CN106485055B - 一种基于Kinect传感器的老年II型糖尿病患者运动训练系统 - Google Patents
一种基于Kinect传感器的老年II型糖尿病患者运动训练系统 Download PDFInfo
- Publication number
- CN106485055B CN106485055B CN201610841119.0A CN201610841119A CN106485055B CN 106485055 B CN106485055 B CN 106485055B CN 201610841119 A CN201610841119 A CN 201610841119A CN 106485055 B CN106485055 B CN 106485055B
- Authority
- CN
- China
- Prior art keywords
- vector
- point
- standard
- value
- degree
- 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.)
- Expired - Fee Related
Links
- 238000012549 training Methods 0.000 title claims abstract description 53
- 208000001072 type 2 diabetes mellitus Diseases 0.000 title claims abstract description 6
- 230000000386 athletic effect Effects 0.000 title claims abstract description 5
- 238000012360 testing method Methods 0.000 claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 40
- 210000001367 artery Anatomy 0.000 claims abstract description 26
- 210000003462 vein Anatomy 0.000 claims abstract description 26
- 230000009471 action Effects 0.000 claims abstract description 24
- 238000013456 study Methods 0.000 claims abstract description 14
- 206010012601 diabetes mellitus Diseases 0.000 claims abstract description 13
- 230000003993 interaction Effects 0.000 claims abstract description 13
- 230000002452 interceptive effect Effects 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 124
- 230000003068 static effect Effects 0.000 claims description 70
- 210000002683 foot Anatomy 0.000 claims description 33
- 210000000988 bone and bone Anatomy 0.000 claims description 20
- 210000004233 talus Anatomy 0.000 claims description 19
- 210000001699 lower leg Anatomy 0.000 claims description 18
- 210000003127 knee Anatomy 0.000 claims description 14
- 230000033001 locomotion Effects 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000000205 computational method Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 210000003423 ankle Anatomy 0.000 claims description 3
- 210000003414 extremity Anatomy 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 3
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical group N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 10
- 102000004877 Insulin Human genes 0.000 description 5
- 108090001061 Insulin Proteins 0.000 description 5
- 229940125396 insulin Drugs 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 206010018473 Glycosuria Diseases 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010053567 Coagulopathies Diseases 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000001772 blood platelet Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000023852 carbohydrate metabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000035602 clotting Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000016097 disease of metabolism Diseases 0.000 description 1
- 208000030172 endocrine system disease Diseases 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 201000001421 hyperglycemia Diseases 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Classifications
-
- A63B69/004—
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
- A63B71/0669—Score-keepers or score display devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/012—Walk-in-place systems for allowing a user to walk in a virtual environment while constraining him to a given position in the physical environment
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Rehabilitation Tools (AREA)
Abstract
一种基于Kinect传感器的老年II型糖尿病患者运动训练系统，主要包括筛选模块、学习模块、评测模块和交互模块。本发明侧重于II型老年糖尿病患者康复训练，提供一种教学与训练集成为一体的系统，其中将学习、评测和互动集成在一起，最后测量老年人的各项指标，提供相应的反馈信息。患者可以进行相关动作学习并纠正自己的动作，提供新的评分系统。老年人糖尿病患者可以根据自己的喜好，在家中进行学习和训练。通过测试显示，趣味性和依从性较好，患者能够通过学习训练和评测训练快速学会开脉太极拳，并通过交互平台进行开脉太极拳训练。
Description
技术领域：
本发明涉及医学信息智能处理领域，具体是一种基于交互技术的老年糖尿病患者运动训练系统及方法，适合老年人二型糖尿病患者进行运动训练。
背景技术：
糖尿病是我国高发的内分泌系统疾病，它是一种血糖含量增高的代谢疾病，这种疾病尤其在老年人群中发病率极高。高血糖由于无法正常分泌胰岛素或是胰岛素功能性缺失造成，久病致使身体各系统代谢会乱，造成神经、心脏和血管等组织慢性病变，引起内脏作用缺失和衰竭。糖尿病患者需要时常注射胰岛素调节血糖浓度，生活质量低下，寿命减少，死亡率增加，应及时治疗。
持续运动训练能提高组织对胰岛素的敏感性，胰岛素是有效降低血糖的重要手段之一。长期进行有效运动可以调节糖代谢，降低血脂含量，有利于机体对血糖进行协同控制，加速人体内脂肪分解，降低肥胖可能。规律运动还可以改善肾脏功能，降低血压，增加血小板数量，改善凝血能力，促进身心健康，有效提高睡眠质量，增强人体对外界环境的耐受性。近年来，随着糖尿病发病率的增高及其并发症的严重危害，通过运动训练手段治愈糖尿病已引起广泛关注，但老年糖尿病患者的运动训练依从性差、不适合的运动强度等而受到限制。
传统的运动训练平台需要专业的指导和昂贵的特殊实验室环境才能支持正常训练，对于老年人患者以及经济水平并不富裕的患者是一种负担。为此，开发一种适应性强、成本低廉、趣味性强并具备运动性能功能评价体系的运动训练平台至关重要。本项专利基于体感技术，设计一种低成本的运动训练方法，可用于开脉太极的学习评估，针对全身坐标进行评测，具备一定复杂性，同时提供反馈意见。
现有一种基于Kinect传感器的上肢运动康复训练体统及其训练方法和一种基于Kinect传感器的脑瘫儿康复训练方法，它们均提出了角度测试的技术，本文研究的开脉太极运动较为复杂，空间中的角度评定存在旋转现象，从而并不能得到准确的姿势，因此本项专利引入距离的概念，从而限定角度评定的范围，进行正确的姿势指导。
发明内容：
本发明的目的在于提供一种基于Kinect传感器的老年II型糖尿病患者运动训练系统。主要包括筛选模块、学习模块、评测模块、交互模块，
1)所述筛选模块需要启动Kinect传感器，与计算机连接，针对BBS的14个分项，将选择评分体统、计时器、骨骼图像、彩色流图像和指示标结合在一起，建立一套连续评分系统，检测人员根据评分系统可以在电脑上对糖尿病患者进行评估并筛选可以进行运动训练的患者；
2)所述学习模块提供轨迹训练、跟踪训练和熟练度评测，其中，
轨迹训练将开脉太极拳套路姿势设计成固定路线，患者根据数字显示，依次进行路线轨迹追寻，以熟悉开脉太极拳的基本动作；
跟踪训练提供视频指导和动作提示，患者需要根据指示完成指定动作；
熟练度评测根据患者的完成速度进行打分；
3)所述评测模块通过建立新的坐标系，引入标准向量的概念，对标准姿势的空间向量进行记录，通过患者相应动作与标准向量的比较，确定动作角度是否达标，减少动作误差，达到评级效果；标准向量的引入，解决不同人群因为身高臂长不同而无法制定标准距离的难点，针对不同患者，计算出不同的标准距离，通过空间距离和角度的双重评测，提高评测精度，降低角度因空间旋转出现的误差；
4)所述交互模块通过Kinect和Unity 3D技术的有效结合，提供一种远程互动训练平台，糖尿病患者可以在虚拟环境中进行太极拳的互动训练，通过网络连接可和其它老年人患者一起进行开脉太极拳训练。
所述步骤1当中的筛选模块中的BBS包涵14个分项，每个项目分值在0～4分，根据患者不同的表现进行打分，测试结果分为三挡，分为0～20分，21～40分，41～56分，三个阶段分别表示摔倒的风险程度，一般总分低于40分就不能作为实验对象。
所述步骤2当中的学习模块中的轨迹训练将开脉太极拳的不同动作设定为一定的路线，患者可以通过Kinect控制虚拟双手移动，并完成规定项目；
跟踪训练将Kinect各个动作分解成不同模块，患者通过双手移动到指定位置启动游戏，按照指示灯完成规定动作，其中提供文字指导和视频指导，患者可以通过语音识别或是点击方式启动视频指导，做到居家独自训练，完成所有动作会有一个简单的评分；
熟练度评测在跟踪训练基础上建立，将完成前项动作提示后动作，改为每一个动作提示后给予不同的完成时间，根据不同完成时间的完成比例进行打分，从而对老年人的开脉太极拳熟练度评分。
所述步骤3中评测模块中新的坐标系的构建：
Kinect感应器在探测时以仪器本身为坐标原点，X轴是从Kinect感应器角度观看，左边为正半轴，右边为负半轴，Y轴正轴竖直向上，Z表示纵深程度，Kinect摄像方向为正方向，患者在进行相关测试前，需要在Kinect设备面前竖直站立5s用于坐标系的重建，以右踝骨点、左脚点和右脚点建成水平面，凭借脊柱点、左臀点、右臀点建立冠状面，两个平面建立可以确定水平面；
为减少评测误差，采用一维中值滤波方法剔除异常滤波数据，有效提高数据精度，使数据平稳。
所述步骤3的角度评测中每一个肢体动作有两次角度测评：
第一次角度测评中，针对四肢给出四个标准方向向量标准向量是采集已熟练开脉太极人员在不同姿势下的骨骼向量，通过Kincet采集左手腕点a1、左肘点b1和左肩膀点c1、右手腕点a2、右肘点b2和右肩膀点c2、左踝骨点d1、左膝盖点e1和左臀点f1、右踝骨点d2、右膝盖点e2和右臀点f2，在角度组中建立四个向量分别是 采用骨骼点的连接向量与标准向量进行向量比较，从而确认角度是否达标；
角度计算公式如下；
组1为：
组2为：
组3为：
组4为：
根据级别不同进行打分，设定五级标准，骨骼向量与标准方向向量角度范围在5度之内，则给10分，在5度—10度就给8分，10度—15度为6分，15度—20度为4分，在20度之外均为2分；
第二次角度评测中，引入四个标准向量，与进行比较，从而确认角度是否达标。角度计算公式如下；
组1为：
组2为：
组3为：
组4为：
根据不同的级别进行打分，设定五级标准，如果骨骼向量与标准方向向量角度范围在5度之内，则给10分，在5度—10度就给8分，10度—15度为6分，15度—20度为4分，在20度之外均为2分；
所述步骤3中的距离评测为：
在进行相关评测之前，需要计算出不同人的标准距离向量，通过动态向量和标准距离向量的计算，确认距离差，从而衡量动作达标程度，引入前文中的标准向量
标准距离向量计算如下；
(1)左手标准距离向量
左手标准距离向量需要引入左手腕静态数值a1(x9,y9,z9)、左肘静态数值左肩膀静态数值c1(x13,y13,z13)、脊柱静态值k(x21,y21,z21)、左手静态数值g1(x22,y22,z22)；
左手Y值(在kinect中Y为竖直轴，Y值是左手在标准状态下坐标点数值)，通过左肩膀静态y13与脊柱静态值y21做差，加上c1到b1的长度在方向上的Y值大小(其中坐标轴正向为正，反向为负)，再加上b1到a1的长度在方向上Y值大小(其中坐标轴正向为正，反向为负)，最后加上静态左手腕y9减去静态左手y22；
横轴X的标准距离，左肩膀静态x13与脊柱静态值x21做差，加上c1到b1的长度在方向上的X值大小(其中坐标轴正向为正，反向为负)，再加上b1到a1的长度在方向上X值大小(其中坐标轴正向为正，反向为负)；
纵深轴Z的标准距离，计算c1到b1的长度在方向上的Z值大小(其中坐标轴正向为正，反向为负)，再加上b1到a1的长度在方向上Z值大小(其中坐标轴正向为正，反向为负)；
从上文可以得到左手的标准坐标位置G1(X1,Y1,Z1)，通过计算可得标准距离向量为
(2)右手标准距离向量
右手标准距离向量，需要引入右手腕静态数值右肘静态数值右肩膀静态数值c2(x14,y14,z14)、脊柱静态值k(x21,y21,z21)、右手静态数值g2(x23,y23,z23)；
按照左手计算方法可以得到右手的标准坐标位置G2(X2,Y2,Z2)，通过计算可得标准距离向量为
(3)左脚标准距离向量
左脚标准距离向量，需要引入左踝骨静态数值左膝盖静态数值左臀静态数值f1(x19,y19,z19)、脊柱静态值k(x21,y21,z21)、左手静态数值g1(x22,y22,z22)；
左脚的坐标Y值(在kinect中Y为竖直轴，Y值是左脚在标准状态下坐标点数值)，静态坐标对比点为k(x21,y21,z21)，通过左臀静态y19与脊柱静态值y21做差，加上f1到e1的长度在方向上的Y值大小(其中坐标轴正向为正，反向为负)，再加上e1到d1的长度在方向上Y值大小(其中坐标轴正向为正，反向为负)；
横轴X的标准距离，左臀静态x19与脊柱静态值x21做差，加上f1到e1的长度在方向上的X值大小(其中坐标轴正向为正，反向为负)，再加上e1到d1的长度在方向上X值大小(其中坐标轴正向为正，反向为负)；
纵深轴Z的标准距离，计算f1到e1的长度在方向上的Z值大小(其中坐标轴正向为正，反向为负)，再加上e1到d1的长度在方向上Z值大小(其中坐标轴正向为正，反向为负)，左脚和左脚踝在深度上距离差，计算左脚静态x24与左踝骨静态值x15做差；
从上文可以得到左脚的标准坐标位置H1(X3,Y3,Z3)，通过计算可得标准距离向量为
(4)右脚标准距离向量
右脚标准距离向量，需要引入右踝骨静态数值d2(x16,y16,z16)右膝盖静态数值e2(x18,y18,z18)、右臀静态数值f2(x20,y20,z20)、脊柱静态值k(x21,y21,z21)；
按左脚计算方法可得右脚的标准坐标位置H2(X4,Y4,Z4)，通过计算可得标准距离向量为
计算完标准距离向量后，需要得到动态距离向量，通过空间向量的计算可以进行距离评测；
引入左手动态数值g11(x26,y26,z26)、右手动态数值g21(x27,y27,z27)7左脚动态数值h11(x28,y28,z28)、右脚动态数值h21(x29,y29,z29)、脊柱动态数值k1(x30,y30,z30)；
求出动态向量值
而距离的计算公式如下，通过空间平移可以使得动态向量和静态向量有共同基点
左手距离向量
右手距离向量
左脚距离向量
右脚距离向量
之后计算
距离评测方法是通过计算左右手和左右脚相对标准坐标点的距离来评估距离达标程度，设定标准数据点与动态数据点的距离在20cm内为优秀距离，5分；设定标准数据点与动态数据点的距离在20cm—30cm为良好距离，4分；设定标准数据点与动态数据点的距离在30cm—40cm为及格距离，3分；其它距离为1分；
所述交互模块，需要Kinect和Unity 3D的结合运用，通过人体模型构建完成人物模型构建，将人物模型导入Unity 3D，通过骨骼绑定实现老年人患者带动模型运动，实现人机互动。
有益效果：
相比与现有技术，本发明具有以下优点：
(1)本发明侧重于II型老年糖尿病患者康复训练，提供一种教学与训练集成为一体的系统，其中将学习、评测和互动集成在一起，最后测量老年人的各项指标，提供相应的反馈信息。患者可以进行相关动作学习并纠正自己的动作，提供新的评分系统。老年人糖尿病患者可以根据自己的喜好，在家中进行学习和训练。通过测试显示，趣味性和依从性较好，患者能够通过学习训练和评测训练快速学会开脉太极拳，并通过交互平台进行开脉太极拳训练。
(2)本发明在学习模块提供语音识别技术，可根据语音信息控制模块的实施。
(3)本发明提供一种新的评测方法，将角度和距离结合在一起运用，降低误差，提供一种动态数据静态测评的方法，可指导患者完成标准动作，角度和距离的结合降低了单一角度评测的空间旋转误差现象。
(4)本发明提供一种低成本的训练系统，患者可以在家庭中训练，并得到有效的反馈。随着互联网的全面发展，适用于大多数人群，具备一定的推广价值。
附图说明：
图1为本发明的整体框架；
图2为本发明的人体骨骼图；
图3为本发明的BBS设计思路；
图4为本发明的BBS评分设计；
图5为本发明的开脉太极跟踪训练设计；
图6为角度评测；
图7为空间向量比较；
图8为距离评测；
图9交互设计界面
具体实施方式：
下面结合附图对本发明作更进一步的说明。
如图1所示，本文设计的运动训练平台包括四个模块，分别是筛选模块、学习模块、评测模块和交互模块。筛选模块针对BBS的14个分项，将选择评分体统、计时器、骨骼图像、彩色流图像和指示标结合在一起，建立一套连续评分系统，检测人员可以在电脑上对患者进行评估，减少后期统计过程，方便研究人员进行对象筛选。学习模块提供轨迹训练、跟踪训练和熟练度评测，轨迹训练将开脉太极拳套路设计成固定路线，患者根据数字显示，一次进行路线轨迹追寻，锻炼基本动作，熟悉开脉太极拳的基本动作。跟踪训练提供视频指导和动作提示，患者需要根据指示完成指定动作，根据患者的完成速度进行熟练度打分。评测模块引入标准向量的概念，将标准姿势的空间向量记录下，通过患者动作与标准向量比较，确定动作角度是否达标，减少动作误差，达到评级效果。交互模块基于Unity3D和Kinect技术，提供一种远程互动训练平台，糖尿病老人可以在虚拟环境中自己进行太极拳的训练，而且如果可以通过网络连接，和其它老年人患者一起进行相关开脉太极拳的研究。评测训练时对老年人太极拳的动作评估，将动作完成程度进行打分，最后给出每个分项得分，老年人可以根据打分的多少了解自己动作的完成状况，从而调整动作达到标准。
其中Kinect能够根据摄像头产生彩色景深数据，如何实现人机交互就需要开发新的技术。骨骼识别追踪是通过内置函数处理之前得到的景深数据从而得出人体的各个部分三坐标数据，其中包括头、肩中心、左手、右手、左手腕、右手腕、左肘、右肘、左肩膀、右肩膀、脊柱、髋关节中心、左臀、右臀、左膝盖、右膝盖、左踝骨、右踝骨、左脚和右脚。具体的骨骼坐标如图2所示。
筛选模块需要启动Kinect传感器，与计算机连接，针对BBS的14个分项，如图3所示将选择评分体统、计时器、骨骼图像、彩色流图像和指示标结合在一起，建立一套连续评分系统。
当对患者进行平衡程度测试的时候，就会出现图4的界面，其中1为上翻页，点击之后会回到上一次测试界面。2为选择项，根据测试对象的不同表现，研究人员可以在五个选项中进行选择，每个选项对应不同的分值，点击完成之后，就代表本项目测试者的得分，分值在0～4。3是人体骨骼图像，便于研究人员观察人体躯干骨的变化情况，与彩色流进行对比观测，减少观测失误造成的误差。4是本项目的指示，研究人员根据指示指导测试人员完成规定动作。5是彩色流图像，给予研究人员最直观的观测，可以提供远程彩色流图像传输，方便居家进行测试。6指计时器，在14个测试项目中有的需要在规定时间内完成相应动作，计时器可以方便研究人员测试患者完成程度，设定了开始计时、暂停和复位三个功能。7为下翻页，主要是完成本项目之后，进入下一个评分项或是进入最终界面，得出评测结果。
跟踪训练将Kinect各个动作分解成不同模块，患者通过双手移动到指定位置启动游戏，按照指示灯完成规定动作，其中提供文字指导和视频指导，患者可以通过语音识别或是点击方式启动视频指导，“start”表示播放开脉太极视频，“stop”表示暂停播放视频，“restart”表示重放视频，保证患者可以根据需要语音控制视频播放，做到居家独自训练，完成所有动作会有一个简单的评分。
如图5所示，UI界面中显示的1、6为指示灯，分别表示左右手指示灯，每次两边都会有方块闪烁，患者需要根据指示灯的闪烁执行动作，从而进入下一个动作。2、5是游戏启动按钮，需要患者进入Kinect的扫描范围，将左右手同时放在区域内才可以启动游戏。3是视频播放区域，程序内置开脉太极范例，点击按钮7，可以播放相关视频，患者如果对开脉太极不太熟悉可以通过观看视频跟随指示灯练习。4是文字提醒区域，在开启游戏之前，会提示如何启动游戏，启动游戏之后，会提示每一步需要做什么，动作的名称是什么。8是评分区，程序内置计时钟，当双手启动游戏时，时钟开始计时，游戏结束之后，内置算法根据时间的多少给训练者打分，以评判训练者的熟练程度。
熟练度评测在跟踪训练基础上建立，将完成前项动作提示后动作，改为每一个动作提示后给予不同的完成时间，根据不同完成时间的完成比例进行打分，从而对老年人的开脉太极拳熟练度评分。
如图6所示，Kinect感应器在探测时以仪器本身为坐标原点，X轴是从Kinect感应器角度观看，左边为正半轴，右边为负半轴，Y轴正轴竖直向上，Z表示纵深程度，Kinect摄像方向为正方向，患者在进行相关测试前，需要在Kinect设备面前竖直站立5s用于坐标系的重建，以右踝骨点、左脚点和右脚点建成水平面，凭借脊柱点、左臀点、右臀点建立冠状面，两个平面建立可以确定水平面；
当平面坐标系确定下来后，如图7所示，第一次角度测评中，针对四肢给出四个标准方向向量标准向量是采集已熟练开脉太极人员在不同姿势下的骨骼向量，通过Kincet采集左手腕点a1、左肘点b1和左肩膀点c1、右手腕点a2、右肘点b2和右肩膀点c2、左踝骨点d1、左膝盖点e1和左臀点f1、右踝骨点d2、右膝盖点e2和右臀点f2，在角度组中建立四个向量分别是采用骨骼点的连接向量与标准向量进行向量比较，从而确认角度是否达标；
角度计算公式如下。
组1为：
组2为：
组3为：
组4为：
根据级别不同进行打分，设定五级标准，骨骼向量与标准方向向量角度范围在5度之内，则给10分，在5度—10度就给8分，10度—15度为6分，15度—20度为4分，在20度之外均为2分；
第二次角度评测中，引入四个标准向量，与进行比较，从而确认角度是否达标。角度计算公式如下。
组1为：
组2为：
组3为：
组4为：
根据不同的级别进行打分，设定五级标准，如果骨骼向量与标准方向向量角度范围在5度之内，则给10分，在5度—10度就给8分，10度—15度为6分，15度—20度为4分，在20度之外均为2分。
在进行相关评测之前，需要计算出不同人的标准距离向量，通过动态向量和标准距离向量的计算，确认距离差，从而衡量动作达标程度，引入前文中的标准向量
标准距离向量计算如下。
(1)左手标准距离向量
左手标准距离向量需要引入左手腕静态数值a1(x9,y9,z9)、左肘静态数值左肩膀静态数值c1(x13,y13,z13)、脊柱静态值k(x21,y21,z21)、左手静态数值g1(x22,y22,z22)。
左手Y值(在kinect中Y为竖直轴，Y值是左手在标准状态下坐标点数值)，通过左肩膀静态y13与脊柱静态值y21做差，加上c1到b1的长度在方向上的Y值大小(其中坐标轴正向为正，反向为负)，再加上b1到a1的长度在方向上Y值大小(其中坐标轴正向为正，反向为负)，最后加上静态左手腕y9减去静态左手y22。
横轴X的标准距离，左肩膀静态x13与脊柱静态值x21做差，加上c1到b1的长度在方向上的X值大小(其中坐标轴正向为正，反向为负)，再加上b1到a1的长度在方向上X值大小(其中坐标轴正向为正，反向为负)。
纵深轴Z的标准距离，计算c1到b1的长度在方向上的Z值大小(其中坐标轴正向为正，反向为负)，再加上b1到a1的长度在方向上Z值大小(其中坐标轴正向为正，反向为负)。
从上文可以得到左手的标准坐标位置G1(X1,Y1,Z1)，通过计算可得标准距离向量为
(2)右手标准距离向量
右手标准距离向量，需要引入右手腕静态数值右肘静态数值右肩膀静态数值c2(x14,y14,z14)、脊柱静态值k(x21,y21,z21)、右手静态数值g2(x23,y23,z23)。
按照左手计算方法可以得到右手的标准坐标位置G2(X2,Y2,Z2)，通过计算可得标准距离向量为
(3)左脚标准距离向量
左脚标准距离向量，需要引入左踝骨静态数值左膝盖静态数值e1(x17,y17,z17)、左臀静态数值f1(x19,y19,z19)、脊柱静态值k(x21,y21,z21)、左手静态数值g1(x22,y22,z22)。
左脚的坐标Y值(在kinect中Y为竖直轴，Y值是左脚在标准状态下坐标点数值)，静态坐标对比点为k(x21,y21,z21)，通过左臀静态y19与脊柱静态值y21做差，加上f1到e1的长度在方向上的Y值大小(其中坐标轴正向为正，反向为负)，再加上e1到d1的长度在方向上Y值大小(其中坐标轴正向为正，反向为负)。
横轴X的标准距离，左臀静态x19与脊柱静态值x21做差，加上f1到e1的长度在方向上的X值大小(其中坐标轴正向为正，反向为负)，再加上e1到d1的长度在方向上X值大小(其中坐标轴正向为正，反向为负)。
纵深轴Z的标准距离，计算f1到e1的长度在方向上的Z值大小(其中坐标轴正向为正，反向为负)，再加上e1到d1的长度在方向上Z值大小(其中坐标轴正向为正，反向为负)，左脚和左脚踝在深度上距离差，计算左脚静态x24与左踝骨静态值x15做差。
从上文可以得到左脚的标准坐标位置H1(X3,Y3,Z3)，通过计算可得标准距离向量为
(4)右脚标准距离向量
右脚标准距离向量，需要引入右踝骨静态数值右膝盖静态数值右臀静态数值f2(x20,y20,z20)、脊柱静态值k(x21,y21,z21)。
按左脚计算方法可得右脚的标准坐标位置H2(X4,Y4,Z4)，通过计算可得标准距离向量为
计算完标准距离向量后，需要得到动态距离向量，通过空间向量的计算可以进行距离评测，具体如图8所示；
引入左手动态数值g11(x26,y26,z26)、右手动态数值g21(x27,y27,z27)、左脚动态数值h11(x28,y28,z28)、右脚动态数值h21(x29,y29,z29)、脊柱动态数值k1(x30,y30,z30)。
求出动态向量值
而距离的计算公式如下，通过空间平移可以使得动态向量和静态向量有共同基点
左手距离向量
右手距离向量
左脚距离向量
右脚距离向量
之后计算
距离评测方法是通过计算左右手和左右脚相对标准坐标点的距离来评估距离达标程度，设定标准数据点与动态数据点的距离在20cm内为优秀距离，5分；设定标准数据点与动态数据点的距离在20cm—30cm为良好距离，4分；设定标准数据点与动态数据点的距离在30cm—40cm为及格距离，3分；其它距离为1分。总分为100分，理论上得到60分算是一个合格动作。
交互模块通过Kinect和Unity 3D的结合运用，实现人机互动。通过3D MAX完成人物模型构建。将人物模型导入Unity 3D，通过骨骼绑定实现老年人患者带动模型运动，实现人机互动。本发明制作了一个没有贴图的骨骼模型和贴图的骨骼模型，分别对应两个使用者，在未交互之前，患者可以在同一实验环境进行开脉太极互动。如图9所示。
Claims (1)
1.一种基于Kinect传感器的老年II型糖尿病患者运动训练系统，其特征在于，主要包括筛选模块、学习模块、评测模块、交互模块，
1)所述筛选模块需要启动Kinect传感器，与计算机连接，针对BBS的14个分项，将选择评分体统、计时器、骨骼图像、彩色流图像和指示标结合在一起，建立一套连续评分系统，检测人员根据评分系统可以在电脑上对糖尿病患者进行评估并筛选可以进行运动训练的患者；
2)所述学习模块提供轨迹训练、跟踪训练和熟练度评测，其中，
轨迹训练将开脉太极拳套路姿势设计成固定路线，患者根据数字显示，依次进行路线轨迹追寻，以熟悉开脉太极拳的基本动作；
跟踪训练提供视频指导和动作提示，患者需要根据指示完成指定动作；
熟练度评测根据患者的完成速度进行打分；
3)所述评测模块通过建立新的坐标系，引入标准向量的概念，对标准姿势的空间向量进行记录，通过患者相应动作与标准向量的比较，确定动作角度是否达标，减少动作误差，达到评级效果；标准向量的引入，解决不同人群因为身高臂长不同而无法制定标准距离的难点，针对不同患者，计算出不同的标准距离，通过空间距离和角度的双重评测，提高评测精度，降低角度因空间旋转出现的误差；
4)所述交互模块通过Kinect和Unity 3D技术的有效结合，提供一种远程互动训练平台，糖尿病患者可以在虚拟环境中进行太极拳的互动训练，通过网络连接可和其它老年人患者一起进行开脉太极拳训练，
所述步骤3的角度评测中每一个肢体动作有两次角度测评：
第一次角度测评中，针对四肢给出四个标准方向向量标准向量是采集已熟练开脉太极人员在不同姿势下的骨骼向量，通过Kincet采集左手腕点a1、左肘点b1和左肩膀点c1、右手腕点a2、右肘点b2和右肩膀点c2、左踝骨点d1、左膝盖点e1和左臀点f1、右踝骨点d2、右膝盖点e2和右臀点f2，在角度组中建立四个向量分别是 采用骨骼点的连接向量与标准向量进行向量比较，从而确认角度是否达标；
角度计算公式如下：
组1为：
组2为：
组3为：
组4为：
根据级别不同进行打分，设定五级标准，骨骼向量与标准方向向量角度范围在5度之内，则给10分，在5度—10度就给8分，10度—15度为6分，15度—20度为4分，在20度之外均为2分；
第二次角度评测中，引入四个标准向量，与进行比较，从而确认角度是否达标，角度计算公式如下；
组1为：
组2为：
组3为：
组4为：
根据不同的级别进行打分，设定五级标准，如果骨骼向量与标准方向向量角度范围在5度之内，则给10分，在5度—10度就给8分，10度—15度为6分，15度—20度为4分，在20度之外均为2分，
所述步骤3中的距离评测为：
在进行相关评测之前，需要计算出不同人的标准距离向量，通过动态向量和标准距离向量的计算，确认距离差，从而衡量动作达标程度，引入前文中的标准向量
标准距离向量计算如下：
(1)左手标准距离向量
左手标准距离向量需要引入左手腕静态数值a1(x9,y9,z9)、左肘静态数值b1(x11,y11,z11)、左肩膀静态数值c1(x13,y13,z13)、脊柱静态值k(x21,y21,z21)、左手静态数值g1(x22,y22,z22)；
左手Y值(在kinect中Y为竖直轴，Y值是左手在标准状态下坐标点数值)，通过左肩膀静态y13与脊柱静态值y21做差，加上c1到b1的长度在方向上的Y值大小(其中坐标轴正向为正，反向为负)，再加上b1到a1的长度在方向上Y值大小(其中坐标轴正向为正，反向为负)，最后加上静态左手腕y9减去静态左手y22；
横轴X的标准距离，左肩膀静态x13与脊柱静态值x21做差，加上c1到b1的长度在方向上的X值大小(其中坐标轴正向为正，反向为负)，再加上b1到a1的长度在方向上X值大小(其中坐标轴正向为正，反向为负)；
纵深轴Z的标准距离，计算c1到b1的长度在方向上的Z值大小(其中坐标轴正向为正，反向为负)，再加上b1到a1的长度在方向上Z值大小(其中坐标轴正向为正，反向为负)；
从上文可以得到左手的标准坐标位置G1(X1,Y1,Z1)，通过计算可得标准距离向量为
(2)右手标准距离向量
右手标准距离向量，需要引入右手腕静态数值a2(x10,y10,z10)、右肘静态数值b2(x12,y12,z12)、右肩膀静态数值c2(x14,y14,z14)、脊柱静态值k(x21,y21,z21)、右手静态数值g2(x23,y23,z23)；
按照左手计算方法可以得到右手的标准坐标位置G2(X2,Y2,Z2)，通过计算可得标准距离向量为
(3)左脚标准距离向量
左脚标准距离向量，需要引入左踝骨静态数值d1(x15,y15,z15)、左膝盖静态数值e1(x17,y17,z17)、左臀静态数值f1(x19,y19,z19)、脊柱静态值k(x21,y21,z21)、左手静态数值g1(x22,y22,z22)；
左脚的坐标Y值(在kinect中Y为竖直轴，Y值是左脚在标准状态下坐标点数值)， 静态坐标对比点为k(x21,y21,z21)，通过左臀静态y19与脊柱静态值y21做差，加上f1到e1的长度在方向上的Y值大小(其中坐标轴正向为正，反向为负)，再加上e1到d1的长度在方向上Y值大小(其中坐标轴正向为正，反向为负)；
横轴X的标准距离，左臀静态x19与脊柱静态值x21做差，加上f1到e1的长度在方向上的X值大小(其中坐标轴正向为正，反向为负)，再加上e1到d1的长度在方向上X值大小(其中坐标轴正向为正，反向为负)；
纵深轴Z的标准距离，计算f1到e1的长度在方向上的Z值大小(其中坐标轴正向为正，反向为负)，再加上e1到d1的长度在方向上Z值大小(其中坐标轴正向为正，反向为负)，左脚和左脚踝在深度上距离差，计算左脚静态x24与左踝骨静态值x15做差；
从上文可以得到左脚的标准坐标位置H1(X3,Y3,Z3)，通过计算可得标准距离向量为
(4)右脚标准距离向量
右脚标准距离向量，需要引入右踝骨静态数值d2(x16,y16,z16)右膝盖静态数值e2(x18,y18,z18)、右臀静态数值f2(x20,y20,z20)、脊柱静态值k(x21,y21,z21)；
按左脚计算方法可得右脚的标准坐标位置H2(X4,Y4,Z4)，通过计算可得标准距离向量为
计算完标准距离向量后，需要得到动态距离向量，通过空间向量的计算可以进行距离评测；
引入左手动态数值g11(x26,y26,z26)、右手动态数值g21(x27,y27,z27)、左脚动态数值h11(x28,y28,z28)、右脚动态数值h21(x29,y29,z29)、脊柱动态数值k1(x30,y30,z30)；
求出动态向量值
而距离的计算公式如下，通过空间平移可以使得动态向量和静态向量有共同基点
左手距离向量
右手距离向量
左脚距离向量
右脚距离向量
之后计算
距离评测方法是通过计算左右手和左右脚相对标准坐标点的距离来评估距离达标程度，设定标准数据点与动态数据点的距离在20cm内为优秀距离，5分；设定标准数据点与动态数据点的距离在20cm—30cm为良好距离，4分；设定标准数据点与动态数据点的距离在30cm—40cm为及格距离，3分；其它距离为1分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610841119.0A CN106485055B (zh) | 2016-09-22 | 2016-09-22 | 一种基于Kinect传感器的老年II型糖尿病患者运动训练系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610841119.0A CN106485055B (zh) | 2016-09-22 | 2016-09-22 | 一种基于Kinect传感器的老年II型糖尿病患者运动训练系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106485055A CN106485055A (zh) | 2017-03-08 |
| CN106485055B true CN106485055B (zh) | 2017-09-29 |
Family
ID=58268510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610841119.0A Expired - Fee Related CN106485055B (zh) | 2016-09-22 | 2016-09-22 | 一种基于Kinect传感器的老年II型糖尿病患者运动训练系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106485055B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109308437B (zh) * | 2017-07-28 | 2022-06-24 | 上海史贝斯健身管理有限公司 | 动作识别纠错方法、电子设备、存储介质 |
| CN108171187A (zh) * | 2018-01-04 | 2018-06-15 | 中国电子科技集团公司电子科学研究院 | 一种基于骨点提取的异常行为自动识别方法及装置 |
| CN108721870B (zh) * | 2018-01-23 | 2023-05-26 | 吉林大学 | 一种基于虚拟环境的运动训练评价方法 |
| CN110298220B (zh) * | 2018-03-23 | 2021-11-09 | 上海史贝斯健身管理有限公司 | 动作视频直播方法、系统、电子设备、存储介质 |
| CN110298218B (zh) * | 2018-03-23 | 2022-03-04 | 上海史贝斯健身管理有限公司 | 交互式健身装置和交互式健身系统 |
| CN110428486B (zh) * | 2018-04-28 | 2022-09-27 | 上海史贝斯健身管理有限公司 | 虚拟互动的健身方法、电子设备及存储介质 |
| CN108905136A (zh) * | 2018-07-25 | 2018-11-30 | 山东体育学院 | 一种太极拳学习智能动作诊断反馈系统 |
| CN111353345B (zh) * | 2018-12-21 | 2024-04-16 | 上海史贝斯健身管理有限公司 | 提供训练反馈的方法、装置、系统、电子设备、存储介质 |
| CN110047591B (zh) * | 2019-04-23 | 2023-02-21 | 吉林大学 | 一种针对外科手术过程中医生姿态评估方法 |
| CN110693500B (zh) * | 2019-10-12 | 2022-05-10 | 中国科学院深圳先进技术研究院 | 平衡能力的练习评估方法、装置、服务器和存储介质 |
| CN110941990B (zh) * | 2019-10-22 | 2023-06-16 | 泰康保险集团股份有限公司 | 基于骨骼关键点进行人体动作评估的方法和装置 |
| CN111047925B (zh) * | 2019-12-06 | 2021-06-25 | 山东大学 | 基于房间式互动投影的动作学习系统及方法 |
| CN112641441B (zh) * | 2020-12-18 | 2024-01-02 | 河南翔宇医疗设备股份有限公司 | 一种体态评估方法、系统、装置及计算机可读存储介质 |
| CN113598756B (zh) * | 2021-07-27 | 2024-04-02 | 中科全联科技(北京)有限公司 | 脊柱健康情况监测方法 |
| CN118016242B (zh) * | 2024-04-09 | 2024-06-07 | 南京康尼机电股份有限公司 | 一种人体运动功能纠正训练方案的生成方法及系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2613276A1 (en) * | 2012-01-04 | 2013-07-10 | Gabriele Ceruti | Method and apparatus for neuromotor rehabilitation using interactive setting systems |
| CN102824176B (zh) * | 2012-09-24 | 2014-06-04 | 南通大学 | 一种基于Kinect传感器的上肢关节活动度测量方法 |
| CN103230664B (zh) * | 2013-04-17 | 2015-07-01 | 南通大学 | 一种基于Kinect传感器的上肢运动康复训练系统及其训练方法 |
| GB201310523D0 (en) * | 2013-06-13 | 2013-07-24 | Biogaming Ltd | Personal digital trainer for physio-therapeutic and rehabilitative video games |
| CN103706106B (zh) * | 2013-12-30 | 2015-12-30 | 南京大学 | 一种基于Kinect的自适应连续动作训练方法 |
| CN104317386B (zh) * | 2014-06-25 | 2017-08-04 | 西南科技大学 | 一种姿势序列有限状态机动作识别方法 |
| CN104524742A (zh) * | 2015-01-05 | 2015-04-22 | 河海大学常州校区 | 一种基于Kinect传感器的脑瘫儿童康复训练方法 |
-
2016
- 2016-09-22 CN CN201610841119.0A patent/CN106485055B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN106485055A (zh) | 2017-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106485055B (zh) | 一种基于Kinect传感器的老年II型糖尿病患者运动训练系统 | |
| US11638853B2 (en) | Augmented cognition methods and apparatus for contemporaneous feedback in psychomotor learning | |
| JP6938542B2 (ja) | 組込みセンサと外界センサとを組み合わせる多関節トラッキングのための方法およびプログラム製品 | |
| CN104379056B (zh) | 用于肌肉活动的采集和分析的系统及其操作方法 | |
| Ishii et al. | Kinematic comparison of the seoi-nage judo technique between elite and college athletes | |
| CN113709411A (zh) | 一种mr智能眼镜基于眼动追踪技术的体育辅助训练系统 | |
| Rahman et al. | Modeling therapy rehabilitation sessions using non-invasive serious games | |
| Tisserand et al. | Preservation and gamification of traditional sports | |
| TWI509556B (zh) | Goal - oriented Rehabilitation Auxiliary System and Its Work Setting Method | |
| Yeh et al. | Virtual reality for post-stroke shoulder-arm motor rehabilitation: Training system & assessment method | |
| Schack | Mental representation in action: A cognitive architecture approach | |
| CN114832349A (zh) | 元宇宙游泳教学辅助系统及其使用方法 | |
| Song | [Retracted] Basketball Technology Simulation Application Based on Virtual Reality | |
| Mocanu et al. | Improving Physical Activity Through Exergames. | |
| Lin et al. | The effect of a badminton teaching system using Kinect on badminton skill performance. | |
| Yao et al. | Research on position optimization of badminton doubles based on wireless sensor and human-computer interactive training | |
| Liu et al. | A Movement Training Platform for Old Patients Suffering from Type II Diabetes Based on Human Computer Interaction | |
| Sotheran | Real-time analysis and feedback of performance indicators in elite diving | |
| CN116313039A (zh) | 孤独症儿童运动能力的智能化评估系统 | |
| Stanica et al. | ASSISTIVE VIRTUAL REALITY SYSTEM FOR TRAINING PEOPLE WITH NEURO-MOTOR DISABILITIES AND MEDICAL PERSONNEL INVOLVED IN THEIR RECOVERY | |
| Christopher et al. | Instrumented Activity Dice for Assessing Throwing Performance: A Pilot Study | |
| Yeh et al. | Stroke Rehabilitation via a Haptics-Enhanced Virtual Reality System | |
| Khaksar | A Framework for Gamification of Human Joint Remote Rehabilitation, Incorporating Non-Invasive Sensors | |
| Blažica et al. | 3D serious games for Parkinson’s disease management | |
| NAN | DEVELOPMENT OF A COMPUTER PROGRAM TO ASSIST UPPER LIMB REHABILITATION USING KINECT |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170929 Termination date: 20190922 |