CN106599540A - 一种非标记式手部康复指数的计算方法 - Google Patents

一种非标记式手部康复指数的计算方法 Download PDF

Info

Publication number
CN106599540A
CN106599540A CN201611036602.8A CN201611036602A CN106599540A CN 106599540 A CN106599540 A CN 106599540A CN 201611036602 A CN201611036602 A CN 201611036602A CN 106599540 A CN106599540 A CN 106599540A
Authority
CN
China
Prior art keywords
hand
image
healthy
affected
fist
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
CN201611036602.8A
Other languages
English (en)
Inventor
陈惠卿
陈国杰
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.)
Foshan University
Original Assignee
Foshan University
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 Foshan University filed Critical Foshan University
Priority to CN201611036602.8A priority Critical patent/CN106599540A/zh
Publication of CN106599540A publication Critical patent/CN106599540A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G06V40/11—Hand-related biometrics; Hand pose recognition
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G06V40/117—Biometrics derived from hands

Landscapes

  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种非标记式手部康复指数的计算方法，包括：通过摄像设备采集患者的手部图像，所述手部图像包括健手舒展图像、健手握拳图像及患手握拳图像；分别提取每一手部图像中的手部轮廓；分别提取每一手部轮廓中的特征点，所述特征点包括指尖及掌心；根据每一手部图像中特征点的位置确定患手的康复指数。采用本发明，可快速、精确地计算患手的康复指数，从而将患者的康复情况转换为数字量，有效地指导医师对患者的康复情况进行评估，进一步完善康复计划，以选择具有临床治疗价值的手部动作。

Description

一种非标记式手部康复指数的计算方法
技术领域
本发明涉及医学技术领域，尤其涉及一种非标记式手部康复指数的计算方法。
背景技术
我国上肢残疾并伴功能障碍者超过400百万人，其中绝大部分为手功能（手的感觉、运动功能）障碍。在我国，随着偏瘫患者数量的逐年增加，患者运动功能的康复越来越多地引起人们的重视。尤其是手功能恢复对患者的日常生活能力影响很大，也是康复治疗中难以解决的问题之一，已成为现代康复医学的研究热点。
目前，国内有穿戴式手功能康复机器人，但是针对工伤患者进行精细化训练，对关节运动，表面机电信号的辨识等进行深度研究，或者对手部肌肉群体的力量控制等设备的研发非常少。
发明内容
本发明所要解决的技术问题在于，提供一种非标记式手部康复指数的计算方法，可快速、精确地计算患手的康复指数，从而将患者的康复情况转换为数字量，有效地指导医师对患者的康复情况进行评估。
为了解决上述技术问题，本发明提供了一种非标记式手部康复指数的计算方法，包括：通过摄像设备采集患者的手部图像，所述手部图像包括健手舒展图像、健手握拳图像及患手握拳图像；分别提取每一手部图像中的手部轮廓；分别提取每一手部轮廓中的特征点，所述特征点包括指尖及掌心； 根据每一手部图像中特征点的位置确定患手的康复指数。
作为上述方案的改进，所述健手舒展图像是指患者的健手完全舒展时的图像，图像要求手指和掌背紧贴基准面并且各手指之间相互分开；所述健手握拳图像是指患者的健手握拳时的图像，图像要求掌背紧贴基准面；所述患手握拳图像是指患者的患手尝试紧握拳时的图像，图像要求掌背紧贴基准面。
作为上述方案的改进，所述根据每一手部图像中特征点的位置确定患手的康复指数的方法包括：在健手舒展图像中分别提取健手舒展时各指尖与掌心之间的距离An；在健手握拳图像中分别提取健手握拳时各指尖与掌心之间的距离Bn；在患手握拳图像中分别提取患手尝试紧握拳时各指尖与掌心之间的距离Cn；根据公式Kn=（An-Bn）/（Cn-Bn）计算患手的康复指数Kn，其中，n=1表示食指，n=2表示中指，n=3表示无名指，n=4表示小拇指。
作为上述方案的改进，所述实时采集患者的手部图像时，手部下方使用与手部颜色有较大反差的颜色作为背景，摄像设备的摄像头俯视掌心采集图像。
作为上述方案的改进，所述根据每一手部图像中特征点的位置确定患手的康复指数时，根据拇指位置判断手部图像是健手的手部图像还是患手的手部图像。
作为上述方案的改进，采用二值化方法分别提取每一手部图像中的手部轮廓。
实施本发明，具有如下有益效果：
本发明通过摄像设备采集患者的手部图像，并从手部图像中提取特征点，从而根据手部图像中特征点的位置快速、精确地计算患手的康复指数，实现了将患者的康复情况转换为数字量，有效地指导医师对患者的康复情况进行评估，进一步完善康复计划，以选择具有临床治疗价值的手部动作。
同时，本发明不需要对患者的手部进行标识，也不需要佩戴任何仪器、设备，可有效减轻患者的负担，加快检查效率。
附图说明
图1是本发明非标记式手部康复指数的计算方法的流程图；
图2是本发明中“根据每一手部图像中特征点的位置确定患手的康复指数”的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。仅此声明，本发明在文中出现或即将出现的上、下、左、右、前、后、内、外等方位用词，仅以本发明的附图为基准，其并不是对本发明的具体限定。
参见图1，图1显示了本发明非标记式手部康复指数的计算方法，包括：
S101，通过摄像设备采集患者的手部图像。
所述手部图像包括健手舒展图像、健手握拳图像及患手握拳图像。其中，所述健手舒展图像是指患者的健手完全舒展时的图像，图像要求手指和掌背紧贴基准面并且各手指之间相互分开；所述健手握拳图像是指患者的健手握拳时的图像，图像要求掌背紧贴基准面；所述患手握拳图像是指患者的患手尝试紧握拳时的图像，图像要求掌背紧贴基准面。
进一步，所述实时采集患者的手部图像时，手部下方使用与手部颜色有较大反差的颜色（如，黑色）作为背景，摄像设备的摄像头俯视掌心采集图像。
S102，分别提取每一手部图像中的手部轮廓。
采用二值化方法分别提取每一手部图像中的手部轮廓。
S103，分别提取每一手部轮廓中的特征点，所述特征点包括指尖及掌心。
S104，根据每一手部图像中特征点的位置确定患手的康复指数。
需要说明的是，所述根据每一手部图像中特征点的位置确定患手的康复指数时，可根据拇指位置区分左右手，即可根据拇指位置判断手部图像是健手的手部图像还是患手的手部图像。
进一步，如图2所示，所述根据每一手部图像中特征点的位置确定患手的康复指数的方法包括：
S201，在健手舒展图像中分别提取健手舒展时各指尖与掌心之间的距离An；
具体地，舒展时健手食指与掌心之间的距离为A1，舒展时健手中指与掌心之间的距离为A2，舒展时健手无名指与掌心之间的距离为A3，舒展时健手小拇指与掌心之间的距离为A4。
S202，在健手握拳图像中分别提取健手握拳时各指尖与掌心之间的距离Bn；
具体地，握拳时健手食指与掌心之间的距离为B1，握拳时健手中指与掌心之间的距离为B2，握拳时健手无名指与掌心之间的距离为B3，握拳时健手小拇指与掌心之间的距离为B4。
S203，在患手握拳图像中分别提取患手尝试紧握拳时各指尖与掌心之间的距离Cn；
具体地，握拳时患手食指与掌心之间的距离为C1，握拳时患手中指与掌心之间的距离为C2，握拳时患手无名指与掌心之间的距离为C3，握拳时患手小拇指与掌心之间的距离为C4。
S204，根据公式Kn=（An-Bn）/（Cn-Bn）计算患手的康复指数Kn，其中，n=1表示食指，n=2表示中指，n=3表示无名指，n=4表示小拇指。
具体地，患手食指的康复指数为（A1-B1）/（C1-B1），患手中指的康复指数为（A2-B2）/（C2-B2），患手无名指的康复指数为（A3-B3）/（C3-B3），患手小拇指的康复指数为（A4-B4）/（C4-B4）。
由上可知，通过本发明可快速、精确地计算患手的康复指数，从而将患者的康复情况转换为数字量，有效地指导医师对患者的康复情况进行评估，进一步完善康复计划，以选择具有临床治疗价值的手部动作。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (6)

1.一种非标记式手部康复指数的计算方法，其特征在于，包括：
通过摄像设备采集患者的手部图像，所述手部图像包括健手舒展图像、健手握拳图像及患手握拳图像；
分别提取每一手部图像中的手部轮廓；
分别提取每一手部轮廓中的特征点，所述特征点包括指尖及掌心；
根据每一手部图像中特征点的位置确定患手的康复指数。
2.如权利要求1所述的非标记式手部康复指数的计算方法，其特征在于，
所述健手舒展图像是指患者的健手完全舒展时的图像，图像要求手指和掌背紧贴基准面并且各手指之间相互分开；
所述健手握拳图像是指患者的健手握拳时的图像，图像要求掌背紧贴基准面；
所述患手握拳图像是指患者的患手尝试紧握拳时的图像，图像要求掌背紧贴基准面。
3.如权利要求2所述的非标记式手部康复指数的计算方法，其特征在于，所述根据每一手部图像中特征点的位置确定患手的康复指数的方法包括：
在健手舒展图像中分别提取健手舒展时各指尖与掌心之间的距离An；
在健手握拳图像中分别提取健手握拳时各指尖与掌心之间的距离Bn；
在患手握拳图像中分别提取患手尝试紧握拳时各指尖与掌心之间的距离Cn；
根据公式Kn=（An-Bn）/（Cn-Bn）计算患手的康复指数Kn，其中，n=1表示食指，n=2表示中指，n=3表示无名指，n=4表示小拇指。
4.如权利要求2所述的非标记式手部康复指数的计算方法，其特征在于，所述实时采集患者的手部图像时，手部下方使用与手部颜色有较大反差的颜色作为背景，摄像设备的摄像头俯视掌心采集图像。
5.如权利要求2所述的非标记式手部康复指数的计算方法，其特征在于，所述根据每一手部图像中特征点的位置确定患手的康复指数时，根据拇指位置判断手部图像是健手的手部图像还是患手的手部图像。
6.如权利要求1所述的非标记式手部康复指数的计算方法，其特征在于，采用二值化方法分别提取每一手部图像中的手部轮廓。
CN201611036602.8A 2016-11-23 2016-11-23 一种非标记式手部康复指数的计算方法 Pending CN106599540A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611036602.8A CN106599540A (zh) 2016-11-23 2016-11-23 一种非标记式手部康复指数的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611036602.8A CN106599540A (zh) 2016-11-23 2016-11-23 一种非标记式手部康复指数的计算方法

Publications (1)

Publication Number Publication Date
CN106599540A true CN106599540A (zh) 2017-04-26

Family

ID=58592688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611036602.8A Pending CN106599540A (zh) 2016-11-23 2016-11-23 一种非标记式手部康复指数的计算方法

Country Status (1)

Country Link
CN (1) CN106599540A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112017780A (zh) * 2020-08-24 2020-12-01 闽南师范大学 一种伤指运动功能康复程度的评估系统及其方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104887238A (zh) * 2015-06-10 2015-09-09 上海大学 基于动作捕捉的手康复训练评估系统和方法
CN105488802A (zh) * 2015-12-07 2016-04-13 清华大学 一种指尖深度检测方法及系统
CN105844096A (zh) * 2016-03-19 2016-08-10 上海大学 基于图像处理技术的手功能评价方法
CN105902273A (zh) * 2016-04-11 2016-08-31 上海大学 一种基于人手尺偏动作的手功能康复定量评估方法
CN106063707A (zh) * 2016-05-28 2016-11-02 上海大学 基于手各个部位在三维空间位置变化的手功能评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104887238A (zh) * 2015-06-10 2015-09-09 上海大学 基于动作捕捉的手康复训练评估系统和方法
CN105488802A (zh) * 2015-12-07 2016-04-13 清华大学 一种指尖深度检测方法及系统
CN105844096A (zh) * 2016-03-19 2016-08-10 上海大学 基于图像处理技术的手功能评价方法
CN105902273A (zh) * 2016-04-11 2016-08-31 上海大学 一种基于人手尺偏动作的手功能康复定量评估方法
CN106063707A (zh) * 2016-05-28 2016-11-02 上海大学 基于手各个部位在三维空间位置变化的手功能评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肖阳等: "基于虚拟现实技术的手功能康复评估训练系统的设计", 《中国康复理论与实践》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112017780A (zh) * 2020-08-24 2020-12-01 闽南师范大学 一种伤指运动功能康复程度的评估系统及其方法
CN112017780B (zh) * 2020-08-24 2023-06-06 闽南师范大学 一种伤指运动功能康复程度的评估系统

Similar Documents

Publication Publication Date Title
WO2018120964A1 (zh) 一种基于深度信息和骨骼信息的姿势矫正方法
CN113940856B (zh) 一种基于肌电-惯性信息的手部康复训练装置及方法
Dwivedi et al. A soft exoglove equipped with a wearable muscle-machine interface based on forcemyography and electromyography
CN106361346A (zh) 一种基于传感技术的手部康复指数的计算方法
US20150003687A1 (en) Motion information processing apparatus
Luh et al. Muscle-gesture robot hand control based on sEMG signals with wavelet transform features and neural network classifier
CN101719015A (zh) 指示手势的手指尖定位方法
CN107422852A (zh) 手功能康复训练评估方法和系统
Bian et al. SVM based simultaneous hand movements classification using sEMG signals
Yang et al. Towards zero re-training for long-term hand gesture recognition via ultrasound sensing
CN111696645A (zh) 一种基于表面肌电信号的手部外骨骼康复训练装置及方法
Naik et al. Classification of finger extension and flexion of EMG and Cyberglove data with modified ICA weight matrix
CN110478860A (zh) 基于手物自然交互的手部功能障碍虚拟康复系统
CN111208907A (zh) 基于肌电信号和手指关节形变信号的手语识别系统及方法
Yang et al. Real-time myocontrol of a human–computer interface by paretic muscles after stroke
CN115346670A (zh) 基于姿态识别的帕金森病评级方法、电子设备及介质
CN106599540A (zh) 一种非标记式手部康复指数的计算方法
CN106562764A (zh) 一种标记式手部康复指数的计算方法
Wang et al. Recognizing wearable upper-limb rehabilitation gestures by a hybrid multi-feature neural network
CN115105821A (zh) 一种基于OpenPose的体操训练辅助系统
CN110787439A (zh) 一种基于电子数据采集的武术训练评估装置
Yokoyama et al. Logistic regression analysis of multiple interosseous hand-muscle activities using surface electromyography during finger-oriented tasks
CN211577848U (zh) 一种手语识别系统和手势控制系统
KR101085536B1 (ko) 제스처 인식을 이용한 인터페이스 구성방법
CN108268818A (zh) 基于表面肌电信号和加速度的手势识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170426