CN100448394C - 人体重量一维分布识别系统及其识别方法 - Google Patents

Abstract

一种人体重量一维分布识别系统，由秤床(1)、数码相机(2)、电子秤(3)及微机(4)构成，其识别方法是：通过数码相机(2)和电子秤(3)采集受试人体在秤床(1)上依次摆出的八个姿态的几何力学参数，用以形成集中重力分布模式{Q}的识别方程[A]{Q}＝{W}中的特征矩阵[A]和输入列阵{W}，以及集中重力分布模式{Q}与集中重量密度模式{q}的模式转换方程[D]{q}＝{Q}中的模式转换矩阵[D]，通过上面两式并应用调参法就可求解出人体主分支集中重量密度分布的解析表达式q_a(x)和q_b(x)，积分之，就得出受试人体主分支重量的一维分布的解析表达式W_a(x)和W_b(x)，并以曲线形式表示。本发明操作简便，求出的结果个性化程度高，易为大众所接受，应用范围广。

Description

人体重量一维分布识别系统及其识别方法

技术领域

本发明属于求人体环节惯性参数的技术领域，具体地说，就是拟订了一种求人体总重沿头颅、躯干、手臂和脚腿长度方向一维分布的识别系统及其识别方法，识别出的结果可作为大众常规体检和保健的评估资料，也可用于运动员竞技运动的仿真研究、辅助临床诊断以及人机系统设计。

背景技术

至今，国内外(主要是国外)的学者们在研究人体重量的分布时，注意力仍集中在求人体各环节的重量、重心位置和转动惯量等惯性参数上，采用的方法主要有以下三种：

1、基于人体解剖学数据的统计法，该方法将人体划分为头、躯干、大腿、小腿、足、上臂、前臂及手等若干环节，然后基于人体解剖学数据，求出各环节惯性参数的统计值，这种方法最古老，应用也最方便，但个性化程度低，用于具体的人，难以估计所得数据的误差，主要用在公用的人机系统设计方面；

2、基于受试人体几何特征测量数据的数学模型法，这种方法假设人体各环节具有球形、圆柱形、圆锥形等简单几何形状，并具有均匀的重量密度，通过测定诸环节的特征尺寸，进而计算出它们的惯性参数。这种方法操作烦琐，难于自动化，所得结果的个性化程度仍较低，如今这种方法被主要用于人体动力学研究中；

3、基于人体各组织密度数据的CT扫描法，这本是医学研究和临床诊断用的一种方法，引用来求人体环节的惯性参数操作十分复杂，费用高，加之辐射有损人体健康，难为大众所接受，目前只能用于特别的临床诊断。

发明内容

本发明要解决的问题是提供一种人体重量一维分布识别系统及其识别方法，用以识别出任何人体总重沿头颅、躯干、手臂和脚腿长度方向的一维分布状况，所得数据个性化程度高。

为解决上述技术问题，本发明所采用的人体重量一维分布识别系统，由秤床、数码相机、电子秤及微机构成，秤床的一端支撑于铰支上，另一端支撑在电子秤上，沿秤床侧面的长度方向设置有水平坐标轴，数码相机位于秤床一侧的正前方，电子秤和数码相机的数据输出端分别通过数据线与微机输入接口相连。

利用上述识别系统进行识别的过程是：

(1)在受试人体同侧的各关节中心及其它设定位置作点标记，然后让受试人体仰躺于秤床上，按设定规程作不同的姿态，数码相机对每个姿态进行摄像，并将得到的图像文件输入微机经处理形成姿态几何参数，同时电子秤测出每个姿态对应的支反力输入微机经处理形成姿态力学参数；

(2)将人体简化为铰杆系统，建立与人体总重静力等效的沿长度方向分布的集中重力分布模式{Q}，应用合力和合力矩定理，建立{Q}的识别方程[A]{Q}＝{W}，其中特征矩阵[A]由各姿态几何参数形成，输入列阵{W}由各姿态力学参数形成，调用[A]和{W}求出{Q}；

(3)应用调参法对{Q}进行优化，以提高其精度；

(4)在铰杆系统上建立与人体总重静力等效的沿长度方向分布的集中重量密度分布模式{q}，用{q}和依从变量写出人体沿长度方向呈折线分布的解析表达式q(x)，应用力的合成和分解方法，建立集中重量密度分布模式{q}与集中重力分布模式{Q}的模式转换方程[D]{q}＝{Q}，det[D]≠0，[D]中各元由各姿态几何参数形成，将优化后的{Q}代入模式转换方程求出{q}，由{q}再求出q(x)；

(5)对q(x)进行积分并绘制出人体重量的一维分布曲线W(x)。

本发明将人体简化为铰杆系统，在此基础上建立与人体总重静力等效的沿长度方向分布的集中重力分布模式和集中重量密度分布模式，进而建立起识别方程和模式转换方程，人体只需要在秤床上按设定顺序摆出规定的姿态，通过数码相机和电子秤分别对每个姿态对应的几何参数和力学参数进行采集并输入微机，应用识别方程、模式转换方程和调参法就可求解出人体重量沿长度方向的一维分布。整个识别系统结构简单，执行程序写入常用微机中，识别结果可直接显示在微机显示屏上，也可用打印机打印出。由于采集的数据是针对具体受试人的，不同的人体或同一个人在不同的时期其姿态几何参数和姿态力学参数不尽相同，因此求出的结果因人因时而异，个性化程度高，无害人体，操作方便，经济快捷，易为大众所接受并应用。

附图说明

图1是本发明实施例识别系统的构成示意图。

图2是本发明实施例中人体被简化为七铰八杆系统的示意图。

图3是本发明实施例中人体集中重量密度分布模式图。

图4是本发明实施例中人体集中重力分布模式图。

图5是本发明识别方法的运行流程图。

图6-1至图6-8分别是实施例中受试人体在秤床上摆出的八个姿态示意图。

图7是本发明中最后求出的人体重量一维分布曲线示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细说明：

如图1所示，用来求人体重量一维分布的识别系统由秤床1、数码相机2、电子秤3及微机4构成，秤床1的一端支撑于铰支5上，另一端支撑在电子秤3上，沿秤床1侧面的长度方向设置有水平坐标轴6，数码相机2位于秤床1一侧的正前方，电子秤3和数码相机2的数据输出端分别通过数据线与微机4输入接口相连，可在微机4上连接打印机7，使识别过程产生的中间数据及最后结果直接由打印机7打印出，秤床1为长方形水平板，为了使人体仰躺在上面感觉更舒适，允许在秤床1上表面布置一层软垫。

本发明的理论基础是首先将人体简化为铰杆系统，然后在铰杆系统上建立起人体总重WT静力等效的沿长度方向分布的集中重量密度分布模式{q}和集中重力分布模式{Q}。应用合力和合力矩定理，建立{Q}的识别方程[A]{Q}＝{W}，应用力的合成和分解方法，建立集中重量密度分布模式{q}与集中重力分布模式{Q}的模式转换方程[D]{q}＝{Q}。

如图2所示，本实施例中将人体简化为7铰8杆系统，人体上的膝、髋、腰椎、颈椎、肩、肘及腕关节中心依次模化为铰J₁、J₂、J₃、J₄、J₅、J₆、J₇，7个铰分别将人体划分为8段，简化为8根直杆l₁、l₂、l₃、l₄、l₅、l₆、l₇、l₈，杆l₁、l₂、l₃、l₄、l₅合称为人体主支，杆l₆、l₇、l₈合称为人体分支。

在7铰8杆系统上，建立如图3所示的集中重量密度分布模式{q}和如图4所示的集中重力分布模式{Q}，{q}与{Q}均静力等效于人体总重W_T。在图3中，将踝、颈椎、肩、腕关节中心设为依从点，分别定义了依从变量p₁、p₂、p₃、p₄：

p₁＝α₁q₁，p₂＝α₂q₂，p₃＝α₃q₃，p₄＝α₄q₄

α₁…α₄叫作依从系数，它们的值需预先设定。用{q}和依从变量写出人体沿长度方向呈折线分布的解析表达式q(x)，由主支的q_a(x)和分支的q_b(x)组成。

为了获得受试人体重量的一维分布数据，采用上述识别系统进行识别，如图5所示，其具体过程是：

(1)在受试人体同侧的膝、髋、腰椎、颈椎、肩、肘及腕关节中心处作上点标记，此外，还需在同一侧的其它设定点，例如踝关节中心、脚、头颅和手的中点也一一打上点标记。然后让受试人体仰躺于秤床1上，按下列顺序作八个不同的姿态，数码相机2对每个姿态进行摄像，并将得到的图像文件输入微机4经处理形成姿态几何参数，同时电子秤3测出每个姿态对应的支反力输入微机4经处理形成姿态力学参数。这八个姿态分别是：

①如图6-1，人体水平仰卧，两上肢伸直向上；

②如图6-2，人体水平仰卧，双上臂水平，双下臂和手伸直向上；

③如图6-3，人体水平仰卧，双手绕腕关节向头部方向转动与水平面呈30±5°倾角；

④如图6-4，人体水平仰卧，双上肢平行人体躯干；

⑤如图6-5，人体水平仰卧，头颅绕颈椎向上转动30±5°；

⑥如图6-6，人体水平仰卧，腰椎以上部分绕腰椎向上转动20±5°夹角，双上肢平行于腰椎以下部分；

⑦如图6-7，人体水平仰卧，双下肢绕髋关节向上转30±5°，双上肢平行于人体躯干；

⑧如图6-8，人体水平仰卧，双大腿绕髋关节向上转30±5°，双脚腿平行于人体躯干。

可借助辅助支架使受试人体完成上述八个姿态的摆放。

(2)利用集中重力分布模式{Q}的识别方程[A]{Q}＝{W}，调用[A]和{W}求出{Q}，其中特征矩阵[A]由各姿态几何参数形成，输入列阵{W}由各姿态力学参数形成。[A]的第一行全为1，其余八行的元由八个姿态中九个点标记的横坐标确定，{W}＝[W_T LF₁...LF₈]，L为秤床1的支反力臂，F₁…F₈为电子秤3测出的八个姿态对应的支反力。九个点标记的横坐标、人体总重W_T及各支反力合称为姿态几何力学参数，它们是因人而异的。

(3)应用调参法对{Q}进行优化，以提高其精度。

(4)通过集中重量密度分布模式{q}与集中重力分布模式{Q}的模式转换方程[D]{q}＝{Q}，det[D]≠0，调用经优化后的{Q}求出q(x)，进而得到q_a(x)和q_b(x)，模式转换方程中[D]中各元用7铰8杆系统的几何姿态参数求出。

(5)对q_a(x)和q_b(x)进行积分并绘制出人体重量的一维分布曲线W_a(x)和W_b(x)，如图7所示，两条曲线最右(上)端在横坐标上对应的值H和h分别代表人体主支和分支的长度。

本发明稍加引申，可用以识别人体每只上、下肢重量的一维分布；也可根据识别精度需要，将人体简化为多于7铰或少于7铰的铰杆系统，并在此系统上建立相对应的集中重量密度分布模式和集中重力分布模式。在图3中适当增加依从变量，还可改进集中重量密度分布模式。

Claims (2)

1、一种人体重量一维分布识别方法，其特征在于按下列步骤进行：

(1)在受试人体同侧的各关节中心及其它设定位置作点标记，然后让受试人体仰躺于秤床(1)上，按设定规程作不同的姿态，数码相机(2)对每个姿态进行摄像，并将得到的图像文件输入微机(4)经处理形成姿态几何参数，同时电子秤(3)测出每个姿态对应的支反力输入微机(4)经处理形成姿态力学参数；

(2)将人体简化为铰杆系统，建立与人体总重静力等效的沿长度方向分布的集中重力分布模式{Q}，应用合力和合力矩定理，建立{Q}的识别方程[A]{Q}＝{W}，其中特征矩阵[A]由各姿态几何参数形成，输入列阵{W}由各姿态力学参数形成，调用[A]和{W}求出{Q}；

(3)应用调参法对{Q}进行优化，以提高其精度；

(4)在铰杆系统上建立与人体总重静力等效的沿长度方向分布的集中重量密度分布模式{q}，用{q}和依从变量写出人体沿长度方向呈折线分布的解析表达式q(x)，应用力的合成和分解方法，建立集中重量密度分布模式{q}与集中重力分布模式{Q}的模式转换方程[D]{q}＝{Q}，det[D]≠0，[D]中各元由各姿态几何参数形成，将优化后的{Q}代入模式转换方程求出{q}，由{q}再求出q(x)；

(5)对q(x)进行积分并绘制出人体重量的一维分布曲线W(x)。

2、如权利要求1所述人体重量一维分布识别方法采用的识别系统，其特征在于包括秤床(1)、数码相机(2)、电子秤(3)及微机(4)，秤床(1)的一端支撑于铰支(5)上，另一端支撑在电子秤(3)上，沿秤床(1)侧面的长度方向设置有水平坐标轴(6)，数码相机(2)位于秤床(1)一侧的正前方，电子秤(3)和数码相机(2)的数据输出端分别通过数据线与微机(4)输入接口相连。

Images