System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能,尤其涉及一种基于人体关键点检测的体态健康监测方法及系统。
技术介绍
1、随着大数据和人工智能等技术的飞速发展,智能科技已经渗透到了人们生活的方方面面,在无人驾驶汽车、人脸识别、声纹识别、医学图像处理等方面都有了广泛的应用。尤其是在人工智能赋能医学研究方面,医学人工智能已成为现代医学研究的主流热点。主要的研究方向包括医学影像和病理图像的智能分割、人工智能辅助疾病诊断、人工智能辅助疾病预后评估等。
2、在人体健康监测方面,现有技术大多聚焦于接收皮肤表面信号的可穿戴设备。除了接触式的设备外,通过传感器实时监测生命体态数据的非接触式设备也可为人们日常生活中的医疗就诊提供有效可靠的数据参考,且具有安全性高、覆盖面广、设备复用性强等优势。非接触式的设备多用于监测生命体征,以便在心脏病突发、呼吸暂停等危险情况给出危险预警。现有设备难以满足大多数亚健康人群的需求,亟需一种基于人体关键点检测的体态健康监测方法及系统弥补这一缺口。
技术实现思路
1、本专利技术要克服现有技术的上述缺点,提出一种基于人体关键点检测的体态健康监测方法及系统。
2、本专利技术的第一个专利技术涉及一种基于人体关键点检测的体态健康监测方法,包括以下步骤:
3、步骤一:利用光学传感器实时采集人体图像数据,并采集人体运动视频后转换为连续运动的序列图像;
4、步骤二:针对采集到的图像做人体关键点检测,识别并定位出视域范围内所有的人体关键点;
5、步骤三
6、步骤四:基于人体关键点检测结果,优化人体检测框的识别结果,剔除误识别的人体检测框,同时剔除无法与检测框匹配的关键点,将同一个检测框内的关键点连接成人体骨骼框架;
7、步骤五:针对连续的图像,在确定人体检测框和骨骼框架后,基于检测框的位置信息和人体运动规律,给予检测框标签信息,使得同一个人在不同图像中的检测框具有相同的标签;
8、步骤六:基于人体骨骼框架,计算关键部位与水平方向、竖直方向的夹角或在水平方向、竖直方向上的距离,并根据人体的运动信息,评估角度或距离是否存在异常;
9、步骤七:生成体态健康报告,并给予不良体态预警。
10、其中,所述步骤二具体通过以下子步骤实现:
11、(2.1)位姿机预测关键点的位置和置信度:将采集到的图像输入到位姿机中,位姿机读取图像并通过卷积神经网络将原始图像转换为人体关键点检测热图,热图中的每一个像素都包含分类结果和置信度两类预测信息;
12、(2.2)根据置信度筛选关键点:设置置信度阈值,保留置信度超过阈值的关键点,置信度不超过阈值的关键点放入误检测点集;
13、(2.3)根据空间关系筛选关键点:对于误检测点集内的关键点,若其邻域内的关键点置信度皆超过阈值,则将该点的置信度修改为邻域内关键点置信度的均值,同时保留该关键点,否则删除该关键点。
14、其中,所述步骤三具体通过以下子步骤实现:
15、(3.1)人体检测器预测人体检测框的位置和置信度:将采集到的图像输入到人体检测器中,人体检测器读取图像并对图像进行灰度处理,利用深度学习网络预测图中的所有人体检测框,每一个人体检测框都包含位置和置信度两类预测信息;
16、(3.2)根据置信度筛选检测框:设置置信度阈值,保留置信度超过阈值的检测框,并放入候选检测框集合n,删除置信度不超过阈值的检测框;
17、(3.3)利用非极大值抑制去除重复的检测框:从候选检测框集合n中选择置信度最高的检测框m,并将其放入最终的检测框集合m,遍历候选检测框集合n中剩余的检测框n,计算剩余的检测框n与置信度最高的检测框m的重合度,若重合度超过阈值,则从候选检测框集合n中删除剩余的检测框n,重复以上步骤多次,直至候选检测框集合n为空。
18、其中,所述步骤四具体通过以下子步骤实现:
19、(4.1)基于人体关键点优化人体检测框:针对每一个人体检测框,判断框内是否有完整的人体关键点,若人体检测框内不包括完整的人体关键点或种类,则删除该检测框;
20、(4.2)基于人检测框优化人体关键点:判断关键点是否至少在1个人体检测框内,若不在则删除该关键点;
21、(4.3)连接人体骨骼框架:针对每一个人体检测框,基于身体各个部分的运动学先验空间关系连接出一组人体骨骼框架。
22、进一步,步骤(4.1)所述的人体关键点包括:头顶、左眼、右眼、鼻子、左耳、右耳、颈部、左肩、右肩、左手肘、右手肘、左手腕、右手腕、骨盆、左胯、右胯、左膝盖、右膝盖、左脚踝、右脚踝。
23、进一步,步骤(4.1)所述的人体关键点的种类设为20类。
24、其中,所述步骤五具体通过以下子步骤实现:
25、(5.1)独立标记单帧检测框:当没有历史信息时,针对一幅图像中的所有检测框,给予每一个检测框不同的标签;
26、(5.2)根据历史时序信息预测检测框:当存在历史信息时,根据具有同样标签的检测框的历史位置信息,拟合运动轨迹,预测检测框的位置,得到预估位置信息;
27、(5.3)检测框跨帧匹配:当存在历史信息时,针对每一个检测框,将其位置信息与上一步骤得到的预估位置信息匹配,若检测框重合度大于阈值,则视为匹配成功,赋予两个检测框相同的标签信息,否则新增一个标签。
28、其中,所述步骤六具体通过以下子步骤实现:
29、(6.1)头颈部前倾评估:当采集到人体侧面图像数据时,计算头顶与颈部的连线与竖直方向的夹角,记为头颈部前伸角,评估颈部前伸角是否超过正常范围,若超过,则判断为出现不良体态,体态指标名称为头颈部前倾;
30、(6.2)高低肩评估:当采集到人体正面图像数据时,计算左肩与右肩在竖直方向上的距离,记为肩高差,评估肩高差是否超过正常范围,若超过,则判断为出现不良体态,体态指标名称为高低肩;
31、(6.3)脊柱侧倾评估:当采集到人体正面图像数据时,计算颈部和盆骨的连线与竖直方向的夹角,记为脊柱侧倾角,评估脊柱侧倾角是否超过正常范围,若超过,则判断为出现不良体态,体态指标名称为脊柱侧倾;
32、(6.4)盆骨前倾评估:当采集到人体侧面图像数据时,计算左胯或右胯和盆骨的连线与水平方向的夹角,记为盆骨倾角,评估盆骨倾角是否超过正常范围,若超过,则判断为出现不良体态,体态指标名称为盆骨前倾;
33、(6.5)膝关节内外翻评估:当采集到人体正面图像数据时,连接左胯与左膝盖,连接左膝盖与左脚踝,计算两条线之间的夹角,记为膝外翻角,评估膝外翻角是否超过正常范围,若超过,则判断为出现不良体态,体态指标名称为膝关节内外翻。
34、本专利技术的第二个方面涉及一种基于人体关键点检测的体态健康监测系统,包括:<本文档来自技高网...
【技术保护点】
1.一种基于人体关键点检测的体态健康监测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于人体关键点检测的体态健康监测方法,其特征在于,所述步骤二具体通过以下子步骤实现:
3.根据权利要求1所述的基于人体关键点检测的体态健康监测方法,其特征在于,所述步骤三具体通过以下子步骤实现:
4.根据权利要求1所述的基于人体关键点检测的体态健康监测方法,其特征在于,所述步骤四具体通过以下子步骤实现:
5.根据权利要求4所述的基于人体关键点检测的体态健康监测方法,其特征在于,步骤(4.1)所述的人体关键点包括:头顶、左眼、右眼、鼻子、左耳、右耳、颈部、左肩、右肩、左手肘、右手肘、左手腕、右手腕、骨盆、左胯、右胯、左膝盖、右膝盖、左脚踝、右脚踝。
6.根据权利要求4所述的基于人体关键点检测的体态健康监测方法,其特征在于,步骤(4.1)所述的人体关键点的种类设为20类。
7.根据权利要求1所述的基于人体关键点检测的体态健康监测方法,其特征在于,所述步骤五具体通过以下子步骤实现:
8.根据权利要求1所述的
9.一种基于人体关键点检测的体态健康监测系统,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现权利要求1-8中任一项所述的基于人体关键点检测的体态健康监测方法。
11.一种基于人体关键点检测的体态健康监测装置,其特征在于,包括存储器和一个或多个处理器,所述存储器中存储有可执行代码,所述一个或多个处理器执行所述可执行代码时,用于实现权利要求1-8中任一项所述的一种基于人体关键点检测的体态健康监测方法。
...【技术特征摘要】
1.一种基于人体关键点检测的体态健康监测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于人体关键点检测的体态健康监测方法,其特征在于,所述步骤二具体通过以下子步骤实现:
3.根据权利要求1所述的基于人体关键点检测的体态健康监测方法,其特征在于,所述步骤三具体通过以下子步骤实现:
4.根据权利要求1所述的基于人体关键点检测的体态健康监测方法,其特征在于,所述步骤四具体通过以下子步骤实现:
5.根据权利要求4所述的基于人体关键点检测的体态健康监测方法,其特征在于,步骤(4.1)所述的人体关键点包括:头顶、左眼、右眼、鼻子、左耳、右耳、颈部、左肩、右肩、左手肘、右手肘、左手腕、右手腕、骨盆、左胯、右胯、左膝盖、右膝盖、左脚踝、右脚踝。
6.根据权利要求4所述的基于人体关键点检测的体态健康监测方法,其特征在于,步...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。