CN107871116A - 用于确定人的姿势平衡的方法和系统 - Google Patents

用于确定人的姿势平衡的方法和系统 Download PDF

Info

Publication number
CN107871116A
CN107871116A CN201710181977.1A CN201710181977A CN107871116A CN 107871116 A CN107871116 A CN 107871116A CN 201710181977 A CN201710181977 A CN 201710181977A CN 107871116 A CN107871116 A CN 107871116A
Authority
CN
China
Prior art keywords
people
balance
sls
joint
fraction
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
CN201710181977.1A
Other languages
English (en)
Inventor
金舒克·查克拉瓦蒂
阿尼鲁达·辛哈
布拉杰什瓦尔·帕米克
桑佳娜·辛哈
阿伯吉特·达斯
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.)
Tata Consultancy Services Ltd
Original Assignee
Tata Consultancy Services Ltd
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 Tata Consultancy Services Ltd filed Critical Tata Consultancy Services Ltd
Publication of CN107871116A publication Critical patent/CN107871116A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
    • A61B5/4023—Evaluating sense of balance
    • 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
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1114—Tracking parts of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Neurosurgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Neurology (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Rehabilitation Tools (AREA)
  • Power Engineering (AREA)

Abstract

提供了一种用于确定人的姿势平衡的方法和系统。本公开提供了一种单肢站立身体平衡分析系统，其将帮助医生分析针对跌倒风险最小化、伤害预防、健康和康复的关键因素。使用Kinect来捕获骨骼数据。针对每个身体部分获得两个参数振动抖动和每单位质量的力(FPUM)，以评估SLS期间的姿势稳定性。此外，针对振动和对每个关节施加的力，量化第一平衡分数。还通过组合振动指数和SLS持续时间来计算第一平衡分数和第二平衡分数，以指示人的姿势平衡。从与不同身体段相关联的振动轮廓计算振动指数。

Description

用于确定人的姿势平衡的方法和系统
相关申请的交叉引用和优先权
本专利申请要求于2016年9月23日提交的印度专利申请201621032626的优先权，其全部内容通过引用并入本文。
技术领域
本申请一般涉及监视人的姿势平衡的领域。更具体地，但不是专门地，本发明提供了一种用于根据使用人的单肢站立持续时间和关节的振动指数计算出的平衡分数来确定人的姿势平衡的系统和方法。
背景技术
为了保持人体的均衡和平衡，需要同步和协调地激活躯干和下肢的姿势肌肉。较差的姿势平衡控制导致大量人群的伤害或跌倒，并且应该是常见运动技能的关键因素。在中风疾病中存活的患者由于不平衡而倾向于跌倒。因此，他们需要物理治疗和其他练习。人的姿势平衡的确定已经变得非常关键，特别是中风幸存者。姿势平衡的确定将有助于照顾者为中风幸存者设计训练和物理治疗。
在文献中已经存在用于以任何站立测量姿势控制的几种技术。其中单肢站立(SLS)是一个不错的选择，它不仅通过时间测量来评估静态位置中的姿势稳定性，而且分析身体关节在姿势稳定性和矫正中的作用。对于临床医生，它提供了一种快速、可靠和简单的方法来筛选其患者的跌倒风险，并且很容易被纳入针对老年人的综合功能评估。针对健康受试者的SLS训练通过改善静态平衡来减少受伤或跌倒的机会。作为复杂的机制，缺乏姿势控制也产生在站立期间的姿势摇摆，例如已经观察到腰痛患者在站立时具有增加的姿势摇摆。
SLS中的平衡需要根据SLS持续时间和身体摇摆两者来评估，这可以通过使用具有力平台的稳定性而登记的压力中心(COP)运动来测量。COP反映了重心的水平位置和由于肌肉活动引起的反作用力，但不能告知姿势扰动如何在不同的身体部分/关节中产生不稳定性/摆动。一些工作被报告，其中只有COP运动的幅度，但省略了与每个关节振动相关联的频率，其中COP和COM的摆动之间存在清楚的关系。最近，在基于标记的运动捕获和分析系统中已经被用于身体摇摆测量，其昂贵、复杂并且测试只能在实验室或诊所环境中进行。在另一项研究中，Kinect的可靠性被分析以用于根据COM参数评估站立平衡，但他们没有讨论在SLS期间在欧几里得坐标x、y、z中的身体振动。
发明内容
以下呈现本公开的一些实施例的简化概要，以便提供对实施例的基本理解。该概要不是对实施例的广泛概述。它不旨在标识实施例的关键/重要元素或描绘实施例的范围。其唯一目的是以简化形式呈现一些实施例，作为下面呈现的更详细描述的序幕。
鉴于前述，本文的实施例提供了一种用于确定人的姿势平衡的系统。该系统包括3D运动传感器、噪声过滤模块、存储器和与存储器通信的处理器。3D运动传感器捕获人的骨骼数据。该人正在进行单肢姿势(SLS)练习。噪声过滤模块从骨骼数据去除多个噪声。该处理器还被配置为执行以下步骤：使用人的骨骼数据来计算人的单肢站立(SLS)持续时间；计算人的每个关节的速度轮廓；使用人在3D空间中的关节运动轮廓来测量人的振动抖动和每单位质量的力(FPUM)，其中该关节运动轮廓针对人的每个关节是不同的，其中该关节运动轮廓从3D运动传感器获得；针对该关节的每个基于人的振动抖动和FPUM来生成振动指数；并且使用SLS持续时间和振动指数来生成人的第一平衡分数和第二平衡分数，其中第一平衡分数和第二平衡分数指示人的姿势平衡。
另一实施例提供了一种用于确定人的姿势平衡的方法，该方法包括如下的各种处理器实施的步骤。最初，使用3D运动传感器来获得人的骨骼数据。该人正在进行单肢站立(SLS)练习。然后使用噪声过滤模块从骨骼数据去除多个噪声。在下一步骤中，使用人的骨骼数据来计算人的单肢站立(SLS)持续时间。在下一步骤中，计算人的每个关节的速度轮廓。此外，使用人在3D空间中的关节运动轮廓来测量人的振动抖动和每单位质量的力(FPUM)，其中关节运动轮廓针对人的每个关节是不同的，其中关节运动轮廓从3D运动传感器获得。在下一步骤中，针对关节的每个基于人的振动抖动和FPUM来生成振动指数。最后，使用SLS持续时间和振动指数来生成人的第一平衡分数和第二平衡分数，其中第一平衡分数和第二平衡分数指示人的姿势平衡。
附图说明
从参考附图的以下详细描述，将更好地理解本文的实施例，其中：
图1示出了根据本公开的实施例的用于确定人的姿势平衡的系统的框图；
图2示出了根据本公开的实施例在系统中监视的实验设置和各种身体关节；
图3示出了根据本公开的实施例的人的左脚踝的变化的图形表示；
图4示出根据本公开的实施例的识别出的k均值聚类的曲率点的图形表示；和
图5是示出根据本公开的实施例的用于确定人的姿势平衡涉及的步骤的流程图。
具体实施方式
参考在附图中示出并在下面的描述中详细描述的非限制性实施例，更充分地解释了本文的实施例及其各种特征和有利细节。这里使用的示例仅旨在便于理解可以实践本文的实施例的方式并且进一步使本领域技术人员能够实践本文的实施例。因此，该示例不应被解释为限制本文的实施例的范围。
现在参考附图，并且更具体地参考图1，其中类似的参考字符贯穿附图一致地表示对应的特征，示出了优选实施例，并且这些实施例在以下示例性系统和/或方法的上下文中描述。
根据本公开的实施例，一种用于确定人的姿势平衡的系统100。本公开提供了一种不引人注意的系统和方法，用于仅使用从诸如Kinect的3D运动传感器获得的骨骼数据根据人的关节的3D运动来计算单肢站立(SLS)持续时间和身体振动。然后，基于振动指数和SLS持续时间，使用针对单肢站立以及双足站立阶段的每个骨骼关节/身体段的振动来生成平衡分数。
根据本公开的实施例，图1中示出了系统100的框图。系统100包括3D运动传感器102、噪声过滤模块104、存储器106和与存储器106通信的处理器108。存储器106被配置为存储多个算法。处理器108还包括用于执行各种功能的多个模块。多个模块访问被存储在存储器106中的多个算法以执行各种功能。
根据本公开的实施例，使用3D运动传感器102来获得人的骨骼数据。在本实施例中，Microsoft KinectTM(Kinect)装置已经被用作用于数据捕获的3D运动传感器102。应当理解，为了方便读者，在本公开中将可替换地使用词“3D运动传感器”和“Kinect”。Microsoft的KinectTM是一个外围装置，其作为外部接口连接到Microsoft的Xbox 360TM或Microsoft WindowsTM计算机。KinectTM和相关联的编程计算机或Xbox感测、识别和利用用户的拟人化形式，使得在不需要分离的控制器的情况下用户可以与软件和媒体内容交互。
用于捕获骨骼数据的实验设置在图2中被示出。在该实施例中，要求人进行单腿站立(SLS)练习。在眼睛睁开且手臂在臀部上且站在距Kinect 7-8英尺的距离的情况下进行SLS练习。同时参与者必须无辅助地单腿站立，并且从一只脚弯曲离开地面的时间到当其接触地面或站立腿或者手臂离开臀部的时间以秒计时。关于20个关节的3-D时空信息从Kinect获得。针对地面实况，使用Kinect和基于力板的设置来执行时间同步数据捕获。也可以记录受试者的视频以手动验证实验结果。
根据本公开的实施例，系统100还包括噪声过滤模块104。从3D运动传感器102获得的骨骼数据非常嘈杂，并且当受试者站立完全静止时实际上可见，但是一些关节在骨骼中移动。存在影响噪声的特性和水平的许多参数，其包括电磁噪声、室内照明、IR干扰、量化噪声等。应理解的是，任何现有噪声过滤方法的使用完全在本公开的范围内。
根据本公开的实施例，处理器108使用人的骨骼数据来计算人的SLS持续时间。在SLS练习期间，抬起的腿的踝关节坐标的变化是非常明显的。从3D运动传感器102获得的骨骼关节由3D世界坐标(x，y，z)来表示，其中'x'表示左/右变化，'y'表示相对于地面的上/下变化，并且'z'表示至/从受试者相对于Kinect 102的变化。因此在这里，抬起的腿的踝关节y坐标(比方说，左腿被抬起)的改变YAnkleLeft给出了关于受试者将腿(在这里，左腿)抬高到地面上时的精确计时的有意义的信息。同样的在图3中被示出，其示出了在点R、F处的YAnkleLeft的实质变化，并且区域R至F是SLS姿势的所期区域。换句话说，R是脚弯曲离开地面的帧，并且F是其再次接触地面的帧。R&F之间的持续时间被认为是SLS持续时间。记住这些事实，k-均值聚类算法被用于捕获YAnkleLeft随时间的变化。它有助于区分一个腿站立部分(区域R到F)。K-均值主要通过优化以下等式进行分离(即将数据分组成2个聚类)
其中||Y(j) AnkleLefti–c||是数据点Y(j) AnkleLefti和聚类中心cj之间的欧几里得距离。属于R至F的帧将形成一个聚类，而其余的将分组至另一个聚类中，这是因为O是N个数据点与它们相应的聚类中心之间的距离的指示符。图4示出了k均值算法的输出，即远离所期帧R和F的帧A和B。考虑区域S-A中的数据点X。将进一步使用曲率点将位于数据的最小方差的方向上的这一事实。因此，计算平均相减数据的计算协方差矩阵并且还计算矩阵的特征值分解。这是主成分分析(PCA)后面找出最大方差的方向的原理。对应于最小特征值的特征向量(比方说，Emin)提供了数据的最小方差的方向，并且因此揭示了朝向曲率点的方向。使用以下公式通过对应于最小特征值的特征向量的最小投影误差来获得曲率点R和F：
其中是帧r(或时刻t)处的原始信号值(YAnkleLeft(r))；^u是沿着～Emin的单位向量。最后，通过找到对应于R和F帧的时间戳之间的差异来测量SLS持续时间。
根据本公开的实施例，处理器018进一步计算人的每个关节的速度轮廓。同时，人的振动抖动和每单位质量的力(FPUM)也由处理器108使用人在3D空间中的关节运动轮廓来测量，其中关节运动轮廓从3D运动传感器102获得。通常，关节运动轮廓针对人的每个关节是不同的。
在SLS练习而单肢站立期间，人摆动以保持平衡。此外，针对给定的姿势，人不能容易和灵活地移动比如臀部中心(HipCenter)、肩中心(ShoulderCenter)等关节的一些。因此，骨骼中的20个不同的关节具有不同的自由度(DOF)，例如，对于手，它是高的，但对于臀部中心，它是低的。这个DOF对关节运动有很强的影响。为了定量地测量摆动，每个关节的速度轮廓被用于其振动分析。振动由频率和幅度组成。更高的频率表示更多的振动和更少的平衡。分析在所有三个方向(即x、y和z)上的速度以用于估计振动或间接平衡。使用以下等式从过滤的数据获得速度：
其中xj、yj和zj是分别针对第j个骨骼关节在(x；y；z)方向上的位移。从AnkleLeft的速度轮廓观察到，速度在R附近是最大值，并且在F附近是最小值(考虑符号)。此外，第一段S至R中的AnkleLeft的平均速度几乎类似于图3中示出的第三段，而第二段中的速度远高于其他两段。先前已经识别出单腿站立姿势的开始(R)和结束(F)帧/时间。因此，需要分别分析三个不同的段，即S到R(段-1)、R到F(段-2)和F到E(段-3)。这个事实针对所有20个关节也是如此。为了获得关于频率的信息，每个段中的每个关节数据被划分为50个样本的窗口，并且每个段的傅里叶变换按以下等式评估：
其中是第i个窗口针对第j个关节速度的频率响应。这针对所有关节并且在所有三个方向(x，y，z)上进行。选择每个窗口中对应于最大幅度(Ajk)的频率并且使用以下等式评估每个段的平均频率：
使用上述等式，计算每个段中的平均频率这些计算出的平均频率将最终帮助我们分析对应段(即在SLS之前、期间和之后)中的相对频率变化(振动)。在该工作中，相对频率变化被认为是振动抖动(以Hz计)，并且针对每个段，它使用以下等式进行数学建模：
其中J1,2,3是振动抖动并且是每个段中的平均频率，而是每个段中的所有窗口的频率。J1,2,3还根据三个段的频率对振动进行量化，其中更多的振动指示出更差的平衡。为了方便起见，在本公开的其余部分中，我们将使用术语抖动(jitter)以取代振动抖动。每个窗口的速度的主要分量可以被写为其中是对应于每个段的第j个关节的第k个窗口中的最大幅度的频率。
从生物力学显而易见的是，在SLS期间，对每个关节施加以恢复均衡状态的力是由于体重、外展肌肌力和关节反作用力而造成的。该力可以是用于关节平衡估计的良好测量。记住这些事实，针对每个关节的每单位质量的反作用力(FPUM)、FPUM＝力/质量(以米/秒2计)被测量为针对该关节的速度的变化率，即加速度(a)。这可以使用牛顿运动定律更好地解释，即F＝ma。
根据本公开的实施例，处理器108还被配置为使用SLS持续时间和振动指数来生成人的第一平衡分数和第二平衡分数。第一平衡分数和第二平衡分数指示人的姿势平衡。使用SLS持续时间和振动指数(VI-校正体振动，根据跨臀部、膝和躯干的角运动来定量地测量)来计算这两个分数。两种类型的分数、第一平衡分数和第二平衡分数如下被计算：
第一平衡分数：
Score1＝1-exp(-B*beta)；
其中B＝(1/VI)。
Beta＝0.00490
第二平衡分数：
Score2＝1-exp(-A*beta)；
其中A＝alpha*(SLS持续时间)+(1-alpha)*(1/VI)，并且
Beta＝0.00490
在该实施例中，beta的值基于数据集被取为0.004904。然而应当理解，在另一个实施例中beta的值可以不同。
第一平衡分数指示在单肢站立期间多少振动与不同的关节/身体部位相关联。它是一个控制分数，其指示受试者可以保持单腿站立多长时间以及稳定性因素。第二平衡分数指示三维空间中每个关节的振动以及人保持单肢站立的持续时间。根据本公开的另一实施例，相对于临床批准的量表(诸如Berg平衡量表、计时起立-步行(Timed up and go))验证第二平衡分数。执行回归分析以将这些分数与临床批准的量表相关联。
在操作中，根据本公开的实施例在图5中示出了用于确定人的姿势平衡的流程图200。最初在步骤202处，使用诸如Kinect的3D运动传感器102来获得人的骨骼数据。在数据捕获时，要求该人在站立的前部进行单肢站立(SLS)练习，如在如图2的实验设置中示出的。在步骤204处，使用噪声过滤模块104来去除来自骨骼数据的诸如电磁噪声、白噪声等的多个噪声。在下一步骤206中，使用人的骨骼数据来测量人的单肢站立(SLS)持续时间。应当理解，在实施例中，使用基于特征向量的曲率分析方法来测量SLS持续时间。尽管任何其他方法的使用完全在本公开的范围内。
在步骤208处，测量人的每个关节的速度轮廓。在步骤210处，使用人在3D空间中的关节运动轮廓来测量人的振动抖动和每单位质量的力(FPUM)。从3D运动传感器102获得关节运动轮廓。在下一步骤212中，基于人的振动抖动和FPUM来生成振动指数(VI)。振动指数(VI)是包括所有关节的振动轮廓的聚合分数。最后在步骤214处，使用SLS持续时间和振动指数来生成人的第一平衡分数和第二平衡分数。第一平衡分数和第二平衡分数共同指示人的姿势平衡。第二平衡分数相对于临床批准的量表(例如Berg平衡量表、计时起立-步行量表)被验证。执行回归分析以将这些分数与临床批准的量表相关联。
根据本公开的实施例，还可以使用Brand-Altman图来验证测量出的SLS持续时间、振动抖动和FPUM。Brand Altman图提供了用来验证实验结果的标准方法。
书面描述描述了本文中的主题以使本领域任何技术人员能够制造和使用实施例。主题实施例的范围由权利要求限定，并且可以包括本领域技术人员想到的其它修改。如果这样的其它修改具有与权利要求的字面语言没有不同的类似元件，或者如果它们包括与权利要求的字面语言无实质差异的等同元件，则这些其它修改旨在在权利要求的范围内。因此，该实施例提供了用于根据两个平衡分数来确定人的姿势平衡的系统和方法。
然而，应当理解，保护的范围被扩展到这样的程序，并且除了其中具有消息的计算机可读装置之外；这种计算机可读存储装置包含在当程序在服务器或移动装置或任何合适的可编程装置上运行时用于实施该方法的一个或多个步骤的程序代码装置。硬件装置可以是被编程的任何类型的装置，包括例如任何类型的计算机、比如服务器或个人计算机等、或其任何组合。该装置还可以包括可以是例如硬件装置(例如，专用集成电路(ASIC)、现场可编程门阵列(FPGA))或硬件和软件装置的组合(例如，ASIC和FPGA)、或至少一个微处理器和至少一个具有位于其中的软件模块的存储器的装置。因此，该装置可以包括硬件装置和软件装置两者。本文描述的方法实施例可以在硬件和软件中被实施。该装置还可以包括软件装置。可替换地，实施例可以在不同的硬件装置上被实施，例如使用多个CPU。
本文的实施例可以包括硬件和软件元件。在软件中实施的实施例包括但不限于固件、驻留软件、微代码等。由本文描述的各种模块执行的功能可以在其他模块或其他模块的组合中被实施。为了本描述的目的，计算机可用或计算机可读介质可以是可以包括、存储、传送、传播或传输由指令执行系统、设备或装置使用或与其结合使用的程序的任何设备。
介质可以是电子、磁、光、电磁、红外或半导体系统(或设备或装置)或传播介质。计算机可读介质的示例包括半导体或固态存储器、磁带、可移动计算机磁盘、随机存取存储器(RAM)、只读存储器(ROM)、硬磁盘和光盘。光盘的当前示例包括光盘只读存储器(CD-ROM)、光盘读/写(CD-R/W)和DVD。
适合于存储和/或执行程序代码的数据处理系统将包括通过系统总线直接或间接耦接到存储器元件的至少一个处理器。存储器元件可以包括在程序代码的实际执行期间采用的本地存储器、大容量存储器和高速缓存存储器，该高速缓存存储器提供至少一些程序代码的临时存储，以便减少在执行期间必须从大容量存储器检索代码的次数。
输入/输出(I/O)装置(包括但不限于键盘、显示器、指针装置等)可以直接或通过中间I/O控制器耦接到系统。网络适配器还可以被耦接到系统，以使数据处理系统能够通过中间私有或公共网络耦接到其它数据处理系统或远程打印机或存储装置。调制解调器、电缆调制解调器和以太网卡仅仅是当前可用类型的网络适配器中的几种。
用于实践实施例的代表性硬件环境可以包括根据本文的实施例的信息处理/计算机系统的硬件配置。本文的系统包括至少一个处理器或中央处理单元(CPU)。CPU经由系统总线被互连到各种装置，诸如随机存取存储器(RAM)、只读存储器(ROM)和输入/输出(I/O)适配器。I/O适配器可以连接到外围装置，诸如磁盘单元和磁带驱动器、或者可由系统读取的其他程序存储装置。系统可以读取程序存储装置上的发明的指令，并遵循这些指令来执行本文的实施例的方法。
系统还包括将键盘、鼠标、扬声器、麦克风和/或诸如触摸屏装置(未示出)的其他用户接口装置连接到总线以收集用户输入的用户接口适配器。另外，通信适配器将总线连接到数据处理网络，并且显示适配器将总线连接到显示装置，该显示装置可以被体现为输出装置，诸如监视器、打印机或发射机。已经参考各种实施例呈现了前面的描述。本申请所属领域和技术的普通技术人员将理解，可以在没有意义上脱离原理、精神和范围的情况下实践描述的结构和操作方法中的变化和改变。

Claims (20)

1.一种用于确定人的姿势平衡的方法，所述方法包括以下处理器实施的步骤：
使用3D运动传感器来获得所述人的骨骼数据，其中所述人正在进行单肢站立(SLS)练习；
使用噪声过滤模块从所述骨骼数据去除多个噪声；
使用所述人的骨骼数据来计算所述人的单肢站立(SLS)持续时间；
计算所述人的每个关节的速度轮廓；
使用所述人在3D空间中的关节运动轮廓来测量所述人的振动抖动和每单位质量的力(FPUM)，其中所述关节运动轮廓针对所述人的每个关节是不同的，其中所述关节运动轮廓从所述3D运动传感器获得；
针对所述关节的每个基于所述人的振动抖动和FPUM来生成振动指数；并且
使用所述SLS持续时间和所述振动指数来生成所述人的第一平衡分数和第二平衡分数，其中所述第一平衡分数和所述第二平衡分数指示所述人的姿势平衡。
2.根据权利要求1所述的方法，其中所述第一平衡分数指示在单肢站立期间多少振动与不同关节/身体部位相关联。
3.根据权利要求1所述的方法，其中所述第二平衡分数指示三维空间中每个关节的振动和所述人保持所述单肢站立的持续时间。
4.根据权利要求1所述的方法，还包括相对于标准临床分数验证所述第二平衡分数。
5.根据权利要求4所述的方法，其中所述标准临床分数是Berg平衡量表或计时起立-步行量表中的至少一个。
6.根据权利要求1所述的方法，其中使用基于特征向量的曲率分析来测量所述人的SLS持续时间。
7.根据权利要求1所述的方法，其中所述多个噪声是电磁干扰、IR干扰或量化噪声中的至少一个。
8.根据权利要求1所述的方法，还包括使用Brand-Altman图来验证测量出的SLS持续时间、振动抖动和FPUM。
9.根据权利要求1所述的方法，还包括在所述SLS练习之前、在所述SLS练习期间以及在所述SLS练习之后对所述骨骼数据进行分段。
10.根据权利要求1所述的方法，其中所述骨骼数据是所述人的二十个关节在X-Y-Z坐标中的时空变化的测量结果。
11.一种用于确定人的姿势平衡的系统，所述系统包括：
3D运动传感器，用于获得所述人的骨骼数据，其中所述人正在进行单肢站立(SLS)练习；
噪声过滤模块，用于从所述骨骼数据中去除多个噪声；
存储器；以及
处理器，其与所述存储器通信，其中所述处理器还被配置为执行以下步骤：
使用所述人的骨骼数据来计算所述人的单肢站立(SLS)持续时间；
计算所述人的每个关节的速度轮廓；
使用所述人在3D空间中的关节运动轮廓来测量所述人的振动抖动和每单位质量的力(FPUM)，其中所述关节运动轮廓从所述3D运动传感器获得；
基于所述人的振动抖动和FPUM来生成振动指数；
使用所述SLS持续时间和所述振动指数来生成所述人的第一平衡分数和第二平衡分数，其中所述第一平衡分数和所述第二平衡分数指示所述人的姿势平衡。
12.根据权利要求11所述的系统，其中所述3D运动传感器是Kinect传感器。
13.一个或多个非暂时性机器可读信息存储介质，包括一个或多个指令，所述一个或多个指令在由一个或多个硬件处理器执行时导致：
使用3D运动传感器来获得所述人的骨骼数据，其中所述人正在进行单肢站立(SLS)练习；
使用噪声过滤模块从所述骨骼数据去除多个噪声；
使用所述人的骨骼数据来计算所述人的单肢站立(SLS)持续时间；
计算所述人的每个关节的速度轮廓；
使用所述人在3D空间中的关节运动轮廓来测量所述人的振动抖动和每单位质量的力(FPUM)，其中所述关节运动轮廓针对所述人的每个关节是不同的，其中所述关节运动轮廓从所述3D运动传感器获得；
针对所述关节的每个基于所述人的振动抖动和FPUM来生成振动指数；并且
使用所述SLS持续时间和所述振动指数来生成所述人的第一平衡分数和第二平衡分数，其中所述第一平衡分数和所述第二平衡分数指示所述人的姿势平衡。
14.根据权利要求13所述的处理器实施的方法，其中所述第一平衡分数指示在单肢站立期间多少振动与不同关节/身体部位相关联。
15.根据权利要求13所述的方法，其中所述第二平衡分数指示三维空间中每个关节的振动以及所述人保持所述单肢站立的持续时间。
16.根据权利要求13所述的方法，还包括相对于标准临床分数验证所述第二平衡分数。
17.根据权利要求13所述的方法，其中使用基于特征向量的曲率分析来测量所述人的SLS持续时间。
18.根据权利要求13所述的方法，其中所述多个噪声是电磁干扰、IR干扰或量化噪声中的至少一个。
19.根据权利要求13所述的方法，还包括使用Brand-Altman图来验证测量出的SLS持续时间、振动抖动和FPUM。
20.根据权利要求13所述的方法，还包括在所述SLS练习之前、在所述SLS练习期间以及在所述SLS练习之后对所述骨骼数据进行分段。
CN201710181977.1A 2016-09-23 2017-03-24 用于确定人的姿势平衡的方法和系统 Pending CN107871116A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
IN201621032626 2016-09-23
IN201621032626 2016-09-23

Publications (1)

Publication Number Publication Date
CN107871116A true CN107871116A (zh) 2018-04-03

Family

ID=58401454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710181977.1A Pending CN107871116A (zh) 2016-09-23 2017-03-24 用于确定人的姿势平衡的方法和系统

Country Status (7)

Country Link
US (1) US20180085045A1 (zh)
EP (1) EP3298955A1 (zh)
JP (1) JP2018047218A (zh)
CN (1) CN107871116A (zh)
AU (1) AU2017202152B2 (zh)
SG (1) SG10201702332TA (zh)
ZA (1) ZA201701963B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109102887A (zh) * 2018-08-20 2018-12-28 吉林大学 一种躯体振动评估方法
CN111967340A (zh) * 2020-07-27 2020-11-20 中国地质大学（武汉） 一种基于视觉感知的异常事件检测方法及系统
CN113724870A (zh) * 2021-08-20 2021-11-30 杭州康晟健康管理咨询有限公司 肌肉骨骼慢性疼痛的运动管理方法及系统
CN114532986A (zh) * 2022-02-09 2022-05-27 北京中科睿医信息科技有限公司 一种基于三维空间动作捕捉的人体平衡测量方法和系统
CN115568823A (zh) * 2022-09-21 2023-01-06 汕头大学 一种人体平衡能力评估的方法、系统和装置
WO2024020838A1 (en) * 2022-07-27 2024-02-01 Intel Corporation Apparatus, method, device and medium for dynamic balance ability evaluation

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109064487B (zh) * 2018-07-02 2021-08-06 中北大学 一种基于Kinect骨骼节点位置追踪的人体姿势比较方法
EP3644322B1 (en) 2018-10-25 2023-12-27 Tata Consultancy Services Limited Method and system for interpreting neural interplay involving proprioceptive adaptation during a dual task paradigm
CN110245623A (zh) * 2019-06-18 2019-09-17 重庆大学 一种实时人体运动姿势矫正方法及系统
WO2023280723A1 (en) * 2021-07-06 2023-01-12 F. Hoffmann-La Roche Ag System and method for whole-body balance assessment
CN115299934B (zh) * 2022-08-30 2023-04-18 北京中科睿医信息科技有限公司 确定测试动作的方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102228380A (zh) * 2011-07-07 2011-11-02 上海帝诺医疗科技有限公司 用于平衡检测的数据分析方法
US20120139925A1 (en) * 2010-12-06 2012-06-07 Industrial Technology Research Institute System for Estimating Location of Occluded Skeleton, Method for Estimating Location of Occluded Skeleton and Method for Reconstructing Occluded Skeleton
US20130035613A1 (en) * 2011-08-02 2013-02-07 Chase Curtiss System and method for assessing postural sway and human motion
CN103155003A (zh) * 2010-10-08 2013-06-12 松下电器产业株式会社 姿势估计装置及姿势估计方法
CN104361321A (zh) * 2014-11-13 2015-02-18 侯振杰 一种判断老年人摔倒行为及身体平衡能力的方法
CN105005381A (zh) * 2015-07-08 2015-10-28 西安电子科技大学 一种虚拟机械臂交互的抖动消除方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130023798A1 (en) * 2011-07-20 2013-01-24 Intel-Ge Care Innovations Llc Method for body-worn sensor based prospective evaluation of falls risk in community-dwelling elderly adults
US9161708B2 (en) * 2013-02-14 2015-10-20 P3 Analytics, Inc. Generation of personalized training regimens from motion capture data
US20160081594A1 (en) * 2013-03-13 2016-03-24 Virtusense Technologies Range of motion system, and method
JP2017086184A (ja) * 2015-11-02 2017-05-25 国立大学法人埼玉大学 筋活動可視化システムと筋活動可視化方法
US11033205B2 (en) * 2016-02-12 2021-06-15 Tata Consultancy Services Limited System and method for analyzing gait and postural balance of a person

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103155003A (zh) * 2010-10-08 2013-06-12 松下电器产业株式会社 姿势估计装置及姿势估计方法
US20120139925A1 (en) * 2010-12-06 2012-06-07 Industrial Technology Research Institute System for Estimating Location of Occluded Skeleton, Method for Estimating Location of Occluded Skeleton and Method for Reconstructing Occluded Skeleton
CN102228380A (zh) * 2011-07-07 2011-11-02 上海帝诺医疗科技有限公司 用于平衡检测的数据分析方法
US20130035613A1 (en) * 2011-08-02 2013-02-07 Chase Curtiss System and method for assessing postural sway and human motion
CN104361321A (zh) * 2014-11-13 2015-02-18 侯振杰 一种判断老年人摔倒行为及身体平衡能力的方法
CN105005381A (zh) * 2015-07-08 2015-10-28 西安电子科技大学 一种虚拟机械臂交互的抖动消除方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KINGSHUK CHAKRAVARTY等: "QUANTIFICATION OF BALANCE IN SINGLE LIMB STANCE USING KINECT", 《2016 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP)》 *
KINGSHUK CHAKRAVARTY等: "Single leg stance (SLS) and vibration index (VI): New instrumental indices for fall risk estimation in stroke survivors", 《GAIT & POSTURE》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109102887A (zh) * 2018-08-20 2018-12-28 吉林大学 一种躯体振动评估方法
CN111967340A (zh) * 2020-07-27 2020-11-20 中国地质大学（武汉） 一种基于视觉感知的异常事件检测方法及系统
CN111967340B (zh) * 2020-07-27 2023-08-04 中国地质大学（武汉） 一种基于视觉感知的异常事件检测方法及系统
CN113724870A (zh) * 2021-08-20 2021-11-30 杭州康晟健康管理咨询有限公司 肌肉骨骼慢性疼痛的运动管理方法及系统
CN114532986A (zh) * 2022-02-09 2022-05-27 北京中科睿医信息科技有限公司 一种基于三维空间动作捕捉的人体平衡测量方法和系统
WO2024020838A1 (en) * 2022-07-27 2024-02-01 Intel Corporation Apparatus, method, device and medium for dynamic balance ability evaluation
CN115568823A (zh) * 2022-09-21 2023-01-06 汕头大学 一种人体平衡能力评估的方法、系统和装置

Also Published As

Publication number Publication date
AU2017202152A1 (en) 2018-04-12
JP2018047218A (ja) 2018-03-29
SG10201702332TA (en) 2018-04-27
AU2017202152B2 (en) 2019-04-18
US20180085045A1 (en) 2018-03-29
EP3298955A1 (en) 2018-03-28
ZA201701963B (en) 2018-05-30

Similar Documents

Publication Publication Date Title
CN107871116A (zh) 用于确定人的姿势平衡的方法和系统
EP3205269B1 (en) System and method for analyzing gait and postural balance of a person
Velloso et al. Qualitative activity recognition of weight lifting exercises
Jeremy et al. Validation of measures from the smartphone sway balance application: a pilot study
JP2019000653A (ja) アスレチック運動属性からのペースとエネルギー消費の計算
CN109069066A (zh) 可穿戴和连接的步态分析系统
MX2013007965A (es) Sistema posturografico utilizando una plataforma de balance.
KR101985438B1 (ko) 신체 능력의 측정 및 증진을 위한 스마트 기기
US20170181689A1 (en) System and Method for Measuring the Muscle Tone
Dewan et al. Kinematic validation of postural sway measured by biodex biosway (force plate) and SWAY balance (accelerometer) technology
Chakravarty et al. Quantification of balance in single limb stance using kinect
US10548510B2 (en) Objective balance error scoring system
WO2017158569A1 (en) Kinect based balance analysis using single leg stance (sls) exercise
JP2023524526A (ja) 運動の変動性、疾病および傷害の予測、ならびに回復準備状態を判定するためのシステム、デバイス、および方法
US20200312461A1 (en) Methods for sensing and analyzing impacts and performing an assessment
JP2020151470A (ja) 歩行評価装置、歩行評価方法およびプログラム
Mascia et al. Machine learning aided jump height estimate democratization through smartphone measures
JP6853532B2 (ja) 指標値算出装置、指標値算出方法及びプログラム
CA2896013C (en) Objective balance error scoring system
TWI580404B (zh) 肌肉張力感測方法及系統
JP2018038753A (ja) 歩行分析方法及び歩行分析装置
US20240315637A1 (en) System and method for whole-body balance assessment
US20240260854A1 (en) Physical-ability estimation system, physical-ability estimation method, and recording medium
CN113589932B (zh) 一种沉浸式虚拟现实站立平衡训练平台及系统
JP2023135502A (ja) 転倒リスク評価システム、その評価方法およびその評価プログラム

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