CN103823989A - 一种儿童精细运动量化评估方法 - Google Patents
一种儿童精细运动量化评估方法 Download PDFInfo
- Publication number
- CN103823989A CN103823989A CN201410084548.9A CN201410084548A CN103823989A CN 103823989 A CN103823989 A CN 103823989A CN 201410084548 A CN201410084548 A CN 201410084548A CN 103823989 A CN103823989 A CN 103823989A
- Authority
- CN
- China
- Prior art keywords
- time series
- individual
- much
- dimension
- positive pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种儿童精细运动量化评估方法,其特征是按如下步骤进行:1)简笔画的五维绘画数据采集;2)简笔画分割;3)几何笔画滤波;4)几何笔画识别;5)全局特征指标提取;6)圆特征指标提取;7)直线特征指标提取。本发明能将趣味性的绘画运动与精细运动量化评估融为一体,并捕捉儿童执行过程中施力的动态变化和调整过程,从而实现对绘画这类精细运动执行过程运动学和动力学特点的量化评估。
Description
技术领域
本发明涉及一种精细运动量化评估方法,用于儿童精细运动控制能力的定量评估及训练,以辅助书写困难等精细运动疾病的临床诊断和康复训练。
背景技术
精细运动能力(fine motor skills)指个体主要凭借手以及手指等部位的小肌或小肌群的运动,在感知觉、注意等心理活动的配合下完成特定任务的能力。精细运动是儿童早期发展的重要方面,它的发展依靠两个方面,一是生理成熟,也就是肌肉、骨骼和神经的成熟;另一是教育训练,也就是家长和老师的指导以及反复练习。精细运动能力关系着儿童的心智发展和生活能力,儿童精细运动障碍的早期发现、及时有效的指导和训练,对儿童的健康成长具有重要意义。
目前,对精细运动的评估主要通过量表进行,Peabody运动发育量表(PeabodyDevelopmental Motor,PDMS)被国内外广泛采用,儿童发育协调障碍评估工具(MovementAssessment Battery for Children,M-ABC)是使用最广泛的运动障碍筛查工具。这种基于评价量表的评估方式依赖于医师的临床观察,不可避免的带来了主观和模糊的因素,此外,评价过程繁琐耗时,因此,简便易操作的量化评估手段的提出成为迫切需要。
书写、绘画作为儿童学习生活中必不可少的精细运动,具备便捷、易操作、易于接受的特点,已被现有的评价量表作为检测项。随着数字手写设备和交互设备的出现,基于书写、绘画的运动功能分析技术被引入到儿童精细运动的评估中,为儿童精细运动的定量、客观度量提供了方便快捷的方式。
在现有技术中,专利号为CN202387167U的“精细动作训练系统”实用新型专利和申请号为201110399319.2的“精细动作训练系统及其训练方法”发明专利申请公开了一种精细动作训练系统,采用触摸屏和压力检测装置实现对用户精细动作信息的获取,通过比较用户精细动作轨迹与标准动作轨迹得到测评结果,从而实现对儿童精细动作的客观评估。
但上述现有技术仍存在如下问题:
1、标准动作轨迹的设计对儿童而言缺乏趣味性。标准动作轨迹预先设定,儿童需根据标准动作轨迹的内容执行精细动作,模式较为固定,儿童的主动参与度较低。
2、基于动作轨迹偏差值的测评方法并未评估精细动作的执行过程。书写、绘画这类精细运动并不仅仅是最后的手写轨迹,而是一个通过施力于笔尖并带动笔相对于书写平面接触运动留下手写轨迹的动态过程,这个过程包括运动学特征和动力学特征。仅对轨迹信息进行评估,并不能反映儿童执行精细动作过程的运动学和动力学特点。
3、对儿童指压发展的评估判断不全面且不细致。在书写、绘画这类精细运动的执行过程中,笔与书写平面相互接触产生的三维力信息,垂直于书写平面的正向压力使得书写或绘画留下清晰的手写轨迹,平行于书写平面x轴和y轴方向上用于克服接触摩擦力的分力决定笔尖运动方向,仅根据压力阈值对儿童指压发展进行判断,不能综合分析儿童执行过程中施力的动态变化和调整过程。
4、对不同类型的精细动作轨迹评估均采用相同指标,不能有效的反映受试者在精细动作的哪些方面表现出缺陷。不同类型的精细动作对受试者的精细运动控制能力要求不同,统一的指标不能有效地反映受试者在执行不同类型精细动作时的特点,在此基础上提出的训练建议缺乏针对性。
发明内容
本发明是为避免上述现有技术所存在的问题,提供一种儿童精细运动量化评估方法,能将趣味性的绘画运动与精细运动量化评估融为一体,并捕捉儿童执行过程中施力的动态变化和调整过程,从而实现对绘画这类精细运动执行过程运动学和动力学特点的量化评估。
本发明为解决技术问题采用如下技术方案:
本发明一种儿童精细运动量化评估方法的特点是按如下步骤进行:
步骤一、简笔画的五维绘画数据采集:
所述简笔画是由直线和圆这两种几何形状构成的图形,并通过触摸屏专用笔和触摸屏完成简笔画的绘画过程;
1.1、以采样时间间隔Ts为周期,在采样时间点ti采集得到五维绘画数据(x(ti),y(ti),Fx(ti),Fy(ti),Fz(ti)),所述五维绘画数据(x(ti),y(ti),Fx(ti),Fy(ti),Fz(ti))包括通过触摸屏获取的二维位置绘画数据(x(ti),y(ti))和通过多维力传感器获取的三维力绘画数据(Fx(ti),Fy(ti),Fz(ti)),ti=t0+i×Ts,i=0,1,2,…,n,n表示采样周期的个数且n为自然数,t0为初始采样时刻;
所述二维位置绘画数据(x(ti),y(ti))是指在二维笛卡尔坐标系下所获取的位置数据;
所述三维力绘画数据(Fx(ti),Fy(ti),Fz(ti))是由垂直于触摸屏方向上的正向压力Fz(ti)、沿触摸屏的笛卡尔坐标系x轴方向上的分力Fx(ti)和沿触摸屏的笛卡尔坐标系y轴方向上的分力Fy(ti)组成;
1.2、从所述初始采样时刻t0开始,依次获取采样时间点ti所对应的五维绘画数据,并将所述五维绘画数据转换为五维时间序列 所述五维时间序列包括二维位置时间序列和三维力时间序列;所述二维位置时间序列由x位置时间序列 和y位置时间序列 组成;所述三维力时间序列由Fx分力时间序列 Fy分力时间序列 和Fz正向压力时间序列 组成;
步骤二、简笔画分割
所述简笔画的绘画过程是由几何笔画和抬笔组成,所述几何笔画是指用户在触摸屏专用笔与触摸屏完全接触的情况下完成一个圆或一条直线;所述抬笔是指用户完成一个几何笔画后将触摸屏专用笔与触摸屏分离的状态;
利用所述简笔画的三维力时间序列中的Fz正向压力时间序列对所述几何笔画和抬笔进行区分;并删除几何笔画长度小于预先设定的笔画长度阈值的几何笔画,从而在所述五维时间序列中提取Ns个几何笔画所对应的五维时间序列;
步骤三、几何笔画滤波
采用滤波算法对所述Ns个几何笔画所对应的五维时间序列中每一维时间序列进行去噪,获得滤波后的Ns个几何笔画所对应的五维时间序列;
步骤四、几何笔画识别
根据所述滤波后的Ns个几何笔画所对应的二维位置时间序列判断所述Ns个几何笔画的类型,获得Nl个直线和Nc个圆,即Ns=Nl+Nc;
步骤五、全局特征指标提取
利用所述滤波后的Ns个二维位置时间序列获得所述Ns个几何笔画的Ns个速度平均值,利用所述滤波后的Ns个三维力时间序列中的Fz正向压力时间序列获得所述Ns个几何笔画的Ns个正向压力平均值,分别计算所述Ns个速度平均值的平均值和Ns个正向压力平均值的平均值,从而获得平均速度指标值和平均正向压力指标值;
步骤六、圆特征指标提取
6.1、根据所述Nc个圆的三维力时间序列中的Fx分力时间序列和Fy分力时间序列,通过式(1)计算施力角度θ(ti),从而获得Nc个圆的施力角度序列:
6.2、根据所述Nc个圆的二维位置时间序列和施力角度序列通过式(2)计算施力角度变化率r(ti),从而获得施力角度变化率序列:
6.3、计算所述Nc个圆的施力角度变化率序列的标准差,并计算所述Nc个标准差的平均值,即为所述圆特征指标;
步骤七、直线特征指标提取
所述直线特征指标包括速度曲线峰值点个数指标和归一化的施力角度调整次数指标;
7a、所述速度曲线峰值点个数指标的计算方法为:
a1、根据所述Nl个直线的二维位置时间序列获得Nl个速度时间序列;
a2、计算所述Nl个速度时间序列的极大值点个数;
a3、计算所述极大值点个数的平均值,即为所述速度曲线峰值点个数指标值;
7b、所述归一化的施力角度调整次数指标的计算方法为:
b1、根据所述Nl个直线的三维力时间序列中的Fx分力时间序列和Fy分力时间序列,通过式(1)获得所述Nl个直线的施力角度序列;
b2、计算出所述Nl个直线的施力角度序列的一阶导数时间序列,获得Nl个所述一阶导数时间序列的极大值点个数num;
b3、根据所述Nl个直线的二维位置时间序列,通过式(3)获得所述Nl个直线的长度len:
b4、根据所述Nl个极大值点个数num和Nl个直线的长度len,通过式(4)获得归一化的施力角度调整次数Ir:
Ir=num/len (4)
b5、计算所述归一化的施力角度调整次数Ir的平均值,即为所述归一化的施力角度调整次数指标值;
步骤八、利用所述全局特征指标、圆特征指标和直线特征指标对儿童精细运动进行量化评估。
本发明儿童精细运动量化评估方法的特点也在于:
所述步骤二中简笔画分割按如下步骤进行:
2.1、初始化所述采样时刻ti:将初始时刻t0赋值给所述采样时刻ti;
2.2、根据所述简笔画的Fz正向压力时间序列,获取采样时刻ti所对应的正向压力值Fz(ti),并判断所述正向压力值Fz(ti)是否大于预先设定的正向压力阈值,如果是,直接执行步骤2.3,否则,转到步骤2.4执行;
2.3、判断采样时刻ti是否为初始采样时刻t0或者所述正向压力值Fz(ti)的前一时刻的正向压力值Fz(ti-1)是否小于等于预先设定的正向压力阈值,如果是,则表明开始当前几何笔画绘画,令采样时刻ti为所述当前几何笔画的起始采样时刻并跳转到步骤2.5执行;否则,直接执行步骤2.5;
2.4、判断所述正向压力值Fz(ti)的前一时刻的正向压力值Fz(ti-1)是否大于预先设定的正向压力阈值,如果是,则表明结束当前几何笔画绘画,令采样时刻ti为所述当前几何笔画的结束采样时刻;根据所述当前几何笔画的起始采样时刻和结束采样时刻,获得所述当前几何笔画所对应的五维时间序列并跳转到步骤2.5执行;否则,直接跳转到步骤2.5执行;
2.5、判断是否满足ti=t0+n×Ts,若满足则直接执行步骤2.6;否则将ti+Ts赋值给ti,并执行步骤2.2;
2.6、根据步骤2.1-2.5获得Nd个几何笔画所对应的五维时间序列,并判断每个几何笔画所对应的五维时间序列长度在小于等于预先设定的笔画长度阈值时,删除该几何笔画所对应的五维时间序列,从而获得Ns个几何笔画所对应的五维时间序列,0≤Ns≤Nd。
所述步骤四中几何笔画识别按如下步骤进行:
3.1、对滤波后的任一几何笔画所对应的二维位置时间序列中的x位置时间序列,通过差分获得所述x位置时间序列的一阶差分时间序列;
3.2、判断所述x位置时间序列的一阶差分时间序列的数值是否恒为负数或者恒为正数,如果是,则表明所述任一几何笔画的类型是直线,否则,根据所述任一几何笔画所对应的二维位置时间序列中的y位置时间序列,通过差分获得所述y位置时间序列的一阶差分时间序列;
3.3、判断所述y位置时间序列的一阶差分时间序列的数值是否恒为负数或者恒为正数,如果是,则表明所述任一几何笔画的类型是直线,否则,表明所述任一几何笔画的类型是圆;
3.4、根据所述Ns个几何笔画的二维位置时间序列,重复步骤4.1至步骤4.3对所述Ns个几何笔画进行识别,从而获得Nl个直线和Nc个圆。
与已有技术相比,本发明有益效果体现在:
1、本发明采集简笔画的五维绘画数据,包括二维位置绘画数据和三维力绘画数据,相比于现有技术仅利用静态轨迹进行评估,能够有效地且全面的反映儿童精细运动的执行特点。
2、本发明利用三维力绘画数据对绘画过程中的全方位力信息进行分析,从动力学角度对儿童精细运动的过程进行评估,克服了现有技术中儿童指压发展评估不全面和不细致的问题。
3、本发明采用的是简笔画绘画这项儿童熟悉的精细运动,相比于预先设定标准动作轨迹,提供了绘画创作空间,更有趣味性和灵活性,更容易被接受和执行。
4、本发明提出通过简笔画分割、几何笔画滤波和几何笔画识别区分出组成简笔画的圆和直线,进而通过圆特征指标提取和直线特征指标提取,获得反映两种类型几何笔画的执行特点的特征指标,便于有针对性的对精细运动障碍进行干预治疗以及训练。
5、本发明基于采集的二维位置时间序列和三维力时间序列,提取全局特征指标评估儿童精细运动的整体特性,提取圆特征指标和直线特征指标评估儿童执行两种类型精细运动过程中的细节特性,这种由整体到局部、涵盖运动学和动力学特征的指标提取实现了对儿童精细运动过程的全面评估,具有全面性和细致性的特点。
6、本发明提出的圆特征指标和归一化的施力角度调整次数指标的计算,综合利用了简笔画绘画的位置信息和力信息,克服了现有指标仅对单一特征进行评估的问题,具有综合性的特点。
附图说明
图1为本发明儿童精细运动量化评估方法的流程图。
图2为本发明使用的交互设备的模块结构图。
图3为本发明简笔画绘画参考样例的示意图。
图4为本发明使用交互设备采集简笔画的五维绘画数据示意图。
图5为本发明施力角度和施力角度变化率计算的示意图。
具体实施方式
参见图1,本实施例中,一种儿童精细运动量化评估方法是按如下步骤进行:
步骤一、简笔画的五维绘画数据采集
简笔画是指用户在交互设备上画由直线和圆这两种几何形状组合而成的图形;在具体实施中,用户所绘简笔画中可以包含任何由直线构成的几何形状,如三角形、矩形、梯形等,参见图3,交通信号灯的简笔画绘画只包含直线、圆这两种几何形状,图中矩形的绘制要求是用四个直线分开书写完成,不能连笔;
本发明中所采用的是具有语音系统提示的交互设备,从而可以指导儿童进行简笔画绘画,如图2所示,该交互设备包括触摸屏专用笔、触摸屏、多维力传感器、处理器、语音模块、存储器;
用户通过触摸屏专用笔和触摸屏在简笔画的绘画过程中,交互设备按如下步骤采集简笔画的五维绘画数据:
1.1、儿童在语音模块的语音提示下,握触摸屏专用笔在触摸屏上画由简笔画,可通过触摸屏显示如图3所示的简笔画参考样例以供用户模仿,交互设备以采样时间间隔Ts为周期,在采样时间点ti采集得到五维绘画数据(x(ti),y(ti),Fx(ti),Fy(ti),Fz(ti)),参见图4,五维绘画数据(x(ti),y(ti),Fx(ti),Fy(ti),Fz(ti))包括通过触摸屏获取的二维位置绘画数据(x(ti),y(ti))和通过多维力传感器获取的三维力绘画数据(Fx(ti),Fy(ti),Fz(ti)),ti=t0+i·Ts,i=0,1,2,…,n,n表示采样周期的个数且n为自然数,t0为初始采样时刻;
二维位置绘画数据(x(ti),y(ti))是指在二维笛卡尔坐标系下所获取的位置数据;在整个绘画过程中,只要保证二维笛卡尔坐标系的原点始终固定在某一点即可确认整个坐标系中数据位置,图4所示为以触摸屏中心为原点建立二维笛卡尔坐标系,x表示二维笛卡尔坐标系的x轴,y表示二维笛卡尔坐标系的y轴。
如图4所示,三维力绘画数据(Fx(ti),Fy(ti),Fz(ti))是由垂直于触摸屏方向z轴上的正向压力Fz(ti)、沿触摸屏的笛卡尔坐标系x轴方向上的分力Fx(ti)和沿触摸屏的笛卡尔坐标系y轴方向上的分力Fy(ti)组成;
1.2、触摸屏根据采集到的二维位置绘画数据实时显示绘画痕迹,并根据三维力绘画数据中正向压力的值控制绘画痕迹的粗细,处理器从初始采样时刻t0开始,依次获取采样时间点ti所对应的五维绘画数据,并将五维绘画数据转换为五维时间序列 并送入存储器;五维时间序列包括二维位置时间序列和三维力时间序列;二维位置时间序列由x位置时间序列 和y位置时间序列 组成;三维力时间序列由Fx分力时间序列 Fy分力时间序列 和Fz正向压力时间序列 组成;
步骤二、简笔画分割
简笔画绘画过程是由几何笔画和抬笔组成,几何笔画是指用户在触摸屏专用笔与触摸屏完全接触的情况下完成一个圆或一条直线;抬笔是指用户完成一个几何笔画后将触摸屏专用笔与触摸屏分离的状态;
利用简笔画的三维力时间序列中的Fz正向压力时间序列对几何笔画和抬笔进行区分,并删除几何笔画长度小于预先设定的笔画长度阈值的几何笔画,从而在五维时间序列中提取Ns个几何笔画所对应的五维时间序列;
简笔画分割具体是按如下步骤进行:
2.1、初始化采样时刻ti:将初始时刻t0赋值给采样时刻ti;
2.2、根据简笔画的Fz正向压力时间序列,获取采样时刻ti所对应的正向压力值Fz(ti),并判断正向压力值Fz(ti)是否大于预先设定的正向压力阈值,如果是,直接执行步骤2.3,否则,转到步骤2.4执行;
2.3、判断采样时刻ti是否为初始采样时刻t0或者正向压力值Fz(ti)的前一时刻的正向压力值Fz(ti-1)是否小于等于预先设定的正向压力阈值,如果是,则表明开始当前几何笔画绘画,令采样时刻ti为当前几何笔画的起始采样时刻并跳转到步骤2.5执行;否则,直接执行步骤2.5;
2.4、判断正向压力值Fz(ti)的前一时刻的正向压力值Fz(ti-1)是否大于预先设定的正向压力阈值,如果是,则表明结束当前几何笔画绘画,令采样时刻ti为当前几何笔画的结束采样时刻;根据当前几何笔画的起始采样时刻和结束采样时刻,获得当前几何笔画所对应的五维时间序列并跳转到步骤2.5执行;否则,直接跳转到步骤2.5执行;
2.5、判断是否满足ti=t0+n×Ts,若满足则直接执行步骤2.6;否则将ti+Ts赋值给ti,并执行步骤2.2;
2.6、根据步骤2.1-2.5获得Nd个几何笔画所对应的五维时间序列,并判断每个几何笔画所对应的五维时间序列长度在小于等于预先设定的笔画长度阈值时,删除该几何笔画所对应的五维时间序列,从而获得Ns个几何笔画所对应的五维时间序列,0≤Ns≤Nd。
步骤三、几何笔画滤波
采用滤波算法对Ns个几何笔画所对应的五维时间序列中每一维时间序列进行去噪,获得滤波后的Ns个几何笔画所对应的五维时间序列,采用的滤波算法可为高斯滤波、低通滤波、带通滤波等;
步骤四、几何笔画识别
根据滤波后的Ns个几何笔画所对应的二维位置时间序列判断Ns个几何笔画的类型,获得Nl个直线和Nc个圆,即Ns=Nl+Nc;
几何笔画识别具体按如下步骤进行:
4.1、对滤波后的任一几何笔画所对应的二维位置时间序列中的x位置时间序列,通过差分获得x位置时间序列的一阶差分时间序列;
4.2、判断x位置时间序列的一阶差分时间序列的数值是否恒为负数或者恒为正数,如果是,则表明任一几何笔画的类型是直线,否则,根据任一几何笔画所对应的二维位置时间序列中的y位置时间序列,通过差分获得y位置时间序列的一阶差分时间序列;
4.3、判断y位置时间序列的一阶差分时间序列的数值是否恒为负数或者恒为正数,如果是,则表明任一几何笔画的类型是直线,否则,表明任一几何笔画的类型是圆;
4.4、根据Ns个几何笔画的二维位置时间序列,重复步骤4.1至步骤4.3对Ns个几何笔画进行识别,从而获得Nl个直线和Nc个圆。
步骤五、全局特征指标提取
全局特征指标包括平均速度指标值和平均正向压力指标值;利用滤波后的Ns个二维位置时间序列获得Ns个几何笔画的Ns个速度平均值,利用滤波后的Ns个三维力时间序列中的Fz正向压力时间序列获得Ns个几何笔画的Ns个正向压力平均值,分别计算Ns个速度平均值的平均值和Ns个正向压力平均值的平均值,即可获得平均速度指标值和平均正向压力指标值;
步骤六、圆特征指标提取
6.1、根据Nc个圆的三维力时间序列中的Fx分力时间序列和Fy分力时间序列,通过式(1)计算施力角度θ(ti),从而获得Nc个圆的施力角度序列:
参见图5,在采样时间点ti,触摸屏专用笔与触摸屏的接触点为p(ti),接触点p(ti)处的施力角度θ(ti)是指沿触摸屏的笛卡尔坐标系x轴方向上的分力Fx(ti)和沿触摸屏的笛卡尔坐标系y轴方向上的分力Fy(ti)的合力Fxy(ti)与x轴的夹角,施力角度决定笔尖的运动方向;
6.2、根据Nc个圆的二维位置时间序列和施力角度序列通过式(2)计算施力角度变化率r(ti),从而获得施力角度变化率序列:
施力角度变化率是指经过一个采样时间间隔Ts,施力角度相对于笔尖移动距离的变化率,施力角度变化率是对用户在每个采样时间间隔内绘制一段圆弧的运动学和动力学特性的综合衡量,参见图5,p(ti)和p(ti+1)分别是在采样时间点ti和ti+1时触摸屏专用笔与触摸屏的接触点,从采样时间点ti到采样时间点ti+1,施力角度变化率r(ti)是指施力角度的转动角度与笔尖移动距离比值的绝对值,施力角度的转动角度是接触点p(ti+1)处的施力角度θ(ti+1)与接触点p(ti)处的施力角度θ(ti)的差值,笔尖移动距离是接触点p(ti)处的二维笛卡尔坐标(x(ti),y(ti))和接触点p(ti+1)处的二维笛卡尔坐标(x(ti+1),y(ti+1))的欧氏距离;
6.3、计算Nc个圆的施力角度变化率序列的标准差,并计算Nc个标准差的平均值,从而获得圆特征指标;
圆特征指标对用户执行圆绘画过程中的施力角度变化率的稳定性进行衡量,在理想情况下,圆绘画过程需要保持施力角度变化率恒定以画出一个标准的圆形,在实际情况下,一个圆几何笔画的施力角度变化率标准差越大,则用户对笔尖运动方向的力控制能力越差,表明用户在圆绘画精细运动中的力控制能力越差;
步骤七、直线特征指标提取
直线特征指标包括速度曲线峰值点个数指标和归一化的施力角度调整次数指标;
速度曲线峰值点个数指标对用户执行绘画这类精细运动的自动化程度进行度量,在直线绘制活动中,如果用户的绘画活动是自动化的开环运动,那么该用户所直线的速度时间序列在时间轴上应表现为一条单峰的、平滑的曲线,峰值点个数为1,否则,该用户所绘制直线的速度时间序列在时间轴上应表现为一条多峰的曲线,峰值点个数大于1,峰值点个数越多则用户绘画的自动化水平越低,表明用户在精细运动中的自动化水平越低;
7a、速度曲线峰值点个数指标的计算方法为:
a1、根据Nl个直线的二维位置时间序列获得Nl个速度时间序列;
a2、计算Nl个速度时间序列的极大值点个数;
a3、计算极大值点个数的平均值,即为速度曲线峰值点个数指标值;
归一化的施力角度调整次数指标对用户执行直线绘画过程中笔尖运动方向的控制能力进行衡量,笔尖运动方向采用施力角度进行度量,在理想情况下,直线绘画过程中笔尖运动方向保持不变以画出一条标准直线,在实际测量中,当所绘直线的长度一致时,施力角度调整次数越多则用户对笔尖运动方向的力控制能力越差,表明用户在直线绘画精细运动中的力控制能力越差;
7b、归一化的施力角度调整次数指标的计算方法为:
b.1、根据Nl个直线的三维力时间序列中的Fx分力时间序列和Fy分力时间序列,通过式(1)获得Nl个直线的施力角度序列;
b.2、计算出Nl个直线的施力角度序列的一阶导数时间序列,获得Nl个一阶导数时间序列的极大值点个数num;
b.3、根据Nl个直线的二维位置时间序列,通过式(3)获得Nl个直线的长度len:
b.4、根据Nl个极大值点个数num和Nl个直线的长度len,通过式(4)获得归一化的施力角度调整次数Ir:
Ir=num/len (4)
b5、计算归一化的施力角度调整次数Ir的平均值,即为归一化的施力角度调整次数指标值;
步骤八、根据全局特征指标、圆特征指标和直线特征指标对儿童精细运动进行量化评估;
处理器将简笔画的五维时间序列、全局特征指标值、圆特征指标值和直线特征指标值送至显示设备,显示设备可以是触摸屏、投影仪或者LED显示屏,显示设备根据五维时间序列,按照采样顺序和采样时间间隔Ts绘制简笔画,并根据当前采样点的正向压力值控制绘画痕迹的粗细,同时,显示该用户在各项指标上的指标值,并且根据用户的年龄,显示该年龄群体各指标的正常变化范围,使用者参考量化评估结果,对儿童精细运动进行诊断、干预治疗或训练。
Claims (3)
1.一种儿童精细运动量化评估方法,其特征是按如下步骤进行:
步骤一、简笔画的五维绘画数据采集:
所述简笔画是由直线和圆这两种几何形状构成的图形,并通过触摸屏专用笔和触摸屏完成简笔画的绘画过程;
1.1、以采样时间间隔Ts为周期,在采样时间点ti采集得到五维绘画数据(x(ti),y(ti),Fx(ti),Fy(ti),Fz(ti)),所述五维绘画数据(x(ti),y(ti),Fx(ti),Fy(ti),Fz(ti))包括通过触摸屏获取的二维位置绘画数据(x(ti),y(ti))和通过多维力传感器获取的三维力绘画数据(Fx(ti),Fy(ti),Fz(ti)),ti=t0+i×Ts,i=0,1,2,…,n,n表示采样周期的个数且n为自然数,t0为初始采样时刻;
所述二维位置绘画数据(x(ti),y(ti))是指在二维笛卡尔坐标系下所获取的位置数据;
所述三维力绘画数据(Fx(ti),Fy(ti),Fz(ti))是由垂直于触摸屏方向上的正向压力Fz(ti)、沿触摸屏的笛卡尔坐标系x轴方向上的分力Fx(ti)和沿触摸屏的笛卡尔坐标系y轴方向上的分力Fy(ti)组成;
1.2、从所述初始采样时刻t0开始,依次获取采样时间点ti所对应的五维绘画数据,并将所述五维绘画数据转换为五维时间序列 所述五维时间序列包括二维位置时间序列和三维力时间序列;所述二维位置时间序列由x位置时间序列 和y位置时间序列 组成;所述三维力时间序列由Fx分力时间序列 Fy分力时间序列 和Fz正向压力时间序列 组成;
步骤二、简笔画分割
所述简笔画的绘画过程是由几何笔画和抬笔组成,所述几何笔画是指用户在触摸屏专用笔与触摸屏完全接触的情况下完成一个圆或一条直线;所述抬笔是指用户完成一个几何笔画后将触摸屏专用笔与触摸屏分离的状态;
利用所述简笔画的三维力时间序列中的Fz正向压力时间序列对所述几何笔画和抬笔进行区分;并删除几何笔画长度小于预先设定的笔画长度阈值的几何笔画,从而在所述五维时间序列中提取Ns个几何笔画所对应的五维时间序列;
步骤三、几何笔画滤波
采用滤波算法对所述Ns个几何笔画所对应的五维时间序列中每一维时间序列进行去噪,获得滤波后的Ns个几何笔画所对应的五维时间序列;
步骤四、几何笔画识别
根据所述滤波后的Ns个几何笔画所对应的二维位置时间序列判断所述Ns个几何笔画的类型,获得Nl个直线和Nc个圆,即Ns=Nl+Nc;
步骤五、全局特征指标提取
利用所述滤波后的Ns个二维位置时间序列获得所述Ns个几何笔画的Ns个速度平均值,利用所述滤波后的Ns个三维力时间序列中的Fz正向压力时间序列获得所述Ns个几何笔画的Ns个正向压力平均值,分别计算所述Ns个速度平均值的平均值和Ns个正向压力平均值的平均值,从而获得平均速度指标值和平均正向压力指标值;
步骤六、圆特征指标提取
6.1、根据所述Nc个圆的三维力时间序列中的Fx分力时间序列和Fy分力时间序列,通过式(1)计算施力角度θ(ti),从而获得Nc个圆的施力角度序列:
6.2、根据所述Nc个圆的二维位置时间序列和施力角度序列通过式(2)计算施力角度变化率r(ti),从而获得施力角度变化率序列:
6.3、计算所述Nc个圆的施力角度变化率序列的标准差,并计算所述Nc个标准差的平均值,即为所述圆特征指标;
步骤七、直线特征指标提取
所述直线特征指标包括速度曲线峰值点个数指标和归一化的施力角度调整次数指标;
7a、所述速度曲线峰值点个数指标的计算方法为:
a1、根据所述Nl个直线的二维位置时间序列获得Nl个速度时间序列;
a2、计算所述Nl个速度时间序列的极大值点个数;
a3、计算所述极大值点个数的平均值,即为所述速度曲线峰值点个数指标值;
7b、所述归一化的施力角度调整次数指标的计算方法为:
b1、根据所述Nl个直线的三维力时间序列中的Fx分力时间序列和Fy分力时间序列,通过式(1)获得所述Nl个直线的施力角度序列;
b2、计算出所述Nl个直线的施力角度序列的一阶导数时间序列,获得Nl个所述一阶导数时间序列的极大值点个数num;
b3、根据所述Nl个直线的二维位置时间序列,通过式(3)获得所述Nl个直线的长度len:
b4、根据所述Nl个极大值点个数num和Nl个直线的长度len,通过式(4)获得归一化的施力角度调整次数Ir:
Ir=num/len (4)
b5、计算所述归一化的施力角度调整次数Ir的平均值,即为所述归一化的施力角度调整次数指标值;
步骤八、利用所述全局特征指标、圆特征指标和直线特征指标对儿童精细运动进行量化评估。
2.根据权利要求1所述的儿童精细运动量化评估方法,其特征是:所述步骤二中简笔画分割按如下步骤进行:
2.1、初始化所述采样时刻ti:将初始时刻t0赋值给所述采样时刻ti;
2.2、根据所述简笔画的Fz正向压力时间序列,获取采样时刻ti所对应的正向压力值Fz(ti),并判断所述正向压力值Fz(ti)是否大于预先设定的正向压力阈值,如果是,直接执行步骤2.3,否则,转到步骤2.4执行;
2.3、判断采样时刻ti是否为初始采样时刻t0或者所述正向压力值Fz(ti)的前一时刻的正向压力值Fz(ti-1)是否小于等于预先设定的正向压力阈值,如果是,则表明开始当前几何笔画绘画,令采样时刻ti为所述当前几何笔画的起始采样时刻并跳转到步骤2.5执行;否则,直接执行步骤2.5;
2.4、判断所述正向压力值Fz(ti)的前一时刻的正向压力值Fz(ti-1)是否大于预先设定的正向压力阈值,如果是,则表明结束当前几何笔画绘画,令采样时刻ti为所述当前几何笔画的结束采样时刻;根据所述当前几何笔画的起始采样时刻和结束采样时刻,获得所述当前几何笔画所对应的五维时间序列并跳转到步骤2.5执行;否则,直接跳转到步骤2.5执行;
2.5、判断是否满足ti=t0+n×Ts,若满足则直接执行步骤2.6;否则将ti+Ts赋值给ti,并执行步骤2.2;
2.6、根据步骤2.1-2.5获得Nd个几何笔画所对应的五维时间序列,并判断每个几何笔画所对应的五维时间序列长度在小于等于预先设定的笔画长度阈值时,删除该几何笔画所对应的五维时间序列,从而获得Ns个几何笔画所对应的五维时间序列,0≤Ns≤Nd。
3.根据权利要求1所述的儿童精细运动量化评估方法,其特征是:所述步骤四中几何笔画识别按如下步骤进行:
3.1、对滤波后的任一几何笔画所对应的二维位置时间序列中的x位置时间序列,通过差分获得所述x位置时间序列的一阶差分时间序列;
3.2、判断所述x位置时间序列的一阶差分时间序列的数值是否恒为负数或者恒为正数,如果是,则表明所述任一几何笔画的类型是直线,否则,根据所述任一几何笔画所对应的二维位置时间序列中的y位置时间序列,通过差分获得所述y位置时间序列的一阶差分时间序列;
3.3、判断所述y位置时间序列的一阶差分时间序列的数值是否恒为负数或者恒为正数,如果是,则表明所述任一几何笔画的类型是直线,否则,表明所述任一几何笔画的类型是圆;
3.4、根据所述Ns个几何笔画的二维位置时间序列,重复步骤4.1至步骤4.3对所述Ns个几何笔画进行识别,从而获得Nl个直线和Nc个圆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410084548.9A CN103823989B (zh) | 2014-03-07 | 2014-03-07 | 一种儿童精细运动量化评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410084548.9A CN103823989B (zh) | 2014-03-07 | 2014-03-07 | 一种儿童精细运动量化评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103823989A true CN103823989A (zh) | 2014-05-28 |
CN103823989B CN103823989B (zh) | 2016-06-22 |
Family
ID=50759046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410084548.9A Active CN103823989B (zh) | 2014-03-07 | 2014-03-07 | 一种儿童精细运动量化评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103823989B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105796108A (zh) * | 2016-03-01 | 2016-07-27 | 中国科学院合肥物质科学研究院 | 一种用于手部运动机能分析的检测方法 |
CN109409329A (zh) * | 2018-11-14 | 2019-03-01 | 科大讯飞股份有限公司 | 图形题目的判别方法、评估方法、装置、设备及存储介质 |
US11164025B2 (en) | 2017-11-24 | 2021-11-02 | Ecole Polytechnique Federale De Lausanne (Epfl) | Method of handwritten character recognition confirmation |
CN114495643A (zh) * | 2022-01-25 | 2022-05-13 | 福建中科多特健康科技有限公司 | 一种辅助训练的方法和存储设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0777387A2 (en) * | 1995-12-06 | 1997-06-04 | THOMSON multimedia S.A. | Method and apparatus for encoding digital video signals |
US6622575B1 (en) * | 1999-07-07 | 2003-09-23 | Agency Of Industrial Science And Technology | Fingertip-mounted six-axis force sensor |
CN102397680A (zh) * | 2011-12-06 | 2012-04-04 | 北京市莱科智多教育科技有限公司 | 精细动作训练系统及其训练方法 |
CN102436348A (zh) * | 2011-11-14 | 2012-05-02 | 中国科学院合肥物质科学研究院 | 一种基于力信息的毛笔书法表达方法 |
CN102592142A (zh) * | 2012-01-05 | 2012-07-18 | 中国科学院合肥物质科学研究院 | 一种基于计算机系统的手写签名稳定性评估方法 |
CN202387167U (zh) * | 2011-12-06 | 2012-08-22 | 北京市莱科智多教育科技有限公司 | 精细动作训练系统 |
-
2014
- 2014-03-07 CN CN201410084548.9A patent/CN103823989B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0777387A2 (en) * | 1995-12-06 | 1997-06-04 | THOMSON multimedia S.A. | Method and apparatus for encoding digital video signals |
US6622575B1 (en) * | 1999-07-07 | 2003-09-23 | Agency Of Industrial Science And Technology | Fingertip-mounted six-axis force sensor |
CN102436348A (zh) * | 2011-11-14 | 2012-05-02 | 中国科学院合肥物质科学研究院 | 一种基于力信息的毛笔书法表达方法 |
CN102397680A (zh) * | 2011-12-06 | 2012-04-04 | 北京市莱科智多教育科技有限公司 | 精细动作训练系统及其训练方法 |
CN202387167U (zh) * | 2011-12-06 | 2012-08-22 | 北京市莱科智多教育科技有限公司 | 精细动作训练系统 |
CN102592142A (zh) * | 2012-01-05 | 2012-07-18 | 中国科学院合肥物质科学研究院 | 一种基于计算机系统的手写签名稳定性评估方法 |
Non-Patent Citations (2)
Title |
---|
SANGJOO KWON等: "Observer Based Fine Motion Control of Autonomous Visual", 《2009 IEEE/ASME INTERNATIONAL CONFERENCE ON ADVANCED INTELLIGENT MECHATRONICS》, 17 July 2009 (2009-07-17) * |
罗健飞等: "支持笔交互的手写设备设计与实现", 《仪器仪表学报》, vol. 33, no. 2, 30 September 2012 (2012-09-30) * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105796108A (zh) * | 2016-03-01 | 2016-07-27 | 中国科学院合肥物质科学研究院 | 一种用于手部运动机能分析的检测方法 |
CN105796108B (zh) * | 2016-03-01 | 2018-08-03 | 中国科学院合肥物质科学研究院 | 一种用于手部运动机能分析的检测方法 |
US11164025B2 (en) | 2017-11-24 | 2021-11-02 | Ecole Polytechnique Federale De Lausanne (Epfl) | Method of handwritten character recognition confirmation |
CN109409329A (zh) * | 2018-11-14 | 2019-03-01 | 科大讯飞股份有限公司 | 图形题目的判别方法、评估方法、装置、设备及存储介质 |
CN114495643A (zh) * | 2022-01-25 | 2022-05-13 | 福建中科多特健康科技有限公司 | 一种辅助训练的方法和存储设备 |
CN114495643B (zh) * | 2022-01-25 | 2024-05-14 | 福建中科多特健康科技有限公司 | 一种辅助训练的方法和存储设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103823989B (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764120B (zh) | 一种人体规范动作评价方法 | |
CN103823989B (zh) | 一种儿童精细运动量化评估方法 | |
CN111709358A (zh) | 基于课堂视频的师生行为分析系统 | |
CN106355973A (zh) | 一种绘画辅导方法及装置 | |
CN112908355B (zh) | 一种师范生教学技能量化评价系统及其方法 | |
CN109214376A (zh) | 一种基于深度层次化的指纹识别方法及装置 | |
CN104166499A (zh) | 笔迹练习系统及练习笔迹自动评测方法 | |
CN109886256A (zh) | 智能评测设备及系统 | |
CN104899594A (zh) | 基于表面肌电信号分解的手部动作识别方法 | |
CN103557862A (zh) | 一种移动终端运动轨迹检测方法 | |
CN102436348A (zh) | 一种基于力信息的毛笔书法表达方法 | |
CN101561881B (zh) | 人体非程式化运动的情感识别方法 | |
CN106408579A (zh) | 一种基于视频的捏合指尖跟踪方法 | |
CN105867660A (zh) | 一种电子粉笔 | |
Tabrizi et al. | Data acquired by a single object sensor for the detection and quality evaluation of table tennis forehand strokes | |
CN103198297B (zh) | 基于相关性几何特征的运动相似性评估方法 | |
CN107045393A (zh) | 基于数字笔的连线测试多通道数据采集方法及系统 | |
CN109192007A (zh) | 一种基于肌电运动感知的ar手语识别方法及教学方法 | |
CN202387167U (zh) | 精细动作训练系统 | |
Garcia Garcia et al. | Multi-touch Interaction Data Analysis System (MIDAS) for 2-D tactile display research | |
CN108682450A (zh) | 在线手指运动功能评测系统 | |
CN115547145A (zh) | 一种书法篆刻艺术教学系统 | |
CN109447863A (zh) | 一种4mat实时分析方法及系统 | |
Accardo et al. | A device for quantitative kinematic analysis of children’s handwriting movements | |
CN110544410A (zh) | 一种手写能力量化评估系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |