CN107422852A - 手功能康复训练评估方法和系统 - Google Patents
手功能康复训练评估方法和系统 Download PDFInfo
- Publication number
- CN107422852A CN107422852A CN201710502809.8A CN201710502809A CN107422852A CN 107422852 A CN107422852 A CN 107422852A CN 201710502809 A CN201710502809 A CN 201710502809A CN 107422852 A CN107422852 A CN 107422852A
- Authority
- CN
- China
- Prior art keywords
- hand
- finger
- action
- user
- motion
- 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
Links
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B23/00—Exercising apparatus specially adapted for particular parts of the body
- A63B23/035—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously
- A63B23/12—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously for upper limbs or related muscles, e.g. chest, upper back or shoulder muscles
- A63B23/16—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously for upper limbs or related muscles, e.g. chest, upper back or shoulder muscles for hands or fingers
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明提供了一种手功能康复训练评估方法和系统，包括：确定预设手部规范动作中需要检测的手部关节点；通过体感设备捕捉所述需要检测的手部关节点的坐标位置，并分析出用户手部的运动状态和姿势；实时跟踪显示用户手部的运动状态和姿势；判断用户手部的运动状态和姿势是否与预设手部规范动作相符合；若不符合预设手部规范动作，则输出提示信息；若符合预设手部规范动作，则计算出用户手部动作完成度的量化值；输出所述量化值作为用户手功能康复训练的结果。本发明避免了外部传感器对用户手部运动的干扰，并且通过实时跟踪显示用户的手部动作来直观地反映用户的训练过程，从而为医生和用户提供了更加精确的康复训练评估结果。
Description
技术领域
本发明涉及医疗器械技术领域，具体地，涉及手功能康复训练评估方法和系统。
背景技术
手功能康复训练能够有效帮助偏瘫患者恢复手部功能，一般手的功能模式可以分为两种：力性抓握和精确抓握。力性抓握是拇指运动与手部尺侧的环指和小指用力屈伸相结合所产生的动作。而精确抓握是由手的桡侧部分参与完成的较精细的功能动作。若要进行手功能的康复训练，则需要从这两个方面入手，通过手部完成相应的动作来达到康复治疗的效果。
为了便于康复治疗的进行，以及保证康复训练的精确性，手功能康复训练机器人已经成为了一项重点的研究对象。手功能康复训练机器人能够使得患者的康复训练更为系统，科学。患者可以通过康复训练机器人进行自主训练，而不必每次训练都需要医护人员陪同进行观察记录。同时，康复训练机器人也能够更为高效地对患者的康复训练成果进行评估。
目前，现有的基于传感技术的手功能康复训练指数的计算方法，通过使用空间传感器获取目标关节的位置。从而可以将用户康复训练的成果转化为数字量，以便医生以及患者能够更为直观地了解康复情况。但是，这种方法在此康复训练过程中，用户需要全程佩戴智能手套，对用户的手部动作存在干扰。另外，上述方法虽然能将训练成果数字量化，却无法让用户直观地，实时地感受到训练成果的进步，无法得知每一个单一的训练动作的效果，只能在训练结束后得出训练成果。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种手功能康复训练评估方法和系统。
根据本发明提供的手功能康复训练评估方法，包括：
步骤1：确定预设手部规范动作中需要检测的手部关节点；
步骤2：通过体感设备捕捉所述需要检测的手部关节点的坐标位置，并分析出用户手部的运动状态和姿势；
步骤3：实时跟踪显示用户手部的运动状态和姿势；
步骤4：判断用户手部的运动状态和姿势是否与预设手部规范动作相符合；若不符合预设手部规范动作，则输出提示信息；若符合预设手部规范动作，则计算出用户手部动作完成度的量化值；
步骤5：输出所述量化值作为用户手功能康复训练的结果。
可选地，所述步骤1中需要检测的手部关节点包括：各个手指的骨节、手掌心。
可选地，所述步骤2包括：
步骤2.1：通过体感设备Leap Motion捕捉所述需要检测的手部关节点的坐标位置，通过所述体感设备Leap Motion中的SDK包提供的坐标系转换函数，得到所述需要检测的手部关节点在深度空间中对应的空间三维坐标和空间矢量；
步骤2.2：根据所述需要检测的手部关节点在深度空间中对应的空间三维坐标获取各个关节点之间的相对距离，根据所述需要检测的手部关节点在深度空间中对应的空间矢量获取各个手指之间的夹角以及每个手指不同骨节之间的夹角；
步骤2.3：根据各个关节点之间的相对距离、各个手指之间的夹角以及每个手指不同骨节之间的夹角确定用户手部的运动状态和姿势；其中：
通过各个关节点之间的相对距离和各个手指之间的夹角来确定手指与手掌心的位置关系；
通过每个手指两两骨节之间的夹角来确定每个手指的弯曲程度。
可选地，所述步骤3包括：
根据体感设备分析出的用户手部的运动状态和姿势来生成虚拟手，所述虚拟手用于同步显示用户手部的运动状态和姿势。
可选地，所述步骤4中若符合预设手部规范动作，则计算出用户手部动作完成度的量化值，所述量化至包括：动作完成系数和动作完成得分score；
根据每个预设动作对应的用户手部各关节数据相关的公式来计算所述预设动作完成度的数字量，其中：
舒展动作时，动作完成得分的计算公式如下：
Score＝(a-Afti)*t+60；
式中：Afti表示第i根手指第1指节和第3指节之间的夹角，下标i为大于等于1小于等于5的整数；a表示设定的第一训练参数，t表示设定的第二训练参数；其中a和t的值根据训练要求来设定；
当舒展动作中伸指的手指为多个时，伸指动作的完成分为所有手指动作完成得分的平均值；
对指动作时，动作完成得分的计算公式如下：
Score＝(a-bd)*t+60；
式中：bd表示所需对指两指节的距离；
握拳动作时，动作完成得分的计算公式如下：
Score＝(a-tp)*t+60；
式中：tp表示大拇指第三指节与掌心的距离；
抓握动作时，动作完成得分的计算公式如下：
根据本发明提供的手部康复训练评估系统，包括：获取模块、体感设备、显示模块、分析模块以及输出模块；
所述获取模块，用于确定预设手部规范动作中需要检测的手部关节点；
所述体感设备，用于捕捉所述需要检测的手部关节点的坐标位置，并分析出用户手部的运动状态和姿势；
所述显示模块，用于实时跟踪显示用户手部的运动状态和姿势；
所述分析模块，用于判断用户手部的运动状态和姿势是否与预设手部规范动作相符合；若不符合预设手部规范动作，则输出提示信息；若符合预设手部规范动作，则计算出用户手部动作完成度的量化值；
所述输出模块，用于输出所述量化值作为用户手功能康复训练的结果。
可选地，所述获取模块中需要检测的手部关节点包括：各个手指的骨节、手掌心。
可选地，所述体感设备，包括：体感设备Leap Motion，所述体感设备Leap Motion具体用于：
捕捉所述需要检测的手部关节点的坐标位置，通过所述体感设备Leap Motion中的SDK包提供的坐标系转换函数，得到所述需要检测的手部关节点在深度空间中对应的空间三维坐标和空间矢量；
根据所述需要检测的手部关节点在深度空间中对应的空间三维坐标获取各个关节点之间的相对距离，根据所述需要检测的手部关节点在深度空间中对应的空间矢量获取各个手指之间的夹角以及每个手指不同骨节之间的夹角；
根据各个关节点之间的相对距离、各个手指之间的夹角以及每个手指不同骨节之间的夹角确定用户手部的运动状态和姿势；其中：
通过各个关节点之间的相对距离和各个手指之间的夹角来确定手指与手掌心的位置关系；
通过每个手指两两骨节之间的夹角来确定每个手指的弯曲程度。
可选地，所述显示模块，具体用于：根据体感设备分析出的用户手部的运动状态和姿势来生成虚拟手，所述虚拟手用于同步显示用户手部的运动状态和姿势。
可选地，所述分析模块，具体用于：计算出用户手部动作完成度的量化值，所述量化至包括：动作完成系数和动作完成得分score；
根据每个预设动作对应的用户手部各关节数据相关的公式来计算所述预设动作完成度的数字量，其中：
舒展动作时，动作完成得分的计算公式如下：
Score＝(a-Afti)*t+60；
式中：Afti表示第i根手指第1指节和第3指节之间的夹角，下标i为大于等于1小于等于5的整数；a表示设定的第一训练参数，t表示设定的第二训练参数；其中a和t的值根据训练要求来设定；
当舒展动作中伸指的手指为多个时，伸指动作的完成分为所有手指动作完成得分的平均值；
对指动作时，动作完成得分的计算公式如下：
Score＝(a-bd)*t+60；
式中：bd表示所需对指两指节的距离；
握拳动作时，动作完成得分的计算公式如下：
Score＝(a-tp)*t+60；
式中：tp表示大拇指第三指节与掌心的距离；
抓握动作时，动作完成得分的计算公式如下：
与现有技术相比，本发明具有如下的有益效果：
本发明提供的手功能康复训练评估方法和系统，无需借助与手部绑定的传感器来获取手部的运动状态和姿势，从而避免了外部传感器对用户手部运动的干扰，更好地来检测用户手部的康复情况。并且，通过实时跟踪显示用户的手部动作来直观地反映用户的训练过程，得到每一个单一训练动作的效果；从而为医生和用户提供了更加精确的康复训练评估结果。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例一提供的手功能康复训练评估方法的流程示意图；
图2为本发明实施例二提供的手功能康复训练评估方法的流程示意图；
图3为本发明实施例一提供的手功能康复训练评估系统的结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
图1为本发明实施例一提供的手功能康复训练评估方法，如图1所示，本实施例中的方法可以包括：
S101：确定预设手部规范动作中需要检测的手部关节点。
本实施例中，首先确定用户即将训练的手部规范动作，例如握拳、舒展等动作的交替，根据不同规范动作的要求来确定需要检测的手部关节点，所述手部关节点可以包括：手指的骨节、手掌心等。
S102：通过体感设备捕捉所述需要检测的手部关节点的坐标位置，并分析出用户手部的运动状态和姿势。
本实施例中，通过体感设备的红外或者摄像头捕捉所述需要检测的手部关节点的坐标位置，通过所述体感设备自带的数据处理模块或者外部的数据处理器分析出用户手部的运动状态和姿势。
S103：实时跟踪显示用户手部的运动状态和姿势。
本实施例中，可以通过显示屏来实时显示用户手部的运动状态和姿势，从而能够直观地帮助用户和医生看到用户的手部训练过程。
S104：判断用户手部的运动状态和姿势是否与预设手部规范动作相符合；若不符合预设手部规范动作，则输出提示信息；若符合预设手部规范动作，则计算出用户手部动作完成度的量化值；
本实施例中，当用户完成一个单一动作或者一组连贯动作后，判断用户完成的单一动作或者一组连贯动作是否与预设手部规范动作相符。例如可以通过关节点的移动轨迹、手指与手掌的相对位置判断用户手部的运动状态和姿势是否与预设手部规范动作相符合。当不符合预设手部规范动作时，输出提示信息，所述提示信息可以是提示用户重新完成预设动作，或者给予动作完成的提示。若符合预设手部规范动作，则计算出用户手部动作完成度的量化值。
S105：输出所述量化值作为用户手功能康复训练的结果。
本实施例，无需借助与手部绑定的传感器来获取手部的运动状态和姿势，从而避免了外部传感器对用户手部运动的干扰，更好地来检测用户手部的康复情况。并且，通过实时跟踪显示用户的手部动作来直观地反映用户的训练过程，得到每一个单一训练动作的效果；从而为医生和用户提供了更加精确的康复训练评估结果。
可选地，所述S101中需要检测的手部关节点包括：各个手指的骨节、手掌心。
图2为本发明实施例二提供的手功能康复训练评估方法，图2所示的方法在图1方法的基础上，所述通过体感设备捕捉所述需要检测的手部关节点的坐标位置，并分析出用户手部的运动状态和姿势，包括：
S1021：通过体感设备Leap Motion捕捉所述需要检测的手部关节点的坐标位置，通过所述体感设备Leap Motion中的SDK包提供的坐标系转换函数，得到所述需要检测的手部关节点在深度空间中对应的空间三维坐标和空间矢量；
S1022：根据所述需要检测的手部关节点在深度空间中对应的空间三维坐标获取各个关节点之间的相对距离，根据所述需要检测的手部关节点在深度空间中对应的空间矢量获取各个手指之间的夹角以及每个手指不同骨节之间的夹角；
S1023：根据各个关节点之间的相对距离、各个手指之间的夹角以及每个手指不同骨节之间的夹角确定用户手部的运动状态和姿势；其中：
通过各个关节点之间的相对距离和各个手指之间的夹角来确定手指与手掌心的位置关系；
通过每个手指两两骨节之间的夹角来确定每个手指的弯曲程度。
进一步地，上述方法还可以根据体感设备分析出的用户手部的运动状态和姿势来生成虚拟手，所述虚拟手用于同步显示用户手部的运动状态和姿势。
当若符合预设手部规范动作，根据每个预设动作对应的用户手部各关节数据相关的公式来计算所述预设动作完成度的数字量，其中：
舒展动作时，动作完成得分的计算公式如下：
Score＝(a-Afti)*t+60；
式中：Afti表示第i根手指第1指节和第3指节之间的夹角，下标i为大于等于1小于等于5的整数；a表示设定的第一训练参数，t表示设定的第二训练参数；其中a和t的值根据训练要求来设定；
当舒展动作中伸指的手指为多个时，伸指动作的完成分为所有手指动作完成得分的平均值；
对指动作时，动作完成得分的计算公式如下：
Score＝(a-bd)*t+60；
式中：bd表示所需对指两指节的距离；
握拳动作时，动作完成得分的计算公式如下：
Score＝(a-tp)*t+60；
式中：tp表示大拇指第三指节与掌心的距离；
抓握动作时，动作完成得分的计算公式如下：
图3为本发明实施例一提供的手功能康复训练评估系统的结构示意图，如图3所示，本系统可以包括：获取模块10、体感设备20、显示模块30、分析模块40以及输出模块50；所述获取模块10，用于确定预设手部规范动作中需要检测的手部关节点；所述体感设备20，用于捕捉所述需要检测的手部关节点的坐标位置，并分析出用户手部的运动状态和姿势；所述显示模块30，用于实时跟踪显示用户手部的运动状态和姿势；所述分析模块40，用于判断用户手部的运动状态和姿势是否与预设手部规范动作相符合；若不符合预设手部规范动作，则输出提示信息；若符合预设手部规范动作，则计算出用户手部动作完成度的量化值；所述输出模块50，用于输出所述量化值作为用户手功能康复训练的结果。
所述获取模块10中需要检测的手部关节点包括：各个手指的骨节、手掌心。
所述体感设备20，包括：体感设备Leap Motion，所述体感设备Leap Motion具体用于：捕捉所述需要检测的手部关节点的坐标位置，通过所述体感设备Leap Motion中的SDK包提供的坐标系转换函数，得到所述需要检测的手部关节点在深度空间中对应的空间三维坐标和空间矢量；根据所述需要检测的手部关节点在深度空间中对应的空间三维坐标获取各个关节点之间的相对距离，根据所述需要检测的手部关节点在深度空间中对应的空间矢量获取各个手指之间的夹角以及每个手指不同骨节之间的夹角；根据各个关节点之间的相对距离、各个手指之间的夹角以及每个手指不同骨节之间的夹角确定用户手部的运动状态和姿势；其中：通过各个关节点之间的相对距离和各个手指之间的夹角来确定手指与手掌心的位置关系；通过每个手指两两骨节之间的夹角来确定每个手指的弯曲程度。
所述显示模块30，具体用于：根据体感设备20分析出的用户手部的运动状态和姿势来生成虚拟手，所述虚拟手用于同步显示用户手部的运动状态和姿势。
所述分析模块40，具体用于：根据每个预设动作对应的用户手部各关节数据相关的公式来计算所述预设动作完成度的数字量，其中：
舒展动作时，动作完成得分的计算公式如下：
Score＝(a-Afti)*t+60；
式中：Afti表示第i根手指第1指节和第3指节之间的夹角，下标i为大于等于1小于等于5的整数；a表示设定的第一训练参数，t表示设定的第二训练参数；其中a和t的值根据训练要求来设定；
当舒展动作中伸指的手指为多个时，伸指动作的完成分为所有手指动作完成得分的平均值；
对指动作时，动作完成得分的计算公式如下：
Score＝(a-bd)*t+60；
式中：bd表示所需对指两指节的距离；
握拳动作时，动作完成得分的计算公式如下：
Score＝(a-tp)*t+60；
式中：tp表示大拇指第三指节与掌心的距离；
抓握动作时，动作完成得分的计算公式如下：
下面结合具体实施例对本发明中的技术方案做更加详细的说明。
1)读取用户数据
本发明应用于手部康复机器人的评估模式之中。用户选择评估模式进入之后，便可以开始进行训练。系统在接受了患者的评估训练请求之后，便会提供一系列可供患者选择的训练动作。该系统自带的体感设备Leap Motion会捕捉到患者手部的关节信息。并且在训练过程中，屏幕上会显示出与患者手部运动状态相一致的虚拟手。该手的运动形态与患者手部的运动形态相符合，使得患者的训练更加生动直观。
2)发出指令
在训练过程中，系统会发出需要患者完成的动作的指令，如握拳、对指、伸手指、等等。患者则根据得到的指令作出相应的训练动作。医生根据不同患者的具体情况来选择不同的评估动作。
3)数据分析
在动作指令发出之后，体感设备便开始采集训练手的关节位置数据。随后将采集到的数据通过算法来测出患者手部的运动状态。
在数据分析中，所需要的关节数据包括每根手指(thumb,index,middle,ring,pinky)的三个骨节b1,b2,b3，以及手掌心palm。通过这些关节的位置以及角度数据可以计算出一些所需的相关数据，为之后的数据分析打下基础。所需的数据包括：各手指尖端之间的距离，各手指尖端与手掌心的距离，各手指之间的夹角，手指各骨节之间的夹角。这一系列数据的实时读取可以作为判断手部运动状态的依据。
当各手指与手掌的夹角少于指定数值，并且各手指间距离小于某值时，可判定状态为握拳。当手处于抓握状态时，各手指之间的夹角大小决定该状态为柱状抓握或球状抓握。
对指状态主要根据手指尖端的距离判断。
伸手指状态主要根据手指与手掌的夹角判断。
当系统判定患者的手部运动状态达到了所需要完成动作的标准时，则进入到评分状态。通过算法可以将患者动作的完成度进行数字化，各个指定动作都有与各关节数据相关的特定公式来计算出一个描述动作完成度的数字量，使得评估的结果更为清晰明了。
需要说明的是，本发明提供的所述手功能康复训练评估方法中的步骤，可以利用所述手功能康复训练评估系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照所述系统的技术方案实现所述方法的步骤流程，即，所述系统中的实施例可理解为实现所述方法的优选例，在此不予赘述。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种手功能康复训练评估方法，其特征在于，包括：
步骤1：确定预设手部规范动作中需要检测的手部关节点；
步骤2：通过体感设备捕捉所述需要检测的手部关节点的坐标位置，并分析出用户手部的运动状态和姿势；
步骤3：实时跟踪显示用户手部的运动状态和姿势；
步骤4：判断用户手部的运动状态和姿势是否与预设手部规范动作相符合；若不符合预设手部规范动作，则输出提示信息；若符合预设手部规范动作，则计算出用户手部动作完成度的量化值；
步骤5：输出所述量化值作为用户手功能康复训练的结果。
2.根据权利要求1所述的手功能康复训练评估方法，其特征在于，所述步骤1中需要检测的手部关节点包括：各个手指的骨节、手掌心。
3.根据权利要求1所述的手功能康复训练评估方法，其特征在于，所述步骤2包括：
步骤2.1：通过体感设备Leap Motion捕捉所述需要检测的手部关节点的坐标位置，通过所述体感设备Leap Motion中的SDK包提供的坐标系转换函数，得到所述需要检测的手部关节点在深度空间中对应的空间三维坐标和空间矢量；
步骤2.2：根据所述需要检测的手部关节点在深度空间中对应的空间三维坐标获取各个关节点之间的相对距离，根据所述需要检测的手部关节点在深度空间中对应的空间矢量获取各个手指之间的夹角以及每个手指不同骨节之间的夹角；
步骤2.3：根据各个关节点之间的相对距离、各个手指之间的夹角以及每个手指不同骨节之间的夹角确定用户手部的运动状态和姿势；其中：
通过各个关节点之间的相对距离和各个手指之间的夹角来确定手指与手掌心的位置关系；
通过每个手指两两骨节之间的夹角来确定每个手指的弯曲程度。
4.根据权利要求1所述的手功能康复训练评估方法，其特征在于，所述步骤3包括：
根据体感设备分析出的用户手部的运动状态和姿势来生成虚拟手，所述虚拟手用于同步显示用户手部的运动状态和姿势。
5.根据权利要求1所述的手功能康复训练评估方法，其特征在于，所述步骤4中若符合预设手部规范动作，则计算出用户手部动作完成度的量化值，所述量化至包括：动作完成系数和动作完成得分score；
根据每个预设动作对应的用户手部各关节数据相关的公式来计算所述预设动作完成度的数字量，其中：
舒展动作时，动作完成得分的计算公式如下：
Score＝(a-Afti)*t+60；
式中：Afti表示第i根手指第1指节和第3指节之间的夹角，下标i为大于等于1小于等于5的整数；a表示设定的第一训练参数，t表示设定的第二训练参数；其中a和t的值根据训练要求来设定；
当舒展动作中伸指的手指为多个时，伸指动作的完成分为所有手指动作完成得分的平均值；
对指动作时，动作完成得分的计算公式如下：
Score＝(a-bd)*t+60；
式中：bd表示所需对指两指节的距离；
握拳动作时，动作完成得分的计算公式如下：
Score＝(a-tp)*t+60；
式中：tp表示大拇指第三指节与掌心的距离；
抓握动作时，动作完成得分的计算公式如下：
<mrow>
<mi>S</mi>
<mi>c</mi>
<mi>o</mi>
<mi>r</mi>
<mi>e</mi>
<mo>=</mo>
<mn>100</mn>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>-</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>5</mn>
</msubsup>
<msub>
<mi>Aft</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
6.一种手功能康复训练评估系统，其特征在于，包括：获取模块、体感设备、显示模块、分析模块以及输出模块；
所述获取模块，用于确定预设手部规范动作中需要检测的手部关节点；
所述体感设备，用于捕捉所述需要检测的手部关节点的坐标位置，并分析出用户手部的运动状态和姿势；
所述显示模块，用于实时跟踪显示用户手部的运动状态和姿势；
所述分析模块，用于判断用户手部的运动状态和姿势是否与预设手部规范动作相符合；若不符合预设手部规范动作，则输出提示信息；若符合预设手部规范动作，则计算出用户手部动作完成度的量化值；
所述输出模块，用于输出所述量化值作为用户手功能康复训练的结果。
7.根据权利要求6所述的手功能康复训练评估系统，其特征在于，所述获取模块中需要检测的手部关节点包括：各个手指的骨节、手掌心。
8.根据权利要求6所述的手功能康复训练评估系统，其特征在于，所述体感设备，包括：体感设备Leap Motion，所述体感设备Leap Motion具体用于：
捕捉所述需要检测的手部关节点的坐标位置，通过所述体感设备Leap Motion中的SDK包提供的坐标系转换函数，得到所述需要检测的手部关节点在深度空间中对应的空间三维坐标和空间矢量；
根据所述需要检测的手部关节点在深度空间中对应的空间三维坐标获取各个关节点之间的相对距离，根据所述需要检测的手部关节点在深度空间中对应的空间矢量获取各个手指之间的夹角以及每个手指不同骨节之间的夹角；
根据各个关节点之间的相对距离、各个手指之间的夹角以及每个手指不同骨节之间的夹角确定用户手部的运动状态和姿势；其中：
通过各个关节点之间的相对距离和各个手指之间的夹角来确定手指与手掌心的位置关系；
通过每个手指两两骨节之间的夹角来确定每个手指的弯曲程度。
9.根据权利要求6所述的手功能康复训练评估系统，其特征在于，所述显示模块，具体用于：根据体感设备分析出的用户手部的运动状态和姿势来生成虚拟手，所述虚拟手用于同步显示用户手部的运动状态和姿势。
10.根据权利要求6所述的手功能康复训练评估系统，其特征在于，所述分析模块，具体用于：计算出用户手部动作完成度的量化值，所述量化至包括：动作完成系数和动作完成得分score；
根据每个预设动作对应的用户手部各关节数据相关的公式来计算所述预设动作完成度的数字量，其中：
舒展动作时，动作完成得分的计算公式如下：
Score＝(a-Afti)*t+60；
式中：Afti表示第i根手指第1指节和第3指节之间的夹角，下标i为大于等于1小于等于5的整数；a表示设定的第一训练参数，t表示设定的第二训练参数；其中a和t的值根据训练要求来设定；
当舒展动作中伸指的手指为多个时，伸指动作的完成分为所有手指动作完成得分的平均值；
对指动作时，动作完成得分的计算公式如下：
Score＝(a-bd)*t+60；
式中：bd表示所需对指两指节的距离；
握拳动作时，动作完成得分的计算公式如下：
Score＝(a-tp)*t+60；
式中：tp表示大拇指第三指节与掌心的距离；
抓握动作时，动作完成得分的计算公式如下：
<mrow>
<mi>S</mi>
<mi>c</mi>
<mi>o</mi>
<mi>r</mi>
<mi>e</mi>
<mo>=</mo>
<mn>100</mn>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>-</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>5</mn>
</msubsup>
<msub>
<mi>Aft</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
3
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710502809.8A CN107422852A (zh) | 2017-06-27 | 2017-06-27 | 手功能康复训练评估方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710502809.8A CN107422852A (zh) | 2017-06-27 | 2017-06-27 | 手功能康复训练评估方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107422852A true CN107422852A (zh) | 2017-12-01 |
Family
ID=60427683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710502809.8A Pending CN107422852A (zh) | 2017-06-27 | 2017-06-27 | 手功能康复训练评估方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107422852A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108682450A (zh) * | 2018-06-11 | 2018-10-19 | 郑州大学 | 在线手指运动功能评测系统 |
| CN108743222A (zh) * | 2018-06-01 | 2018-11-06 | 南昌大学 | 一种基于Leap Motion的手指对称康复误差修正方法 |
| CN109199712A (zh) * | 2018-10-15 | 2019-01-15 | 郑州大学 | 一种智能手部运动功能评测及康复训练轮椅 |
| CN109350923A (zh) * | 2018-10-25 | 2019-02-19 | 北京机械设备研究所 | 一种基于vr及多体位传感器的上肢康复训练系统 |
| CN110478860A (zh) * | 2019-09-02 | 2019-11-22 | 燕山大学 | 基于手物自然交互的手部功能障碍虚拟康复系统 |
| CN110755084A (zh) * | 2019-10-29 | 2020-02-07 | 南京茂森电子技术有限公司 | 基于主被动、分阶段动作的运动功能评估方法及设备 |
| CN110755085A (zh) * | 2019-10-29 | 2020-02-07 | 南京茂森电子技术有限公司 | 基于关节活动度与运动协调性的运动功能评估方法及设备 |
| CN111374865A (zh) * | 2018-12-29 | 2020-07-07 | 中国科学院宁波材料技术与工程研究所 | 手腕自适应康复训练方法和装置 |
| CN111920416A (zh) * | 2020-07-13 | 2020-11-13 | 张艳 | 一种手部康复训练效果测量方法、存储介质、终端及系统 |
| 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 |
| CN112205980A (zh) * | 2020-10-16 | 2021-01-12 | 南开大学 | 一种基于光学立体测量的脑深部电刺激术中手部动作评估方法 |
| CN112435731A (zh) * | 2020-12-16 | 2021-03-02 | 成都翡铭科技有限公司 | 一种判断实时姿势是否满足预设规则的方法 |
| CN112861606A (zh) * | 2020-12-24 | 2021-05-28 | 北京航空航天大学 | 基于骨骼动画追踪的虚拟现实手部动作识别与训练方法 |
| CN112885465A (zh) * | 2021-02-23 | 2021-06-01 | 中山大学附属第一医院 | 运动数据分析方法、装置、系统和计算机可读存储介质 |
| CN113398537A (zh) * | 2021-06-15 | 2021-09-17 | 黄富表 | 一种基于Microsoft Kinect的脑卒中患者上肢运动功能训练方法 |
| CN115064275A (zh) * | 2022-08-19 | 2022-09-16 | 山东心法科技有限公司 | 一种儿童计算能力的量化及辅助训练方法、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103230664A (zh) * | 2013-04-17 | 2013-08-07 | 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 |
| CN104866824A (zh) * | 2015-05-17 | 2015-08-26 | 华南理工大学 | 一种基于Leap Motion的手语字母识别方法 |
| 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 |
| CN105844100A (zh) * | 2016-03-24 | 2016-08-10 | 乐视控股（北京）有限公司 | 通过电视和体感配件进行康复训练及系统 |
| CN105868715A (zh) * | 2016-03-29 | 2016-08-17 | 苏州科达科技股份有限公司 | 一种手势识别方法、装置及手势学习系统 |
| WO2016130860A2 (en) * | 2015-02-13 | 2016-08-18 | Leap Motion, Inc. | Systems and methods of creating a realistic grab experience in virtual reality/augmented reality environments |
-
2017
- 2017-06-27 CN CN201710502809.8A patent/CN107422852A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103230664A (zh) * | 2013-04-17 | 2013-08-07 | 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 |
| 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 |
| WO2016130860A2 (en) * | 2015-02-13 | 2016-08-18 | Leap Motion, Inc. | Systems and methods of creating a realistic grab experience in virtual reality/augmented reality environments |
| CN104866824A (zh) * | 2015-05-17 | 2015-08-26 | 华南理工大学 | 一种基于Leap Motion的手语字母识别方法 |
| 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 |
| CN105844100A (zh) * | 2016-03-24 | 2016-08-10 | 乐视控股（北京）有限公司 | 通过电视和体感配件进行康复训练及系统 |
| CN105868715A (zh) * | 2016-03-29 | 2016-08-17 | 苏州科达科技股份有限公司 | 一种手势识别方法、装置及手势学习系统 |
Non-Patent Citations (1)
| Title |
|---|
| 刘志辉: "基于Leap Motion的脑卒中上肢功能康复主动运动系统", 《东华大学学报》 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108743222A (zh) * | 2018-06-01 | 2018-11-06 | 南昌大学 | 一种基于Leap Motion的手指对称康复误差修正方法 |
| CN108743222B (zh) * | 2018-06-01 | 2021-02-09 | 南昌大学 | 一种基于Leap Motion的手指对称康复误差修正方法 |
| CN108682450A (zh) * | 2018-06-11 | 2018-10-19 | 郑州大学 | 在线手指运动功能评测系统 |
| CN109199712A (zh) * | 2018-10-15 | 2019-01-15 | 郑州大学 | 一种智能手部运动功能评测及康复训练轮椅 |
| CN109350923A (zh) * | 2018-10-25 | 2019-02-19 | 北京机械设备研究所 | 一种基于vr及多体位传感器的上肢康复训练系统 |
| CN111374865A (zh) * | 2018-12-29 | 2020-07-07 | 中国科学院宁波材料技术与工程研究所 | 手腕自适应康复训练方法和装置 |
| CN110478860A (zh) * | 2019-09-02 | 2019-11-22 | 燕山大学 | 基于手物自然交互的手部功能障碍虚拟康复系统 |
| CN110755085A (zh) * | 2019-10-29 | 2020-02-07 | 南京茂森电子技术有限公司 | 基于关节活动度与运动协调性的运动功能评估方法及设备 |
| CN110755085B (zh) * | 2019-10-29 | 2023-02-21 | 南京茂森电子技术有限公司 | 基于关节活动度与运动协调性的运动功能评估方法及设备 |
| CN110755084A (zh) * | 2019-10-29 | 2020-02-07 | 南京茂森电子技术有限公司 | 基于主被动、分阶段动作的运动功能评估方法及设备 |
| CN111920416A (zh) * | 2020-07-13 | 2020-11-13 | 张艳 | 一种手部康复训练效果测量方法、存储介质、终端及系统 |
| CN111920416B (zh) * | 2020-07-13 | 2024-05-03 | 张艳 | 一种手部康复训练效果测量方法、存储介质、终端及系统 |
| 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 |
| CN112205980A (zh) * | 2020-10-16 | 2021-01-12 | 南开大学 | 一种基于光学立体测量的脑深部电刺激术中手部动作评估方法 |
| CN112435731B (zh) * | 2020-12-16 | 2024-03-19 | 成都翡铭科技有限公司 | 一种判断实时姿势是否满足预设规则的方法 |
| CN112435731A (zh) * | 2020-12-16 | 2021-03-02 | 成都翡铭科技有限公司 | 一种判断实时姿势是否满足预设规则的方法 |
| CN112861606A (zh) * | 2020-12-24 | 2021-05-28 | 北京航空航天大学 | 基于骨骼动画追踪的虚拟现实手部动作识别与训练方法 |
| CN112885465A (zh) * | 2021-02-23 | 2021-06-01 | 中山大学附属第一医院 | 运动数据分析方法、装置、系统和计算机可读存储介质 |
| CN113398537A (zh) * | 2021-06-15 | 2021-09-17 | 黄富表 | 一种基于Microsoft Kinect的脑卒中患者上肢运动功能训练方法 |
| CN115064275A (zh) * | 2022-08-19 | 2022-09-16 | 山东心法科技有限公司 | 一种儿童计算能力的量化及辅助训练方法、设备及介质 |
| CN115064275B (zh) * | 2022-08-19 | 2022-12-02 | 山东心法科技有限公司 | 一种儿童计算能力的量化及辅助训练方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107422852A (zh) | 手功能康复训练评估方法和系统 | |
| EP3659016B1 (en) | Armband for tracking hand motion using electrical impedance measurement | |
| Li et al. | Hand gesture recognition for post-stroke rehabilitation using leap motion | |
| Bouteraa et al. | Training of hand rehabilitation using low cost exoskeleton and vision-based game interface | |
| CN107378944B (zh) | 一种基于主成分分析法的多维表面肌电信号假手控制方法 | |
| WO2018120964A1 (zh) | 一种基于深度信息和骨骼信息的姿势矫正方法 | |
| CA2731775C (en) | 3d monocular visual tracking therapy system for the rehabilitation of human upper limbs | |
| US9510789B2 (en) | Motion analysis method | |
| CN106361346A (zh) | 一种基于传感技术的手部康复指数的计算方法 | |
| CN105446485B (zh) | 基于数据手套和位置跟踪仪的人手运动功能捕捉系统及方法 | |
| Weiss Cohen et al. | Hand rehabilitation assessment system using leap motion controller | |
| CN109199417A (zh) | 一种用于运动康复治疗的增强现实方法及系统 | |
| CN107256390B (zh) | 基于手各个部位在三维空间位置变化的手功能评价装置及方法 | |
| CN111419237A (zh) | 脑卒中手部运动功能Carroll评分预测方法 | |
| CN102023707A (zh) | 基于dsp-pc机器视觉系统的斑纹式数据手套 | |
| Prasad et al. | A wireless dynamic gesture user interface for HCI using hand data glove | |
| Kahol et al. | Measuring movement expertise in surgical tasks | |
| Ángel-López et al. | Kinematic hand analysis using motion capture technology | |
| Fazeli et al. | Estimation of spatial-temporal hand motion parameters in rehabilitation using a low-cost noncontact measurement system | |
| Fazeli et al. | A virtual environment for hand motion analysis | |
| TWI693925B (zh) | 將肢體運動特性數據化的裝置及方法 | |
| CN108127667A (zh) | 一种基于关节角增量的机械臂体感交互控制方法 | |
| CN114903744A (zh) | 手套操康复训练控制方法及康复训练系统 | |
| Boehm et al. | Inherent kinematic features of dynamic bimanual path following tasks | |
| Liu et al. | Objective evaluation of hand rom and motion quality based on motion capture and brunnstrom scale |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191213 Address after: 201615 building B, No.8 Chaofu Road, Jiuting Town, Songjiang District, Shanghai Applicant after: Faroche (Shanghai) Medical Technology Co., Ltd. Address before: 201206, Shanghai, Pudong New Area Free Trade Zone pilot new Jinqiao Road, No. 13, building 2, 27 floor Applicant before: Jijing Robot Technology (Shanghai) Co., Ltd. |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171201 |