来越意识到健康的重要，但是到指定专业机构进行评估对老人而言会有诸多不便，所以需要一款能够随时随地提供相关专业的测评的便民应用或系统，目前对老人自理能力的评估主要是获得了资格认证或委托的评估机构，老人根据评估机构的评估员的指导和说明，在特定场景完成相应动作或任务，评估员对老人进行观察，然后依据相应的标准，对老人能力进行分级和打分。
[0003]目前的评估方法对评估员的素质要求较高，评估员需要具有医学或护理学学历背景，或获得社会工作者资格证书、或获得高级养老护理员资格证书，并经过专门培训获得评估员资格认证，因而具有专业素养的评估机构和评估员数量难以满足养老市场的巨大需求；目前的评估方法较为繁琐，不能随时随地进行评估，如果出现特殊情况导致能力发生变化，无法及时进行重新评估。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了一种基于影像AI对老人自理能力进行测评的系统，解决了
技术介绍
提出的问题。
[0006](二)技术方案
[0007]为实现上述目的，本专利技术提供如下技术方案：一种基于影像AI对老人自理能力进行测评的系统，包括数据收集模块、提取模块、处理模块、特征向量计算模块、距离计算模块以及评估模块；
[0008]数据收集模块：所述数据收集模块用于收集标准图像样本，并对其分类，所述应收集足够的样本图像，收集的样本需要涵盖不同拍摄角度、被测人身体型，以提高评估模型的泛化能力，减小误差和误判；
[0009]提取模块：所述提取模块利用MediaPipe Pose处理收集到的样本图像，得到相应的关键点位坐标；
[0010]处理模块：所述处理模块利用MediaPipe Pose对关键点位数据进行归一化处理，得到相对应总量的标准样本数据集；
[0011]特征向量计算模块：所述特征向量计算模块用于将人体关键点位坐标转化为特征矢量；
[0012]距离计算模块：所述距离计算模块用于对标准数据集每个样本与待测样本的距离计算
[0013]评估模块：所述评估模块用于评估待测样本所属的分类。
[0014]优选的，所述特征向量计算模块的特征矢量计算公式如下：
[0015][0016]所述P
a
＝(x
a
,y
a
,z
a
)是第a个点的坐标，P
b
＝(x
b
,y
b
,z
b
)是第b个点的坐标。
[0017]优选的，所述标准数据集的特征向量与待测样本的特征向量计算平均距离公式如下：
[0018][0019]所述通过上述公式计算可以得到第一个标准样本与测试样本之间的距离为：
[0020][0021]优选的，所述评估模块利用k
‑
NN算法进行评估。
[0022](三)有益效果
[0023]与现有技术对比，本专利技术具备以下有益效果：
[0024]本专利技术中，实现了随时随地简单高效地对老人自理能力进行评估，只需要提前做好标准数据集的采样和处理，对不同评估情景和动作进行分析，选取具有能表征数据的特定点位，即可轻松搭建评估平台，在整个评估过程中避免了人工参与，节省人力资源成本，减少人为的不可控因素。
附图说明
[0025]图1为本专利技术的kNN算法对待测数据进行分类具体流程图；
[0026]图2为本专利技术Mediapipe从图像中提取的人体33个点位示意图；
[0027]图3为本专利技术中kNN算法基本原理图；
[0028]图4为本专利技术实施例中用于特征向量的成对距离示意图；
[0029]图5为本专利技术实施例中评估模型对测试视频的评估结果曲线图。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术实施例中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他实施例，都属于本专利技术保护的范围。
[0031]请参阅图1，一种基于影像AI对老人自理能力进行测评的系统，包括数据收集模块、提取模块、处理模块、特征向量计算模块、距离计算模块以及评估模块；
[0032]数据收集模块：数据收集模块用于收集标准图像样本，并对其分类，应收集足够的
样本图像，收集的样本需要涵盖不同拍摄角度、被测人身体型，以提高评估模型的泛化能力，减小误差和误判；
[0033]提取模块：提取模块利用MediaPipe Pose处理收集到的样本图像，得到相应的关键点位坐标；
[0034]处理模块：处理模块利用MediaPipe Pose对关键点位数据进行归一化处理，得到相对应总量的标准样本数据集；
[0035]特征向量计算模块：特征向量计算模块用于将人体关键点位坐标转化为特征矢量；
[0036]距离计算模块：距离计算模块用于对标准数据集每个样本与待测样本的距离计算
[0037]评估模块：评估模块用于评估待测样本所属的分类。
[0038]本实施例中，MediaPipe是一款由Google Research开发并开源的多媒体机器学习模型应用框架，MediaPipe可以做物体检测、人脸检测、姿体识别、运动追踪等等，本专利技术中应用到了MediaPipe Pose进行姿体检测，如图1所示，MediaPipe Pose可以从图像或视频中提取人体33个关键点位的坐标；
[0039]在本专利技术中，将以“老人从椅子上起身”的场景为样例，阐明具体评估过程，对于老人“站立”和“坐下”的状态，从不同角度，分别拍摄10张照片，总共20张照片，然后，利用MediaPipe Pose处理收集到的样本图像，得到相应的关键点位坐标，如表1、表2以及表3所示，对关键点位数据进行归一化处理，得到总量为20的标准样本数据集；
[0040][0041][0042]表1每张照片经过MediaPipe处理后33个关键点位对应坐标数据部分表
[0043][0044][0045]表2每张照片经过MediaPipe处理后33个关键点位对应坐标数据部分表
[0046][0047][0048]表3每张照片经过MediaPipe处理后33个关键点位对应坐标数据部分表
[0049]每张照片都有对应的分类，本例中即为“站立”或“坐下”，记为C
i
，该例中，用0表示“坐下”，1表示“站立”，由于第一张照片是“站立”，则C1＝1，依此类推，可以得到其余照片对应的分类值。
[0050]进一步的，特征向量计算模块的特征矢量计算公式如下：
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于影像AI对老人自理能力进行测评的系统，其特征在于：包括数据收集模块、提取模块、处理模块、特征向量计算模块、距离计算模块以及评估模块；数据收集模块：所述数据收集模块用于收集标准图像样本，并对其分类，所述应收集足够的样本图像，收集的样本需要涵盖不同拍摄角度、被测人身体型，以提高评估模型的泛化能力，减小误差和误判；提取模块：所述提取模块利用MediaPipe Pose处理收集到的样本图像，得到相应的关键点位坐标；处理模块：所述处理模块利用MediaPipe Pose对关键点位数据进行归一化处理，得到相对应总量的标准样本数据集；特征向量计算模块：所述特征向量计算模块用于将人体关键点位坐标转化为特征矢量；距离计算模块：所述距离计算模块用于对标准数据集每个样本与待测样本的距离计算评估模块：所述评估模块用于评估待测样本所属的分类。2.根据权利要求1所述的一种基于影像AI...

【专利技术属性】
技术研发人员：袁翔，蔡学良，陈明，朱文锋，马广敬，潘维，
申请(专利权)人：福寿康智慧医疗养老服务上海有限公司，
类型：发明
国别省市：