CN106295612A - 一种手部康复训练中手指运动的视觉监测方法 - Google Patents

一种手部康复训练中手指运动的视觉监测方法 Download PDF

Info

Publication number
CN106295612A
CN106295612A CN201610706872.9A CN201610706872A CN106295612A CN 106295612 A CN106295612 A CN 106295612A CN 201610706872 A CN201610706872 A CN 201610706872A CN 106295612 A CN106295612 A CN 106295612A
Authority
CN
China
Prior art keywords
finger
rehabilitation training
hand
monitoring method
visual monitoring
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.)
Pending
Application number
CN201610706872.9A
Other languages
English (en)
Inventor
胡波
刘瑞琪
潘林兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi University of Science and Technology
Original Assignee
Guangxi University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi University of Science and Technology filed Critical Guangxi University of Science and Technology
Priority to CN201610706872.9A priority Critical patent/CN106295612A/zh
Publication of CN106295612A publication Critical patent/CN106295612A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供的一种手部康复训练中手指运动的视觉监测方法，所述方法包括以下步骤：S1：手部图像的采集；S2：图像二值化；S3：手指特征提取；S4：手指动作的识别；通过图像采集设备获取手部训练图像，对图像中手指的特征进行提取，并对手指的特征进行分析判断手指的运动情况，这将为康复训练效果的评价和实施监控提供基础，从而促进康复训练周期的缩短、降低训练的成本。

Description

一种手部康复训练中手指运动的视觉监测方法
技术领域
本发明属于健康监测技术领域，具体涉及一种手部康复训练中手指运动的视觉监测方法。
背景技术
赖手部运动。但在传统康复训练中，无法动态了解患者康复训练的情况。手部运动情况的变化，每次手指运动的差异都是无法了解的。
另一方面，随着图像处理技术的发展，引入图像处理技术，对手部康复训练进行视觉监控，了解手指的运动情况成为可能。
因此，需要提出一种新型的检测方法来更加详细的了解患者的康复训练情况。
发明内容
本发明的目的是提供一种手部康复训练中手指运动的视觉监测方法，促进康复训练周期的缩短、降低训练的成本
为了实现上述目的，本发明采用的技术方案为：
一种手部康复训练中手指运动的视觉监测方法，所述方法包括以下步骤：
S1： 手部图像的采集；
S2： 图像二值化；
S3： 手指特征提取；
S4： 手指动作的识别。
优选地，所述S1具体为：手部图像的采集环境为垂直距离35cm—45cm，光线强度10lux左右的手部运动状态图像采集环境。
优选地，所述图像二值化采用阈值分割，阈值的选取采用大津法。
优选地，所述S3具体为：将二值化后的手部图像进行腐蚀操作，然后根据图像位置信息，提取各个手指相应的区域，提取每个手指区域中白色像素点的面积、长、宽三个特征。
优选地，所述补正S4具体为：引入神经网络，以每个手指在图像中对应区域的面积、长、宽三个特征为输入，手指的状态为输出进行手指动作识别。
本发明提供的一种手部康复训练中手指运动的视觉监测方法，以手部康复训练过程中手指不同运动表现为监控对象，通过图像采集设备获取手部训练图像，对图像中手指的特征进行提取，并对手指的特征进行分析判断手指的运动情况，这将为康复训练效果的评价和实施监控提供基础，从而促进康复训练周期的缩短、降低训练的成本。
具体实施方式
下面详细说明本发明的实施例。以下所述实施例是示例性的，旨在解释本发明，而不应理解为对本发明的限制。
本发明专利采用的技术方案分4个步骤：
STEP 1： 手部图像的采集；
手部图像的采集收到光照强度、采集设备与手部的距离等多个因素的影响，经过实验，提出垂直距离35cm—45cm，光线强度10lux左右的手部运动状态图像采集环境。
STEP 2： 图像二值化；
图像二值化采用阈值分割，阈值的选取采用大津法，获取二值图像。
STEP 3： 手指特征提取；
将二值化后的手部图像进行腐蚀操作，然后根据图像位置信息，提取各个手指相应的区域。提取每个手指区域中白色像素点（也就是手指区域）的面积、长、宽三个特征。
STEP4： 手指动作的识别
引入神经网络，以每个手指在图像中对应区域的面积、长、宽三个特征为输入，手指的状态为输出进行手指动作识别。
为验证本发明的有效性，以手指垂直手面、与手面45度夹角、与手面平行三个状态，分别测试手指运动，识别正确率达到80%以上。
本发明提供的一种手部康复训练中手指运动的视觉监测方法，以手部康复训练过程中手指不同运动表现为监控对象，通过图像采集设备获取手部训练图像，对图像中手指的特征进行提取，并对手指的特征进行分析判断手指的运动情况，这将为康复训练效果的评价和实施监控提供基础，从而促进康复训练周期的缩短、降低训练的成本。
最后应当说明的是：本发明并不仅限于上述实施方式，任何针对本发明的具体实施方式进行的未脱离本发明精神和范围的修改或者等同替换均在本发明申请待批的权利要求保护范围之内。

Claims (5)

1.一种手部康复训练中手指运动的视觉监测方法，其特征在于，所述方法包括以下步骤：
S1： 手部图像的采集；
S2： 图像二值化；
S3： 手指特征提取；
S4： 手指动作的识别。
2.根据权利要求1所述的一种手部康复训练中手指运动的视觉监测方法，其特征在于，所述S1具体为：手部图像的采集环境为垂直距离35cm—45cm，光线强度10lux左右的手部运动状态图像采集环境。
3.根据权利要求2所述的一种手部康复训练中手指运动的视觉监测方法，其特征在于，所述图像二值化采用阈值分割，阈值的选取采用大津法。
4.根据权利要求1所述的一种手部康复训练中手指运动的视觉监测方法，其特征在于，所述S3具体为：将二值化后的手部图像进行腐蚀操作，然后根据图像位置信息，提取各个手指相应的区域，提取每个手指区域中白色像素点的面积、长、宽三个特征。
5.根据权利要求1所述的一种手部康复训练中手指运动的视觉监测方法，其特征在于，所述补正S4具体为：引入神经网络，以每个手指在图像中对应区域的面积、长、宽三个特征为输入，手指的状态为输出进行手指动作识别。
CN201610706872.9A 2016-08-23 2016-08-23 一种手部康复训练中手指运动的视觉监测方法 Pending CN106295612A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610706872.9A CN106295612A (zh) 2016-08-23 2016-08-23 一种手部康复训练中手指运动的视觉监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610706872.9A CN106295612A (zh) 2016-08-23 2016-08-23 一种手部康复训练中手指运动的视觉监测方法

Publications (1)

Publication Number Publication Date
CN106295612A true CN106295612A (zh) 2017-01-04

Family

ID=57614802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610706872.9A Pending CN106295612A (zh) 2016-08-23 2016-08-23 一种手部康复训练中手指运动的视觉监测方法

Country Status (1)

Country Link
CN (1) CN106295612A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109635820A (zh) * 2018-08-06 2019-04-16 浙江大学 基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法
CN110837766A (zh) * 2018-08-17 2020-02-25 北京市商汤科技开发有限公司 手势识别方法、手势处理方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853071A (zh) * 2010-05-13 2010-10-06 重庆大学 基于视觉的手势识别方法及系统
CN103544472A (zh) * 2013-08-30 2014-01-29 Tcl集团股份有限公司 一种基于手势图像的处理方法及处理装置
TW201508549A (zh) * 2013-08-23 2015-03-01 Univ Kun Shan 追蹤與記錄指尖軌跡的影像處理方法
CN104898837A (zh) * 2015-05-22 2015-09-09 燕山大学 一种基于手势交互的便携式手部虚拟康复实验箱及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853071A (zh) * 2010-05-13 2010-10-06 重庆大学 基于视觉的手势识别方法及系统
TW201508549A (zh) * 2013-08-23 2015-03-01 Univ Kun Shan 追蹤與記錄指尖軌跡的影像處理方法
CN103544472A (zh) * 2013-08-30 2014-01-29 Tcl集团股份有限公司 一种基于手势图像的处理方法及处理装置
CN104898837A (zh) * 2015-05-22 2015-09-09 燕山大学 一种基于手势交互的便携式手部虚拟康复实验箱及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109635820A (zh) * 2018-08-06 2019-04-16 浙江大学 基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法
CN109635820B (zh) * 2018-08-06 2020-07-17 浙江大学 基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法
CN110837766A (zh) * 2018-08-17 2020-02-25 北京市商汤科技开发有限公司 手势识别方法、手势处理方法及装置
CN110837766B (zh) * 2018-08-17 2023-05-05 北京市商汤科技开发有限公司 手势识别方法、手势处理方法及装置

Similar Documents

Publication Publication Date Title
Yu et al. Multi-modal face anti-spoofing based on central difference networks
US9183431B2 (en) Apparatus and method for providing activity recognition based application service
Hsieh et al. A kinect-based people-flow counting system
CN104035557B (zh) 一种基于关节活跃度的Kinect动作识别方法
SG11201802242YA (en) Congestion analysis device, congestion analysis method, and congestion analysis program
CN103295016A (zh) 基于深度与rgb信息和多尺度多方向等级层次特征的行为识别方法
KR20200056602A (ko) 객체 움직임 인식 방법 및 장치
CN107463873A (zh) 一种基于rgbd深度传感器的实时手势分析与评价方法与系统
Jabnoun et al. Object recognition for blind people based on features extraction
CN103902989A (zh) 基于非负矩阵分解的人体动作视频识别方法
US11948400B2 (en) Action detection method based on human skeleton feature and storage medium
Sawant Sign language recognition system to aid deaf-dumb people using PCA
CN106295612A (zh) 一种手部康复训练中手指运动的视觉监测方法
CN113792712A (zh) 动作识别方法、装置、设备及存储介质
JP2016045884A5 (ja) 画像処理装置、画像処理方法、およびプログラム
Töngi Application of transfer learning to sign language recognition using an inflated 3D deep convolutional neural network
Ruiz-Santaquiteria et al. Improving handgun detection through a combination of visual features and body pose-based data
Pavitra et al. Deep learning-based yoga learning application
Lan et al. Learning action primitives for multi-level video event understanding
CN104331705A (zh) 融合时空信息的步态周期自动检测方法
KR101679285B1 (ko) 영상을 이용한 자세 및 동작 분석 시스템
Pairo et al. Person following by mobile robots: analysis of visual and range tracking methods and technologies
Aiouez et al. Real-time Arabic Sign Language Recognition based on YOLOv5.
Damle et al. Human body skeleton detection and tracking
JP2012190280A (ja) 行動認識装置、行動認識方法及びプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination