CN108256403B - 将肢体运动特性数据化的装置及方法 - Google Patents

将肢体运动特性数据化的装置及方法 Download PDF

Info

Publication number
CN108256403B
CN108256403B CN201611246919.4A CN201611246919A CN108256403B CN 108256403 B CN108256403 B CN 108256403B CN 201611246919 A CN201611246919 A CN 201611246919A CN 108256403 B CN108256403 B CN 108256403B
Authority
CN
China
Prior art keywords
motion
movement
motions
measured
movements
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.)
Active
Application number
CN201611246919.4A
Other languages
English (en)
Other versions
CN108256403A (zh
Inventor
黄镫辉
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.)
IMU Solutions Inc
Original Assignee
IMU Solutions Inc
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 IMU Solutions Inc filed Critical IMU Solutions Inc
Priority to CN201611246919.4A priority Critical patent/CN108256403B/zh
Publication of CN108256403A publication Critical patent/CN108256403A/zh
Application granted granted Critical
Publication of CN108256403B publication Critical patent/CN108256403B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种将复数肢体运动的一运动特性数据化的方法,其中此复数肢体运动由复数个运动感测单元所感测,此方法包括步骤如下,藉此等复数个运动感测单元来感测此等复数肢体运动并产生复数个运动讯号;藉一运动特性要件转换程序将此等运动讯号转换成对应的复数个物理量;以及藉由一运算法运算此等物理量以获得对应此运动特性的一数据。

Description

将肢体运动特性数据化的装置及方法
技术领域
本发明是一种将操作的肢体运动特性所传达的一抽象感受意识转换成一可用来定性及定量评估此运动特性的实际数据数据的处理方法及装置。
背景技术
表演活动,譬如舞蹈,藉由舞蹈者的肢体运动,将舞蹈动作所承载、蕴含,或展现的运动特性意象传递给观赏者接收,观赏者心智由于内心喜好及经验而与所述接收的意象发生交互作用,产生感觉好看、喜悦的心理活动,因此发生赏心悦目的抽象感受意识。但心中此等因感受运动特性而产生的愉悦感觉所述如何被实际且具象的掌握,描述,分析及评估以为后续的应用,却少见技术揭露或讨论?因此,本发明的目的就是要将无形的意识感觉转换成数据化,并据此有形呈现,让所谓的赏心悦目或美丽的感觉等抽象意识具体数据化,图像化,以可资定性甚至量化评估特定运动所乘载的运动特性,进而可资揣摩身体活动。
体健活动,譬如健身运动,循环训练,体操或瑜珈等肢体运动,操作时有所谓的运动到位。运动到位这个概念的进一步阐释,则包括动作之运动幅度,运动速度,运动强度,运动持续程度,甚至运动敏捷程度等等关于运动规格的运动操作素质观念,事实上此等观念大多是教练或健身达人累积的操作经验,然而在运动实践上,似乎未见明确的具体数据指针。不仅如此,此等宝贵的操作经验如何有效掌握及传递,不因不同的时空环境、条件以及不同的健身运动之从事者而变异的相关技术或方法亦少见揭露及讨论。所以本发明的目的就是将教练的指导经验,以数字及图表具象化,使所述等抽象经验变成客观可参考,可传递的实际指标。
另外,医疗肢体复健方面,目前的复健操作尚着重动作之操作形式,复健活动原则上还是定性为主,也就是以肢体状况条件来对应地从事适当的复健活动,然而肢体状况的复健成效还尚难明确与复健方式,复健之动作特性,训练时间,训练份量上量化对应。所以本发明的目的便是要达成可量化复健动作的动作特性,运动量及运动程度,譬如运动幅度及频率等实际物理量,并可藉此来定量评估复健成效。
发明内容
本发明的技术观念:由于体健运动于实务界及学界是将身体运动之运动特性要件式地以文字描述来定义,而运动操作者所操作之运动所蕴含的一运动特性其所传达的意象被观赏者接收而产生的抽象喜好的感知意识则与此运动特性的文字描述定义对应,而此等运动特性文字定义要件所传达的感受意识则藉由解读文字定义之文意以了解此等运动特性文字传达之感受意识关联的物理意涵,并将之更具体地对应到相关的被感测到的运动物理量及此等物理量的组合,藉此将文字定义的运动特性以运动物理特征来表示,进而可以藉利用数学方法所衍生的处理方法来数据化运动特性,使运动特性可以被量化评价。
本发明的技术观念流程如下所示:
肢体运动具特有之运动特性→传达抽象感受意识→归纳特性要件→特性要件之文字定义及描述→对应出关联物理量→以数学方法产生一处理方法→将关联物理量数据化→将运动特性对应出一数据指运动标→评价两个蕴含相同运动特性的肢体运动其等运动特性相符率。
本发明的技术执行:
基于上述的技术观念,技术执行上,是将具有特定运动特性的运动,譬如协调性运动,稳定性运动,敏捷性运动等所传达而被感受的,譬如运动协调性,稳定性,敏捷性等运动特性,归纳出具备此等运动特性之构成要件,再以文字描述定义出此等运动特性之构成要件,对应此等定义的构成要件内容来选定相关之个别的、合并的运动物理量,或是拟制的运动物理量来描述对应,藉此将相关的运动特性以运动物理量来描述,并引入相关的数学方法来处理此等物理量而使此等运动特性或感受意识具体化,数据化,以及指针化,而使此等运动可以进一步的被评估及应用。
此等运动特性的文字定义可以参考此方面运动的专家陈述于相关的文献,教材,学术论文等的见解来建立。具体执行上,将多个运动传感器分别配戴在不同肢体上,以感测肢体操作运动的相关运动讯号,譬如加速度,速度及位移等运动物理量,并将此等运动物理量从此等感测的物理量中选出,将个别的、合并的或拟制的运动物理量与所感测的此运动所具备之运动特性相对应,藉此来定性及定量描述被感测的一个身体运动。
上述运动特性与相关物理特征对应后,可进行一受测运动及一参考运动所表现的一相同运动特性的对比。也就是,此等对应运动特性的运动物理量再利用数学、运动物理学或力学相关的计算方法予以处理、分析,使运动特性与运动物理特征关系数值化,藉之可比较一被感测运动相对于一参考运动之其等的运动特性,譬如运动协调性,运动稳定性,运动敏捷性等,进而可了解此等运动特性的对应符合程度。
另外,还可建构出此参考运动的运动特性与其运动物理特征的一参考运动对应关系,藉此参考运动对应关系来评估一类似于此参考运动的一受测运动的运动特性,并为此受测运动建构出类似于此参考运动对应关系的一受测运动对应关系。
并藉由运动物理学及数学方法来衡量此参考运动对应关系与此受测运动对应关系之差异,藉之定性且定量的评估此受测运动之运动特性相较于此参考运动之运动特性的量化近似度,或差异,以提供执行此受测运动之执行者有效建议以改善其运动操作。
本发明的另加技术特征:
除了上述之将运动特性的定义要件以关联的物理特性予以描述并将此物理特性量化,再加以运算及比对以评估一受测运动与一参考运动具备之运动特性的相符率的技术特征之外。本发明还对被衡量的运动操作提出了一个特征运动整合概念,藉此将一受测的肢体操作运动规范成一个整体运动之架构及组成,也就是将完整的肢体操作运动视为一整体运动,而此整体运动则是由数个次运动所组成,此等的次运动个别有其运动成分,而藉由分析组成此整体运动之各个次运动对应的相关物理特性而产生此次运动的关联物理特性的一分析结果,将所述分析结果与一预期运动或是一参考运动的次运动之物理特性相比对,以评估此受测运动之次运动与此预期运动之次运动之运动特性相符率。
本发明将各个次运动个别具备之运动特性相符率以数学方法整合成一整体运动相符率,以评估一测得的运动即一受测运动与一预期运动即一参考运动在整体运动层次的相符率。
本发明除了运动特性之文字定义对应关联的物理特性的技术特征,再进行物理特征比对之外,进一步的技术特征是,比对的内容可以是此等次运动的组成成分或是次运动的物理表现或是物理特性,包括,直接量到的运动物理量或是经推算得到的运动物理特性。直接量到的运动物理量可以是运动幅度,如加速度,速度,位移或是运动变换频率等,而推算的物理特性可以是运动幅度峰值大小,时间差,运动幅度随时间的变化量或变化率等。藉此了解次运动所含之成分的物理特性是否相符。
本发明进一步的特征是,比对的内容可以是此等组成成分或是次运动发生的事件特性,而就次运动发生的事件特性可以包括,譬如次运动有无发生,各别对应比较的各个次运动所发生并持续的时间是否相等。
直接量得的运动物理量或是其后推算得的运动物理特性,譬如,运动随时间的变化量或变化率。直接量得的运动物理量可以是加速度,速度或是运动变换频率,推算的物理特性可以是峰值大小,时间差等。
三、运动组成
运动操作从起始到终了是一整体运动,此一整体运动系由至少两个或两个以上的次运动所组成,此等个别的次运动包含至少两个或两个以上的运动成分或运动组成。
运动操作从起始到终了是一整体运动,此一整体运动至少两个或两个以上的次一阶运动所组成,任一个次一阶运动是由至少两个或两个以上的再次一阶运动所组成,即整体运动是以阶层的次阶运动的形式所组成,而且,任一个次阶运动可以由至少两个或两个以上的次运动所组成,此等个别的任一个次运动包含至少两个或两个以上的运动成分或运动组成,而此运动成分或运动组成尚包含运动组成细节等,此等运动组成细节可以是加速度,角加速度,速度,角速度,位移,角位移等物理量。
运动操作的整体运动可以用M表示,次运动以Mi表示,如M1,M2,M3…,分别表示次运动M1,此运动M2,次运动M3等以此类推,另外,运动成分则是以Mij表示,如M11,M12,M23…,分别表示次运动M1之运动成分1,次运动M1之运动成分2,及次运动M2之运动成分3等,以此类推。
运动操作的整体运动可以用M表示,此整体运动包含了复数个次阶运动,用MXi表示,其中X可以代表某肢体运动,譬如MX1,MX2,MX3…等,代表第一肢体,第二肢体,第三肢体等次阶运动,其他以此类推。该等次阶运动的次运动以MXij表示,如MX11,MX12,MX23…,分别表示次阶运动MX1的次运动MX11,次阶运动MX1的次运动MX12,次阶运动MX2的次运动MX23等以此类推,另外,次阶运动的次运动之运动成分则是以MXijk表示,如MX111,MX122,MX234…,分别表示次阶运动MX1之次运动MX11的运动成分MX111,次阶运动MX1之次运动MX12之运动成分MX122,及次阶运动MX2之次运动MX23之运动成分MX234等,以此类推。
次运动及次运动间的转换状态,包括次运动间的转换期间,转换运动操作期间,转换运动操作幅度峰值,转换运动操作幅度峰值时间等。
整体运动计时起始至整体运动真实起始的延迟时间之转换状态,即整体运动的第一个次运动运动起始计时开始至真实获得运动讯号之时间间隔期间的转换状态,包括起始运动转换期间,起始期间运动操作幅度峰值,起始期间运动操作幅度峰值时间等。
整体运动计时终止至整体运动真实停止前之残余运动的一转换状态,即整体运动的最后一个次运动运动终止之时间至运动讯号停止发生之时间间隔期间的转换状态也就是残余运动,包括停止运动转换期间,及残余运动期间,残余运动期间之残余运动操作幅度峰值,残余运动期间之残余运动操作幅度峰值时间等。
关于不同运动之整体运动的关联性,次阶运动与次阶运动间的关联性,次运动与次运动,次运动之运动组成之间的关联性等,此等关联系对应地评估整体运动,次阶运动,次运动及运动组成的,譬如运动操作幅度,运动操作频率,操作之运动相位等物理特征而获得。
1.整体运动
运动从起始到结束,是一整体运动M;
2.组成整体运动的各个次运动
整体运动M由数个次运动Mi,譬如M1,M2,M3及M4等次运动所组成;
3.次运动中所包含的运动成分Mij,譬如M11,M12即次运动M1的运动成分M11及M12,或M23,M24即次运动M2的运动成分M23及M24等。
各个次运动Mi包含有其个别的运动成分Mij,譬如M11,M21,M22等。此整体运动的显现,则可以由次运动Mi,或是各次运动之个别运动成分Mij,如操作频率,操作幅度,运动或运动成分之幅度峰值,及相关的运动持续时间或峰值时间等物理特点描述。
四、与运动及运动成分关联的物理性质
1.由运动传感器直接量测到的基本运动物理量
(1)加速度,速度,运动距离,运动幅度,振幅;
(2)上列运动物理量的峰值
(3)时间
2.推算出的运动关联物理量
(1)频率,周期,相位;
(2)能量,能量密度;
(3)时间间隔,时间差;
3.物理量描述领域,及物理量组合即拟制之运动物理量
3.1.物理量描述领域-频率域(Frequency Domain):
1)操作频率(frequencies)
i.个别次运动操作频率(sub-motion operation freq.smf):f_Mi
下述是表示上述物理量,关联物理量,以及物理量组合即制之运动物理量的相关符号说明:
例如:
f_M1:次运动M1的操作频率;
f_M2:次运动M2的操作频率;
f_M3:次运动M3的操作频率;
f_M4:次运动M4的操作频率;
ii.拟制整体运动操作频率:以所有的个别次运动操作频率的算术平均值或几何平均值表示f_MiSA(f_MiSumAverage)。
例如:
f_M4SA:是f_M1,f_M2,f_M3及f_M4四个次运动频率的算术或几何平均值
iii.各个次运动Mi对应其运动操作频率f_Mi在频率域的运动幅度峰值:P_Mi;
例如:
Px_M2:次运动M2对应其运动操作频率f_M2在x方向的运动幅度峰值;
Py_M2:次运动M2对应其运动操作频率f_M2在y方向的运动幅度峰值;
Pz_M2:次运动M2对应其运动操作频率f_M2在z方向的运动幅度峰值;
Pxyz_M2:次运动M2对应其运动操作频率f_M2在x,y及z各方向的运动向量和的运动幅度峰值;
iii.次运动Mi的运动成分Mij于时间域响应的运动幅度峰值:Ap_Mij;
例如:
Apx_M11:次运动M1的运动成分M11在x方向的运动幅度峰值;
Apy_M11:次运动M1的运动成分M11在y方向的运动幅度峰值;
Apz_M11:次运动M1的运动成分M11在z方向的运动幅度峰值;
Apxyz_M11:次运动M1的运动成分M11在x,y及z方向的运动向量和的运动幅度峰值;
2)操作幅度
操作幅度:以次运动的能量或功率频谱密度PSD(f)(sub-motion power spectrumdensity:PSD)来表示
各个次运动Mi的运动频谱能量密度:PSD_Mi;
例如:
PSDx_M1:次运动M1在x方向运动的功率频谱密度;
PSDy_M1:次运动M1在y方向运动的功率频谱密度;
PSDz_M1:次运动M1在z方向运动的功率频谱密度;
PSDxyz_M1:次运动M1在x,y及z方向的运动幅度向量和的功率频谱密度;
PSDx_M2:次运动M2在x方向运动的功率频谱密度;
PSDy_M2:次运动M2在y方向运动的功率频谱密度;
PSDz_M2:次运动M2在z方向运动的功率频谱密度;
PSDxyz_M2:次运动M2在x,y及z方向的运动幅度向量和的功率频谱密度;
i.拟制整体运动之功率频谱密度:PSD_MiSA;
例如:
PSDx_MiSA:所有的个别次运动Mi在x方向运动之PSD,例如PSDx_M4SA是指PSDx_M1,PSDx_M2,PSDx_M3及PSDx_M4的算术平均值或几何平均值;
PSDy_MiSA:所有的个别次运动Mi在y方向运动之PSD,例如PSDy_M4SA是指PSDy_M1,PSDy_M2,PSDy_M3及PSDy_M4的算术平均值或几何平均值;
PSDz_MiSA:所有的个别次运动Mi在z方向运动之PSD,例如PSDz_M4SA是指PSDz_M1,PSDz_M2,PSDz_M3及PSDz_M4的算术平均值或几何平均值;
PSDxyz_MiSA:所有的个别次运动Mi在x,y及z各方向运动幅度向量和之PSD,例如PSDxyz_M4SA是指PSDxyz_M1,PSDxyz_M2,PSDxyz_M3及PSDxyz_M4的算术平均值或几何平均值;
3.2.运动及运动成分之物理特点:
物理量描述领域-时间域-Time Domain:
1)运动期(Period)
i.整体运动期间:t_M;
t_M:整体运动M之操作期间t,将组成所述整体运动的各个次运动Mi期间t_Mi相加而得;
ii.各个次运动Mi之期间:t_Mi
例如:
t_M1:次运动M1之操作期间;
t_M2:次运动M2之操作期间;
iii.次运动Mi之运动成分Mij期间:t_Mij;
例如:
t_M11:次运动M1之运动成分M11之操作期间;
t_M21:次运动M2之运动成分M21之操作期间;
t_M22:次运动M2之运动成分M22之操作期间;;
iv.次运动间过渡转换期间:t_Mi-Mi+1
次运动Mi转换到次运动Mi+1的状态转换期间。
例如:
t_M1-M2:次运动M1转换到次运动M2之状态过度转换期间;
v.运动计时开始至整体运动确实起始的
(1)运动启始延迟期间t_0-M1,运动特性是,原则上在x,y
及z三方向的延迟时间相同,故各运动方向延迟时间皆可以
t_0-M1表示;
(2)所述运动启始延迟期间之转换状态运动幅度峰值:
Ap_0-M1;
例如:
Apx_0-M1:运动启始延迟期间转换状态在x方向的运动幅度峰值;
Apy_0-M1:运动启始延迟期间转换状态在y方向的运动幅度峰值;
Apz_0-M1:运动启始延迟期间转换状态在z方向的运动幅度峰值;
vi.若最后次运动M4当原则上完成后但运动却未完全停止,而有残余运动的
(1)持续期间t_M4-E,运动特性是,原则上在x,y及z三方向的持续时间相同,故各运动方向持持续时间皆可以t_M4-E表示;
(2)所述持续期间之转换状态运动幅度峰值:Ap_M4-E;
例如:
Apx_M4-E:持续期间转换状态在x方向的运动幅度峰值;
Apy_M4-E:持续期间转换状态在y方向的运动幅度峰值;
Apz_M4-E:持续期间转换状态在z方向的运动幅度峰值;
2)时间点(Time Point)
i.拟制整体运动幅度峰值发生时间:t_ApM
t_ApM:是取所有的拟制次运动Mi的峰值发生时间即t_ApM1,t_ApM2,t_ApM3以及t_ApM4的算术平均值或几何平均值;
ii.拟制次运动Mi的运动幅度峰值发生时间:t_ApMi
t_ApMi:是取特定的次运动Mi其所有的运动成分Mij的峰值发生时间t_ApMij的算术平均值或几何平均值;
譬如,
t_ApM1:次运动M1其所有的运动成分M11,M12,M13,M14…的峰值发生时间,即t_ApM11,t_ApM12,t_ApM13,t_ApM14…的算术平均值或是几何平均值。
范例:
t_ApxM1:次运动M1其所有的运动成分M11,M12,M13,M14…在x方向的运动峰值发生时间,即t_ApxM11,t_ApxM12,t_ApxM13,t_ApxM14…的算术平均值或是几何平均值;
t_ApyM1:次运动M1其所有的运动成分M11,M12,M13,M14…在y方向的运动峰值发生时间,即t_ApyM11,t_ApyM12,t_ApyM13,t_ApyM14…的算术平均值或是几何平均值;
t_ApzM1:次运动M1其所有的运动成分M11,M12,M13,M14…在z方向的运动峰值发生时间,即t_ApzM11,t_ApzM12,t_ApzM13,t_ApzM14…的算术平均值或是几何平均值;
t_ApxyzM1:次运动M1其所有的运动成分M11,M12,M13,M14…等的个别运动成分在x,y及z方向的运动向量和的运动峰值发生时间,即t_ApxyzM11,t_ApxyzM12,t_ApxyzM13,t_ApxyzM14…的算术平均值或是几何平均值;
ii.次运动Mi之运动成分Mij操作幅度峰值时间:t_ApMij;
例如:
t_ApxM11:次运动M1之运动成分M11在x方向的运动或操作幅度峰值发生时间;
t_ApyM21:次运动M2之运动成分M21在y方向的运动或操作幅度峰值发生时间;
t_ApzM22:次运动M2之运动成分M22在z方向的运动或操作幅度峰值发生时间;
t_ApxyzM22:次运动M2之运动成分M22在x,y及z三方向的运动或操作幅度向量和的峰值发生时间;
iii.次运动Mi及Mi+1之间的过渡转换时间(transient between sub-motions):t_Mi-Mi+1;
例如:
t_M1-M2:由次运动M1转换到次运动M2的过渡转换期间;
t_M2-M3:由次运动M2转换到次运动M3的过渡转换期间;
t_M3-M4:由次运动M1转换到次运动M2的过渡转换期间;
iv.计时开始至整体运动确实起始的延迟中运动峰值发生时间:t_Ap0-M1;
说明:t_Ap0-M1,0:表示起始运动计时开始,M1:表示运动开始,整体运动M是从次运动M1开始。
vii.次运动Mi及Mi+1之间的过渡转换运动幅度峰值发生时间:t_ApMi-Mi+1;
例如:
t_ApxM1-M2:次运动M1及M2之间的过渡转换运动,相对于X方向的运动幅度峰值发生时间;
t_ApxM2-M3:次运动M2及M3之间的过渡转换运动,相对于X方向的运动幅度峰值发生时间;
t_ApxM3-M4:次运动M3及M4之间的过渡转换运动,相对于X方向的运动幅度峰值发生时间;
t_ApxyzM3-M4:次运动M3及M4之间的过渡转换运动,相对于x,y及z方向的运动向量和的运动幅度峰值发生时间;
viii.最后次运动完成后残余运动持续时运动峰值发生时间:t_ApMf-E;
范例说明:
t_ApM4-E表示此段残余运动的峰值发生时间,其中M4:表示整体运动M的最后次运动是M4;E:是指M4完成后理应动作停止但未停止的残余运动直到E时间才完全停止。
3)操作幅度峰值(Amplitude Peak:Apx(t),y(t)and z(t))
i.拟制整体运动幅度峰值(在时间域):Ap_M;
说明:单一时间操作或运动幅度,以时间域的幅度峰值来描述人体运动特性会比采用频率的振幅峰值更能表现运动或操作特性,因为频率的振幅峰值适合于机械式的往复振动,也就是采样讯号时,当下的振幅及振频变异不大,然而,人体运动的操作或是运动幅度及此运动的往复时间或频率,相较于评量机械振动的振幅及振频来说,变异较大,故采用时间域的操作幅度可以更贴近操作现况的评量运动特性。
Ap_MAS:所有拟制之次运动Mi(及其运动成分Mij)的运动或操作幅度峰值Ap_MiSA的算术平均数或几何平均数;
例如:
Ap_MAS:为拟制之次运动M1,M2,M3及M4的运动或操作幅度峰值Ap_M1SA,Ap_M2SA,Ap_M3SA及Ap_M4SA的算术平均数或是几何平均数;
ii.各个次运动Mi的拟制幅度峰值Ap_MiSA是其运动成分Mij的运动或操作幅度峰值Ap_Mij的算术平均数或是几何平均数;
例如:次运动M1的拟制幅度峰值Ap_M1SA是其运动成分M11,M12,M13及M14的运动或操作幅度峰值Ap_M11,Ap_M12,Ap_M13及Ap_M14的算术平均数或是几何平均数;
另外,
Apx_M1SA:是次运动M1的运动成分M11,M12,M13及M14在x方向的运动或操作幅度峰值Apx_M11,Apx_M12,Apx_M13及Apx_M14的算术平均数或是几何平均数;
Apy_M1SA:是次运动M1的运动成分M11,M12,M13及M14在y方向的运动或操作幅度峰值Apy_M11,Apy_M12,Apy_M13及Apy_M14的算术平均数或是几何平均数;
Apz_M1SA:是次运动M1的运动成分M11,M12,M13及M14在z方向的运动或操作幅度峰值Apz_M11,Apz_M12,Apz_M13及Apz_M14的算术平均数或是几何平均数;
Apxyz_M1SA:是次运动M1的运动成分M11,M12,M13及M14在x,y及z方向的运动向量和的运动或操作幅度峰值Apxyz_M11,Apxyz_M12,Apxyz_M13及Apxyz_M14的算术平均数或是几何平均数;
iii.次运动Mi之运动成分Mij之运动或操作幅度峰值:Ap_Mij;
例如:
Apx_M11:次运动M1之运动成分M11在x方向的运动或操作幅度峰值;
Apy_M11:次运动M1之运动成分M11在y方向的运动或操作幅度峰值;
Apz_M11:次运动M1之运动成分M11在z方向的运动或操作幅度峰值;
Apxyz_M11:次运动M1之运动成分M11在x,y及z方向的运动向量和的运动或操作幅度峰值;
Apxyz_M21:次运动M2之运动成分M21在x,y及z方向的运动向量和的运动或操作幅度峰值;
Apxyz_M22:次运动M2之运动成分M22在x,y及z方向的运动向量和的运动或操作幅度峰值;
iv.次运动Mi与Mi+1之间过渡转换运动峰值:Ap_Mi-Mi+1;
例如:
Apx_M1-M2:次运动M1与次运动M2之间过渡转换运动在x方向上的运动幅度峰值;
Apy_M1-M2:次运动M1与次运动M2之间过渡转换运动在y方向上的运动幅度峰值;
Apz_M1-M2:次运动M1与次运动M2之间过渡转换运动在z方向上的运动幅度峰值;
Apxyz_M1-M2:次运动M1与次运动M2之间过渡转换运动在x,y及z方向上的运动向量和的运动幅度峰值;
v.运动计时开始至整体运动M确实起始之前的一延迟运动的运动幅度峰值:Ap_0-M1;
例如:
Apx_0-M1:运动计时开始至整体运动M确实起始前的一延迟运动在x方向的运动幅度峰值,整体运动M起始即是次运动M1的起始;
Apy_0-M1:运动计时开始至整体运动M确实起始前的一延迟运动在y方向的运动幅度峰值,整体运动M起始即是次运动M1的起始;
Apz_0-M1:运动计时开始至整体运动M确实起始前的一延迟运动在z方向的运动幅度峰值,整体运动M起始即是次运动M1的起始;
Apxyz_0-M1:运动计时开始至整体运动M确实开始前的一延迟运动在x,y及z各方向的运动向量和的运动幅度峰值;
vi.最后次运动Mf完成后的一残余运动的运动幅度峰值,也就是最后次运动Mf到残余运动完全消失之间的一转换状态:Ap_Mf-E
说明:原则上,最后次运动完成后,一整体运动M便完成,不应所述再有运动讯号发生,若还有便是一残余运动。
例如:
注:此范例中,一整体运动M的一最后次运动是次运动M4。
Apx_M4-E:最后次运动即次运动M4完成后的一残余运动在x方向的运动幅度峰值;
Apy_M4-E:最后次运动即次运动M4完成后的一残余运动在y方向的运动幅度峰值;
Apz_M4-E:最后次运动即次运动M4完成后的一残余运动在z方向的运动幅度峰值;
Apxyz_M4-E:最后次运动即次运动M4完成后的一残余运动在x,y及z各方向的运动向量和的运动幅度峰值;
五、用来评估运动特性的数学或统计关系式
(1)算术平均(Arithmetic Average)
Figure GDA0001673504440000171
(2)几何平均(Geometrical Average)
Figure GDA0001673504440000172
(3)统计标准偏差(Standard Deviation:SD):σ
Figure GDA0001673504440000173
平均数mean value
Figure GDA0001673504440000174
上述(1),(2),(3)的wi可以是基本运动物理特性,譬如频率或是振幅,也可以是拟制运动物理量,或是基本运动物理量组合。另外,n是样本数,μ则是n个wi的算术平均数。
(4)交互关系(Cross-Correlation)
Figure GDA0001673504440000175
此处w可以是基本运动物理特性,譬如运动频率、振幅或是运动操作幅度,也可以是拟制运动物理量,或是基本运动物理量组合。
(5)功率频谱密度(Power Spectrum Density:PSD)
(Ref.:https://en.wikipedia.org/wiki/Spectral_density)
PSD:
Figure GDA0001673504440000176
(where wn is the discrete timevariables in a finite window 1≦n≦N,and the total measurement period is T=NΔt).
此处wn是在表现一有限区间1≦n≦N内的离散时间物理量,所述物理量是运动幅度或振幅,而整体的量测时间是T=NΔt,其中N是量测的总次数,Δt则是采样时间。
附图说明
图1:本发明构想的较佳实施例的肢体运动感测及其运动特性数据化的装置。
图2:本发明构想的较佳实施例采用的节拍器以1Hz摆荡,当作协调运动之节奏参考。
图3(A):本发明构想的较佳实施例的运动型态I之次运动M1(Type I–M1)。
图3(B):本发明构想的较佳实施例的运动型态I之次运动M2(Type I–M2)。
图3(C):本发明构想的较佳实施例的运动型态I之次运动M3(Type I–M3)。
图3(D):本发明构想的较佳实施例的运动型态I之次运动M4(Type I–M4)。
图4(A):本发明构想的较佳具体实施例的运动型态I的一参考运动的加速度讯号于时间域之分布(Type I Reference Motion in Time Domain)。
图4(B):本发明构想的较佳具体实施例的运动型态I的一参考运动的加速度讯号于频率域之分布(Type I Reference Motion in Frequency Domain)。
图5(A):本发明构想的较佳具体实施例的运动型态I的一受测运动的加速度讯号于时间域之分布(Type I Measured Motion in Time Domain)。
图5(B):本发明构想的较佳具体实施例的运动型态I的一受测运动的加速度讯号于频率域之分布(Type I Measured Motion in Frequency Domain)。
图6(A):本发明构想的较佳实施例的运动型态II之次运动M1(Type II–M1)。
图6(B):本发明构想的较佳实施例的运动型态II之次运动M2(Type II–M2)。
图6(C):本发明构想的较佳实施例的运动型态II之次运动M3(Type II–M3)。
图6(D):本发明构想的较佳实施例的运动型态II之次运动M4(Type II–M4)。
图7(A):本发明构想的较佳具体实施例的运动型态II的一参考运动的加速度讯号于时间域之分布(Type II Reference Motion in Time Domain)。
图7(B):本发明构想的较佳具体实施例的运动型态II的一参考运动的加速度讯号于频率域之分布(Type II Reference Motion in Frequency Domain)。
图8(A):本发明构想的较佳具体实施例的运动型态II的一受测运动的加速度讯号于时间域之分布(Type II Measured Motion in Time Domain)。
图8(B):本发明构想的较佳具体实施例的运动型态II的一受测运动的加速度讯号于频率域之分布(Type II Measured Motion in Frequency Domain)。
图9(A):本发明构想的较佳具体实施例的运动型态II的一受测运动的运动特性加速度讯号分析(Measured Motion Characteristics Analysis)。
图9(B):本发明构想的较佳具体实施例的运动型态II的一参考运动的运动特性时间域分析(Analysis of Characteristics of the Reference Motion of Type IIMotion)。
图9(C):本发明构想的较佳具体实施例的运动型态II的一量测运动的运动特性时间域分析(Analysis of Characteristics of the Measured Motion of Type IIMotion)。
图10:本发明构想的较佳具体实施例的运动型态III。
图11(A):本发明构想的较佳具体实施例的运动型态III的一参考运动加速度讯号-两手运动:左手运动(上图)及右手运动(下图)。
图11(B):本发明构想的较佳具体实施例的运动型态III运动的一参考运动加速度讯号-两手运动之交互关联性。
图12(A):本发明构想的较佳具体实施例的运动型态III的一受测运动加速度讯号-两手运动:左手运动(上图)及右手运动(下图)。
图12(B):本发明构想的较佳具体实施例的运动型态III运动的一受测运动加速度讯号-两手运动之交互关联性。
图13:本发明构想的较佳具体实施例的运动型态IV。
图14(A):本发明构想的较佳具体实施例的运动型态IV的一受测运动加速度讯号对比一参考运动加速度讯号–左手运动:受测运动之左手运动(上图)及参考运动之左手运动(下图)。
图14(B):本发明构想的较佳具体实施例的运动型态IV的一受测运动左手运动讯号相对于一参考运动左手运动讯号-两左手运动之交互关联性。
图15(A):本发明构想的较佳具体实施例的运动型态IV的一受测运动加速度讯号对比一参考运动加速度讯号–右手运动:受测运动之右手运动(上图)及参考运动之右手运动(下图)。
图15(B):本发明构想的较佳具体实施例的运动型态IV的一受测运动右手运动讯号相对于一参考运动右手运动讯号-两右手运动之交互关联性。
图16(A):本发明构想的较佳具体实施例的运动型态IV的一受测运动加速度讯号对比一参考运动加速度讯号–右脚运动:受测运动之右脚运动(上图)及参考运动之右脚运动(下图)。
图16(B):本发明构想的较佳具体实施例的运动型态IV的一受测运动右脚运动讯号相对于一参考运动右脚运动讯号-两右脚运动之交互关联性。
表一:运动特性要件物理特性特征化-协调性运动特性要件(注1)及其评估方式。
表二:一受测运动讯号相对于一参考运动讯号之运动协调性量化评估。
具体实施方式
图式含运动特性分析对比图
本发明使用多个运动感测穿戴装置,分别配戴于不同肢体上,用来感测个别肢体运动,进行运动特性分析,描述运动特性,藉之对比一参考运动及一受测运动两者间的运动特性的关联程度。
图1是依据本发明构想的一较佳实施例的多重运动感应及运动特性辨析装置架构图,其中一多重运动感应装置1,最少具有三个穿戴式的运动感测装置RHD,LHD及RFD,分别穿戴在运动者的右手手腕,左手手腕及右脚踝及小腿附近,用来感测运动者操作的肢体运动并传出运动感测讯号(图式未示出),如图1所示,一讯号接收及处理装置2,可以是一行动装置21,譬如手机,平板,或导航装置,或是一计算机22等,用来接收由此多重运动感应装置1经由有线或无线传输通道T12传出的运动感测讯号,并藉此行动中置21上的一应用程序(APP)21-App1或此计算机22中的一软件程序22-SW1来处理所述等运动感测讯号以产生一运动数据(图式未示出),产生的此运动数据经由传输信道T23而传送到一特定数据库3,譬如某一运动者数据库或是一健身会馆的数据库等,传送到此特定数据库中的运动数据可以视需要再予以处理,或是经由传输通道T34传送到一云端数据库4予以储存或为后续应用。另外,此运动感测讯号也可以让此行动装置21中的另一应用程序21-App2处里,产生的数据可以再经由传输通道T2122传送给此计算机22中的另一个软件程序22-SW2处理,产生另一运动数据可以经由传输信道T23传送到此特定数据库3,之后再经由传输通道T34传送到此运端数据库4,或者此另一种运动数据也可经由传输信道T24从此讯号接收及处理装置2直接传送到此云端数据库4。此外,由此多重运动感测装置1传出的此运动感测讯号也可经由传输通道T13或T14直接传输到此特定储数据库3,或此云端数据库4。
图2是一外部节拍器产生的一特定节拍讯号1Hz。此特定节拍讯号用来评量一运动特性,譬如评量一运动协调性之韵律的一参考拍点。也就是藉由参考节拍器(Metronome)产生的节拍以协调运动之操作,表现动作之律动,让观赏者感受运动之韵律感及协调性。此处节拍器产生的节拍为每秒一次,即1Hz。本发明利用节拍器来比对参考运动及受测运动的节拍及律动,以进行运动特性关联性分析。
为更清楚说明本发明的技术特征,也就是将藉由表现操作所传达的一肢体运动其所包含的一运动特性使一观赏者藉视听感官接收所产生的一感受意识被转换成一具体数据或一指针的实际作法。
本案实际作法,藉由所列举的运动型态I、II、III及IV等实施例来表现协调性运动,其等所具有的运动特性便是运动协调性。本实施例说明将此运动特性即运动协调性,藉本发明的方法将无形的抽象感受意识转换成具体数据及指针,并经由评价实施例中用来对比具有类似运动特性的两个个别运动,也就是一参考运动以及一受测运动两者间所分别具有的运动特性即运动协调性的相符程度,并以数据表示。
此处所举的运动型态则诚如于
图3所示的运动型态I-小臂相对肘关节转动协调运动,其中图3(A)是运动型态I的次运动M1的运动操作图,图3(B)运动型态I的次运动M2的运动操作图,图3(C)是运动型态I的次运动M3的运动操作图,图3(D)是运动型态I的次运动M4的运动操作图;
图6所示的运动型态II-小臂相对肘关节扭转挥摆协调运动,其中图6(A)是运动型态II的次运动M1的运动操作图,图6(B)是运动型态II的次运动M2的运动操作图,图6(C)是运动型态II的次运动M3的运动操作图,图6(D)是运动型态II的次运动M4的运动操作图;
图10所示的运动型态III–两手小臂相对肘关节交互扭转摆动协调运动;及图13所示的运动型态IV–手臂及上半身相对腰部左右转动并搭配左右腿同时踏阶协调运动。
为了将此运动特性,即此处实施例所处理的将运动协调性数据化或指针化,须先行明确界定此运动特性即运动协调性的要件,而此等要件则是藉由文字描述来定义(注1)。
此运动协调性之成立要件的文字描述定义再以适当或是相关的物理量,物理量组合或是拟制物理量等物理特性来对应,使运动特性要件因对应的物理特性而被特征化,让此意识上的无形感受的运动特性被对应到有形实体的物理世界,使所述无形的意识感受得以藉具体数据予以描述。此等运动特性即运动协调性与物理特性之对应则如下表一所示:
表一:运动特性要件物理特性特征化-协调性运动特性要件(注1)及其评估方式
Figure GDA0001673504440000231
将运动特性要件与相关物理量完成对应之后,相关的,如本揭露书第35段第五项所述的数学关系式,便用来评估运动特性;
最后,以运动型态II来说明运动协调性如何具体量化及评价。
简述上面所提的将感受之抽象运动特性转换成具体数据或指针过程,如下所示:
1.展现的肢体运动具特有之运动特性;
2.此运动特性让观赏听闻者产生一抽象感受意识;
3.藉所述感受意识归纳此运动特性之要件;
4.特性要件藉文字定义及描述;
5.将所述文字定义及描述来对应或拟制关联物理量或物理特性;
6.藉数学方法来处理上述关联物理量或物理特性;
7.将关联物理量或物理特性数据化;
8.将运动特性对应出一数据运动指针;
9.评价两个蕴含相同运动特性的肢体运动其等之运动特性相符程度或是相符率。
此处提出的四种类型运动中,如图3、图4及图5所示的是关于运动型态I-小臂相对肘关节转动协调运动,用来说明一整体运动M系藉四个分时操作的独立次运动M1、M2、M3及M4而形成的观念。
运动型态I-小臂相对肘关节转动协调运动,如图3(A)、图3(B)、图3(C)及图3(D)所示,单肢体穿戴单一运动感应单元,即左手腕上穿戴一个具有6或9轴运动感测自由度的运动感测单元LHD,左手掌心则是与手部一起运动的运动坐标定义CL之所在,感测到的运动讯号,皆相对此运动坐标定义CL来表示及进行后续处理。另外,也可以视需要将此感测到的运动讯号相对于一广义参考坐标定义CG来表示或处理。
关于运动型态I-小臂相对肘关节转动协调运动的操作方式请参阅图3(A)、图3(B)、图3(C)及图3(D)。其中,
运动感测装置穿戴:单一运动感测单元,单一肢体穿戴运动感应单元,即左手腕穿戴一个6或9轴之运动感测单元LHD。
运动坐标定义:左手腕以配置穿戴装置,其运动感测方向则以附着于所述左手掌且操作运动时一起运动的直角坐标CL方向所定义,如图3(A)之(U)所示。
次运动一:M1
起始姿态:左手肘放置桌面,左小臂及左手掌朝天空方向伸直与水平桌面间约为90°,如图3(A)之(U)所示。
运动操作:左小臂连同手掌以肘关节为支点运动,手掌面朝上臂内侧往复摆动,如图3(A)之(U)(C)及(S)所示,做四下;
次运动二:M2
起始姿态:左手肘放置桌面,左小臂伸直,手掌朝天空方向,小臂与桌面间之角度约为45°;如图3(B)之(U)所示。
运动操作:左小臂与桌面间保持45°,以肘关节为支点运动,手掌面朝上臂内侧往复摆动,同时手腕及手掌逆时钟方向扭动,如图3(B)之(R)所示,手掌扭动角度约180°(D),如图3(B)之(D)所示,再顺时钟方向扭转回复起始运动状态,如图3(B)之(U)所示,往复做四下;
次运动三:M3
起始姿态:左手肘放置桌面,左小臂朝天空方向伸直,左手掌朝右侧方向,左小臂与桌面间之角度约为90°;如图3(C)之(U)所示。
运动操作:左手掌及左小臂保持朝右侧方向时,以肘为支点朝向桌面进行往复运动,像比赛腕力运动一般,做四下;如图3(C)之(U)(C)及(F)所示。
次运动四:M4
起始姿态:左手肘放置桌面,左小臂朝天空方向伸直,左手掌朝右侧方向,左小臂与桌面间之角度约为90°;如图3(D)之(U)所示。
运动操作:以放置在桌面上的左手肘为支点,如次运动三(M3)之左手掌面朝桌面如比赛腕力运动的同时,图3(D)之(E)所示,左手掌及左手臂向外侧回转伸直图3(D)之(S)所示,再回转回起始运动点,图3(D)之(U)所示的往复回转运动,做四下。
上述四个次运动M1、M2、M3及M4依顺序各做四下,并于操作运动时,利用穿戴的运动感测装置以10Hz频率采样收集此等运动讯号,进行分析。
实施例之运动型态I,以时间上分段次运动,明确的表现不同的次运动M1、M2、M3及M4。此运动型态I的一第一受测运动的次运动M1,它在时间域及频率域的运动描述分别如图式之图4(A)及图4(B)所示。图4(A)表示,此次运动M1相对于此运动坐标CG定义的X方向,Y方向及Z方向在时间域上的操作幅度x(t),y(t)及z(t)的加速度讯号变化,它是藉由图3(A)的运动感测单元LHD所感测出的左手臂LH之运动操作相对于X、Y、Z三方向的运动加速度讯号。就此等讯号比较来看,此次运动M1于Z方向的操作幅度z(t)相较于X及Y方向有更显著的周期变换及幅度变化。另外,如图4(B)所示之在X、Y、Z三方向的x(t),y(t),z(t)运动加速度讯号的频谱图可看出,此次运动M1频率域上的响应,在0.75Hz频率上,X、Y及Z方向的操作幅度皆发生峰值,然而Z(S)之最高峰值明显高于X(S)及Y(S)之最高峰值。
图5(A)及图5(B)所示的是此运动型态I的一第二受测运动的整体运动M,分别在时间域及频率域的操作运动分布。图5(A)中的M1、M2、M3及M4等四个区域中的操作幅度x(t),y(t)及z(t)等运动加速度讯号随时间的变化,分别是相对应的图3(A)、图3(B)、图3(C)及图3(D)所示的次运动M1、M、M3及M4所产生的运动讯号。图5(B)则是图5(A)所示之运动操作于时间域之加速度讯号x(t),y(t)及z(t)对应于频率域的操作频率讯号及操作幅度讯号,也就是频谱图。图5(B)表示了运动型态I的第二受测运动之整体运动M中的所有次运动M1,M2,M3及M4的频域响应,而图4(B)则是运动型态I的第一受测运动的整体运动M中的次运动M1的频谱图。
图6、图7、图8及图9所示是运动型态II-小臂相对肘关节扭转挥摆协调运动,此等图式说明运动型态II的一整体运动M的四个分时操作独立次运动M1、M2、M3及M4及其操作幅度峰值,并指出次运动所包含的运动成分,以及此等次运动在时间域与频率域上响应的对应关系。
运动型态II-小臂相对肘关节扭转挥摆协调运动,请参阅图式图6(A)、图6(B)、图6(C)及图6(D),单肢体穿戴单一运动感应单元,即左手腕上穿戴一个具有6或9轴运动感测自由度的运动感测单元LHD,左手掌心则是与手部一起运动的运动坐标定义CL之所在,感测到的运动讯号,皆相对此运动坐标定义CL来表示及进行后续处理。另外,也可以视需要将此感测到的运动讯号相对于一广义参考坐标定义CG来表示或处理。
关于运动型态II-小臂相对肘关节扭转挥摆协调运动,其构成的四个次运动,基本上与运动型态I之相同,差别在于将此等次运动重新配置操作顺序,以产生更显著的运动讯号区隔以利说明。运动型态II的次运动操作,请参阅图6(A)、图6(B)、图6(C)及图6(D)。其中,运动感测装置穿戴:单一运动感测单元,单一肢体穿戴运动感应单元,即左手腕穿戴一个6或9轴之运动感测单元LHD。
运动坐标定义:左手腕以配置穿戴装置,其运动感测方向则以附着于所述左手掌且操作运动时一起运动的直角坐标CL方向所定义,如图6(A)之(U)所示。
次运动一:M1(此次运动同运动型态I之次运动M2)
起始姿态:左手肘放置桌面上,左手掌及左小臂朝天空方向伸直与水平桌面间约为45°;如图6(A)之(U)所示。
运动操作:左小臂与桌面间保持45°,以肘关节为支点运动,手掌面朝上臂内侧往复摆动,同时手腕及手掌逆时钟方向扭动,如图6(A)之(R)所示,手掌扭动角度约180°(D),如图6(A)之(D)所示,再顺时钟方向扭转回复起始运动状态,如图6(A)之(U)所示,往复做四下,最慢速,小于1Hz;如图式图6(A)之(U)、(R)及(D)所示。
次运动二:M2(此次运动同运动型态I之次运动M4)
起始姿态:左手肘放置桌面,左小臂朝天空方向伸直,左手掌朝右侧方向,左小臂与桌面间之角度约为90°;如图6(B)之(U)所示。
运动操作:以放置在桌面上的左手肘为支点,如运动型态I的次运动三(M3)之左手掌面朝桌面如比赛腕力运动的同时,如图6(B)之(E)(图3(D)之(E))所示,左手掌及左手臂向外侧回转伸直,如图6(B)之(S)(图3(D)之(S))所示,再回转回起始运动点,如图6(B)之(U)(图3(D)之(U))所示的往复回转运动,回转角度约180度,做四下,次慢速约2Hz;如图式图6(B)之(U)、(E)及(S)所示。
次动作三:M3(此次运动同运动型态I之次运动M1)
起始姿态:左手肘放置桌面,左小臂及左手掌朝天空方向伸直与水平桌面间约为90°;如图6(C)之(U)所示。
运动操作:左小臂连同手掌以肘关节为支点运动,手掌面朝上臂内侧往复摆动,做四下。原则上,左小臂平行重力方向,左手掌面朝上臂内侧往复摆动,摆动角度约90度,做四下,稍快,约3~4Hz;如图式图6(C)之(U)、(C)及(S)所示。
次动作四:M4(此次运动同运动型态I之次运动M3)
起始姿态:左手肘放置桌面,左小臂朝天空方向伸直,左手掌朝右侧方向,左小臂与桌面间之角度约为90°;如图6(D)之(U)所示。
运动操作:左手掌及左小臂保持朝右侧方向时,以肘为支点朝向桌面进行往复运动,像比赛腕力运动一般,运动角度90度,做四下,快,约5Hz;如图式图6(D)之(U)、(C)及(F)所示。
上述四个次运动M1、M2、M3及M4依顺序各做四下,并于操作运动时,利用穿戴的运动感测装置以10Hz频率采样收集此等运动讯号,进行分析。
此实施例运动型态II也是类似运动型态I,系以单一运动感测装置来感测单一肢体运动的运动组成。它可依次运动之操作顺序在时间上明显分段的感测次运动,以明确的表示不同的次运动讯号,以及个别次运动中的运动成分,以利本发明概念之解析及说明。运动型态II所包含的诸个次运动之分解,区隔,及此等次运动及其所组成的整体运动的辨识方式则如图式图7、图8,及图9所示。
其中,图式图7(A)及图7(B)描述的是被用来当作对照标准的一参考运动分别在时间域及频率域的运动响应讯号,至于图式图8(A)及图7(B)则是用来比对此参考运动的一受测运动,它分别在时间域及频率域的运动响应讯号。此等图式中在时间域的描述部分如图7(A)及图8(A)上的M1、M2、M3及M4分别对应此运动型态II的次运动M1,次运动M2、次运动M3及次运动M4,分别在X、Y及Z方向在时间域上的运动幅度相对于时间的变化,至于在频率域中的描述部分如图7(B)及图8(B)上的M1、M2、M3及M4分别对应此参考运动及此受测运动的次运动M1、次运动M2、次运动M3及次运动M4分别在X、Y及Z方向上藉此单一运动感测装置感测到的最近似于简谐运动响应于频率域中的最大幅度在单位时间内的往复值,或说操作频率。
另外,请看图7(B),次运动M4在X(s)图表上的M4x及Z(s)图表上的M4z,可以看出M4x的响应频率约为2.5Hz,而M4z的则高于2,5Hz,约为2.6Hz,或说M4z相对的相位领先M4x约0.1Hz,也就是此参考运动其次运动M4在操作上,于Z方向的运动操作速度稍快于相对X方向的操作速度。此同一次运动中,相对于不同运动方向上的操作运动在时间域上的速度差异或说于频率域上响应的相位领先或落后的情形也可以用来辨析区隔运动特性的相符程度。图8(B)所描述的此受测运动的次运动M2也具有类似情形,其说明如同上述。
图9(A)则是藉运动型态II之此受测运动相对于X方向上的运动操作在时间域上的操作幅度相对时间的变化来进一步的描述整体运动组成,次运动组成,运动成分等的相关概念。此受测运动系一个整体运动M,包含此整体运动M的各个次运动的运动M1~M4,以及此等次运动分别包含的运动成分,譬如,M11,M12,M21,M31…等,并特别标示出运动成分M22或M34为例说明它们分别在次运动M2或M3上的构成。另外,尚有其他的次运动间的操作变异,譬如计时开始至整体运动确实起始的延迟期间如t_0-M1,计时开始至整体运动确实起始的延迟中运动幅度峰值,如Apx_0-M1,计时开始至整体运动确实起始的延迟中运动峰值发生时间则是t_Ap0-M1;由次运动M1转换到次运动M2的次运动间过渡转换期间;t_M1-M2,次运动M1与次运动M2之间过渡转换运动在x方向上的运动幅度峰值,Apx_M1-M2,次运动M1及M2之间的过渡转换运动,相对于X方向的运动幅度峰值发生时间,t_ApM1-M2;最后次运动M4原则上完成后而运动却未完全停止的残余运动持续时间,t_M4-E,最后次运动M4完成后残余运动的持续时运动幅度峰值发生时间,t_ApM4-E,最后次运动M4完成后残余运动的持续时间运动幅度峰值,Apx_M4-E等等。此等次运动的数量,次运动的组成,次运动中所含的运动成分,次运动间的操作变异等等皆可用来描述,辨析,对比及量化或数据化运动特性。
图9(B)及图9(C)则是对比运动型态II之此参考运动以及此受测运动中各个次运动所包含的运动成分,其中t_M1、t_M2、t_M3及t_M4则分别表示次运动M1、M2、M3及M4的操作时间。另外,Apx_M14、Apx_M22、Apx_M32、Apx_M43则用来举例,分别指出运动成分M14、M22、M32及M43,在时间域上,相对X方向运动的运动操作幅度峰值。由此等运动成分的运动幅度峰值可以比较出,譬如以运动成分M22来看,此参考运动的Apx_M22其幅度峰值约为2,是发生在运动成分M22的起始时间,相对于此受测运动的Apx_M22,其幅度峰值则是约为1.6,且其发生在运动成分M22的终了时间,也就是运动成分的运动幅度峰值相对于次运动之主要运动成分的构成分布来说,此参考运动系接近运动成分起始时间发生,而此受测运动则是接近终了时间发生,且两者的幅度峰值亦有不同,此等差异以可用来辨析,比对并量化或数据化此参考运动及此受测运动两者之运动特性的相近程度。
运动型态III-两手小臂相对肘关节交互扭转摆动协调运动,如图10所示,左手及右手两肢体分别配戴一运动感应单元,即左手腕及右手腕分别穿戴一个具有6或9轴运动感测自由度的运动感测单元LHD及RHD,左手掌心及右手掌心则是个别与左手臂及右手臂一起运动的运动坐标定义CL及CR之所在,感测到的左手及右手运动讯号,皆分别相对此运动坐标定义CL及CR来表示及进行后续处理。另外,也可以视需要将此感测到的运动讯号相对于一广义参考坐标定义CG来表示或处理。
运动型态III-两手小臂相对肘关节交互扭转摆动协调运动,请参阅图式图10(S)(1)(2)(3)…(10),其中
运动感测装置穿戴:双运动感测单元,分别穿戴于两肢体,即左手及右手个别穿戴运动感应单元。
运动坐标定义:左右两手腕分别穿戴有穿戴装置LHD及RHD,其运动感测方向则以分别附着于左右两手掌操作运动时一起运动的直角坐标CR及CL之方向所定义,如图10(S)所示。
起始姿态:左右两小臂以个别的手肘支撑于桌面,两手臂相对一水平桌面约为45°向上伸出伸直;如图10所示,描述细节如下:
1)手臂及手掌姿态:请参阅图式图10(S);
a.左手小臂以手肘为支点置于桌面;
b.手掌与小臂一并伸直;
c.手掌面与小臂内侧面向肩膀及大臂;
d.伸直的手掌与小臂相对桌面夹角约45度;
e.右手姿态与左手同,且也以手肘支撑于桌面;
f.两肘在桌面距离与肩膀同宽;
2)运动操作:两手运动组合规划–两手臂交互运动(Cross-Correlation btw twoHands Motions),如图10(1)~(10)所示:
(1)左手掌及左小臂朝右手方向,顺时钟方向扭转左手掌的同时左小臂以肘为支点朝向桌面方向向下摆动;
(2)顺时钟方向扭转左手掌达90°的同时左小臂以肘为支点朝向桌面摆动90°,近乎贴近桌面;
(3)逆时钟方向扭转左手掌的同时左小臂以肘为支点让左手掌以离开桌面方向向上摆动同时,右手掌及右小臂朝左手方向,逆时钟方向扭转右手掌且右小臂以肘为支点朝向桌面方向向下摆动;
(4)逆时钟方向扭转左手掌达90°并同时让左小臂以肘为支点让左手掌以离开桌面方向向上摆动达90°,使左手位置及状态短暂恢复在图10(S)所示的运动起始状态的同时,逆时钟方向扭转右手掌达90°的同时右小臂以肘为支点朝向桌面摆动90°,近乎贴近桌面;
(5)左手掌及左手臂重复(1)的同时,顺时钟方向扭转右手掌并让右小臂以肘为支点让右手掌以离开桌面方向向上摆动;
(6)左手掌及左手臂重复(2)的同时,顺时钟方向扭转右手掌达90°并同时让右小臂以肘为支点让右手掌以离开桌面方向向上摆动达90°,使右手位置及状态短暂恢复在图10(S)所示的运动起始状态;
(7)(8)(9)(10)重复上述(1)(2)(3)(4)(5)(6)。
运动型态III-两手小臂相对肘关节交互扭转摆动协调运动的运动方式如参考图式Fig.10(S),(1)~(10)所示,是一两手同时交错进行运动,形成两手运动组合。上述两手运动组合,以一手两次,两手共四次为一组运动操作,共进行四组的4x4运动组合。在操作运动时,利用分别穿戴在左右两手腕的运动感测装置以10Hz频率采样收集撷取上述两手运动组合之讯号,用于后续分析,解读,以利将所述两手交错运动所蕴含的一运动特性,譬如运动协调性数据化或指针化。
运动讯号组成,本运动型态III之运动讯号系由分别穿戴与左右两手腕上的两个单一运动感测装置个别感测到的手部运动的运动讯号所组成。
运动型态III的整体运动M是由左右两手同时交错运动而产生,而左右两手分别穿戴一个单一运动感测单元来感测运动操作,所以两手同时交错运动之整体运动M的次运动Mi可仅以单手运动来划分,如左手运动为此运动型态III整体运动M的左手次运动MLi,而右手运动就是此整体运动M的右手次运动MRi。至于此单手次运动的运动分析,譬如左手次运动MLi或是右手次运动MRi的运动分析,便可以各别再细分为左手次运动之次运动MLij或是右手次运动之次运动MRij等下一阶次的次运动来分解或区隔,也就是此运动型态III的个别单手次运动之下的各阶次运动之分解,区隔,及所述阶次运动及其所包含的运动成分的辨识方式也可藉类似于上述之如图4、图5或图7、图8及图9对运动型态I或II的处理方法来分析。
运动型态III以两个运动传感器分别感测左手及右手运动的操作方式相较于运动型态II以单一运动传感器感测单手运动的最大不同在于,运动型态III的左右两手运动是两个相同或类似的运动同时操作,所以两个运动之间的关联性,譬如运动快慢,运动相位差,或运动幅度之大小便可用来了解此两手运动间的关联程度,因此在此使用了讯号处理中的交互关联运算(Cross-Correlation)来分析左右两手运动的关联状况。
图11是关于运动型态III的一参考运动讯号,它是左手及右手同时交错运动的两手运动所产生,也就是如图10所描述的运动型态III的一参考运动分别由左右两手运动感测单元LHD及RHD所量测到的左右两手交错整体运动在X方向的运动加速度讯号。图11是被用来当作对照标准的一运动型态III的一参考运动,它的左右两手交互运动的关联程度。其中,图11(A)描述了左手(上图)右手(下图)分别表现两手执行运动时,相对于X方向感测到的运动加速度讯号x(t)。由此图可看出,左手运动周期稍短于右手的运动之操作周期,右手的运动操作幅度也稍大于左手的操作运动幅度,在执行相似的运动下,左右两手运动讯号的波形也有相当差异,然而此两手运动所具有的此等差异可用来表示此参考运动所操作之运动的运动特性表现,可将此等差异数据化而形成此参考运动具有的一运动特性的一参考运动特性操作指标。譬如,图11(B)是对应图11(A)的运动型态III的左右两手运动相对于X方向的加速度讯号x(t),藉由第35段第五项的交互关联性来评估获得的两手运动的交互关联性程度,此关联性程度之垂直轴上的数值大部分在水平轴以下即小于0,表示交错运动的此两手运动,它们的姿态方位及运动方向大致反向,另外,在水平轴上0.5秒处对应到最大垂直轴之数据-16,其绝对值16,也就是最大的关联性发生,表示操作摆动并回转运动的此两手运动整体时间的左手运动时间落后右手约0.5秒,也就是口语说的左手运动比右手慢。而此等数值可用来当作此参考运动特性操作指标中的一参考运动速度指针。
图12是关于运动型态III的一受测运动讯号,它是左手及右手同时交错运动的两手运动所产生,也就是如图10所描述的运动型态III的一受测运动分别由左右两手运动感测单元LHD及RHD所量测到的左右两手交错整体运动在X方向的运动加速度讯号x(t)。图12所示的是被用来与图11所示的参考运动相比对的一受测运动,它的左右两手交互运动的关联程度。其中,图12(A)描述了左手(上图)右手(下图)分别表现两手执行运动时,相对于X方向感测到的运动加速度讯号x(t)。由此图可看出,左手运动周期与右手的运动之操作周期约略近似,右手的运动操作幅度也大略等于左手的操作运动幅度,且在执行相似的运动下,左右两手运动讯号的波形也有相当差异,然而此两手运动所具有的此等差异可用来表示此受测运动所操作之运动的运动特性表现,或将此等差异数据化而形成达成一运动特性的操作指标。另外,左右两手运动的关联性,特别是运动操作相位的关联性可以引用第35第五项所列的交互关系(Cross-Correlation)来估算,此关联性的估测结果如图12(B)所示。图12(B)是对应图12(A)的左右两手运动藉由交互关联性评估而获得的两手运动的交互关联性程度,此关联性程度之垂直轴上的数值,最大是8,最小是-14,其绝对值为14,但交互曲线图形大部分系在水平轴以下即小于0,表示交错运动的此两手运动,它们的姿态方位及运动方向有部分是同向,但大部分是反向,此种具小部分同向但大部分系反向的运动方向或方位分布可能因为手臂摆动角度、回转角度,手臂起始运动的姿态或穿戴装置配戴时的初始方位而发生。另外,在水平轴上2秒处对应到最大垂直轴之数据绝对值14,也就是最大的关联性发生,表示操作摆动并回转运动的此两手运动整体时间的左手运动时间落后右手约2秒,也就是口语说的左手运动比右手慢。此等数值也可用来表示此受测运动所表现的运动特性之运动相符指标中的受测运动速度相符指针。
运动型态IV–手臂及上半身相对腰部左右转动并搭配右腿同时踏阶协调运动,即两手合并单腿(右腿)运动组合规划(Cross-Correlation among two Hands and one LegMotions),请参阅图13,其中,
运动感测装置穿戴:多个,即至少三个运动感测单元,三肢体个别穿戴运动感应单元。即左手腕,右手腕及右脚踝,分别穿戴一个6或9轴之运动感测单元LHD,RHD及RFD,如图13所示。
运动坐标定义:左右两手腕以及右脚踝分别穿戴有穿戴装置,其运动感测方向则以分别附着于左右两手掌及右脚踝且操作运动时一起运动的直角坐标CL,CR,CA方向所定义,如图13(L)所示。
起始姿态:两腿约与肩同宽站立,上半上挺直,全身放松,左右两大臂垂直放松,左右小臂以肘关节约举成水平,左掌心朝右,右掌心朝左,两手掌心相对,与大臂成45°;如图13(S)所示。
运动操作:上半身以腰部左右转动,右脚以大腿腰部关节,膝盖关节及脚踝进行抬腿上下台阶运动。运动操作内容如图13(L)及(R)所示,其中
关于穿戴装置之穿戴方式
a.在手腕处,将穿戴装置穿戴于手腕关节骨以上的小臂部分,在脚踝则附着到脚踝以上的小腿部位,附着的位置原则上不影响手腕运动及脚掌与脚踝运动,穿戴装置在肢体上的附着紧迫度须能免除穿戴装置于运动时松动或晃动。
b.穿戴装置附着于手腕及小腿的方位以易于被手指碰触操作为原则。
2)运动方式(简易踏阶韵律操)–请参阅图式图13(S)、(L)及(R)。
a.于图13(S)之身体姿态,上半身以腰部向左侧转动到如图13(L)所示之姿势,伸出左手小臂使之与大臂于手肘处之相对角度大于60°;
b.从图(13(L)之身体姿势,左手小臂同时与上半身以腰部向右侧转动,同时提高右腿膝盖使脚掌脱离地板并踏上阶梯,使身体姿态如图13(R)所示;
c.上半身以腰部向左侧转动,同时收回左手小臂使之与大臂接触,如图13(S)所示,同时
d.伸出右手小臂使之与大臂于手肘处之相对角度大于60°;
e.上半身以腰部向左侧转动,稍提高右腿膝盖使脚掌脱离阶梯,转身右侧同时,放低膝盖让脚掌踩踏地面,如图13(L)所示;
f.重复上述a~e项动作;
g.上述两手及单腿运动组合,以转身为一次,进行四次为一组的运动操作方式,共进行4组的运动组合。
在操作运动时,利用分别穿戴在左右两手腕以及右脚踝的运动感测装置以10Hz频率采样收集撷取上述两手运动合并右脚运动之运动组合之讯号,用于后续分析,解读,以利将所述两手合并右脚运动所蕴含的一运动特性,譬如运动协调性数据化或指针化。撷取上述两手运动组合之讯号。
运动型态IV的整体运动是由左右两手,以及一脚譬如右脚,同时交错运动而产生,而左右两手及右脚分别穿戴一个运动感测单元来感测此等肢体的运动讯号。此运动型态IV的两手及一脚同时交错运动所组成的整体运动,可以视所述整体运动中的双手交错运动、左手与右脚同时运动、或右手与右脚同时运动等次运动为一阶次运动,譬如左手及右手之同时交错运动为所述整体运动的一阶次运动,而所述一阶运动中的单手运动则可视为一个二阶次运动,所述二阶次运动则是由类似处理运动型态II的方式来区隔次运动的次运动,也就是以时间再来分段区隔出三阶、四阶次运动等,而分割出的最低阶次运动则具有各种运动成分。也就是本实施例之运动型态IV中的二阶次运动之分解,区隔,及所述二阶次运动及其所包含的运动成分的辨识方式也可采用类似于图7、图8及图9的方法来处理。
运动型态IV以三个运动传感器感测运动的操作方式与运动型态III以两个运动传感器感测运动的最大不同在于,运动型态III的左右两手运动是两个相同或类似的运动同时操作,所以只需两个运动之间的关联性,譬如评估动作快慢,或运动幅度之大小之关联性便了解此两运动间的关联程度,然而,运动型态IV则是除了有两手因身体转动发生的运动讯号之外,尚有腿部踏阶运动所产生的讯号,此等身体转动连动的手部运动及踏阶运动,包含了运动型态III及运动型态II不具备的上半身肢体及下半身肢体间的交互关联运动特性,譬如协调性及律动性。因此,在此也使用了列于第35段第五项的应用于讯号处理的交互关联运算(Cross-Correlation)来分析左右两手运动及右脚踏阶运动的关联状况。
图式图14是关于图13所示的运动型态IV之用来当作对照标准的一参考运动及对比于此参考运动的一受测运动,此两运动中各别左手运动状态的交互关联程度。其中,图14(A)描述了此受测运动之左手(上图)及此参考运动之左手(下图)分别执行运动时,相对于X方向感测到的运动加速度讯号。由此图可看出,此受测运动的左手运动周期稍短于此参考运动之左手运动之操作周期,且前者的运动操作幅度也稍大于后者的操作运动幅度,然而在执行相似的运动下,此两受测及参考运动的左手运动讯号的波形则为相似。此两次左手运动所具有的周期快慢及运动幅度大小差异可用来评量此受测运动相对于此参考运动,此两者的运动特性的表现差异,也就是可以将此等差异数据化来决定具有相同运动特性,譬如运动协调性的此受测运动符合于此参考运动的运动特性接近指标,譬如此受测运动相对于此参考运动,两者所具有的的运动协调性的接近或符合指标,此处可以先假设,此参考运动所具有的是一个完美的运动协调,以作为此受测运动的对比标准。另外,此受测运动的左手运动及此参考运动的左手运动的关联性,特别是运动操作相位的关联性可以引用第35第五项(4)所列的交互关系(Cross-Correlation)来估算,此关联性的估测结果如图14(B)所示,此受测运动的左手运动系运动相位领先此参考运动的左手运动,也就是此受测运动的左手整体运动约领先此参考运动的左手整体运动约4.4秒,此一数值也可用来表示此受测运动相对于此参考运动的运动特性之达标率或说运动特性接近指标或是相符指标。
图14(B)所示的是进行运动型态IV的此参考运动及此量测运动中个别的左手运动的两组运动讯号,即相对于X方向的加速度讯号x(t),藉由交互关联性评估而获得所操作的此参考运动及此量测运动中个别的左手运动之间的交互关联性程度。此关联性程度之垂直轴上的数值,最大超过400,且交互曲线图形皆在水平轴以上即皆大于0,表示此参考运动及此受测运动中个别的左手运动,它们的姿态方位及运动方向都是同向的。另外,在水平轴上4.4秒处对应到超过400以上的最大垂直轴之数据绝对值,也就是最大的关联性发生,表示操作此参考运动中的左手运动的整体时间约30秒对应的此受测运动中左手运动的整体时间约25秒来看,此参考运动时间落后此受测运动时间约4.4秒,也就是所谓的操作受测运动时的左手运动比操作参考运动时的左手运动来的快。
图15表示运动型态IV的一参考运动的右手运动相对于一受测运动的右手运动的运动讯号比较。其中,图15(A)是表示操作运动型态IV的一受测运动中的一右手运动(上图)以及一参考运动中的一右手运动(下图)之由感测单元所量测到的此两个右手运动在X方向的运动加速度讯号,由此图可看出,此受测运动的右手运动操作周期稍短于此参考运动之右手运动之操作周期,且前者的运动操作幅度在同X方向上也稍大于后者的操作运动幅度,但在逆于X方向上两者操作幅度则约略相同,也就是此受测运动中的右手运动相较于此参考运动的右手运动,其等之运动幅度之中心位置后者较前者朝X<0的方向更远离坐标原点0。另在执行此运动型态IV的相似运动下,此两受测及参考运动的右手运动讯号的波形则为相似。此两次右手运动所具有的周期快慢及运动幅度大小差异可用来评量此受测运动相对于此参考运动,此两者的运动特性的表现差异,也就是可以将此等差异数据化来决定具有相同运动特性,譬如运动协调性的此受测运动符合于此参考运动的运动特性接近指标,譬如此受测运动相对于此参考运动,两者所具有的的运动协调性的接近或符合指标。图15(B)则是关于图15(A)的运动型态IV的此参考运动中的右手运动及此受测运动中的右手运动,此两者运动讯号的交互关联性。
图15表示运动型态IV的一参考运动的右手运动相对于一受测运动的右手运动的运动讯号比较。在十五图(A)中,操作运动型态IV的一参考运动及一受测运动两者中的右手运动相对应两组运动讯号,即相对于X方向的运动加速度讯号。图15(B)则是表示藉由交互关联性评估获得此参考运动及此受测运动的交互关联性程度。如图15(B)所示,此关联性程度之垂直轴上的数值,最大超过160,且交互曲线图形皆在水平轴以上即皆大于0,表示右手先后操作的此参考运动及此量测运动,它们的姿态方位及运动方向都是同向的。另外,在水平轴上5秒处对应到超过160以上的最大垂直轴之数据绝对值,也就是最大的关联性发生,表示,如图15(A)的时间坐标所示的,右手操作参考运动的整体时间约30秒对应的操作受测运动整体时间约25秒来看,参考运动时间落后量测运动时间约5秒,也就是操作受测运动时的右手运动比操作参考运动时的右手运动要快。
图16表示运动型态IV的一参考运动的右脚运动相对于一受测运动的右脚运动的运动讯号比较。其中,图16(A)是表示操作运动型态IV的一受测运动中的一右脚运动(上图)以及一参考运动中的一右脚运动(下图)之由感测单元所量测到的此两个右脚运动在X方向的运动加速度讯号,由此图可看出,此受测运动的右脚运动操作周期稍短于此参考运动之右脚运动之操作周期,且前者的运动操作幅度在同X>0的方向上稍大于后者的操作运动幅度,但在X<0的方向上则是稍小于后者的操作运动幅度,也就是此受测运动中的右脚运动相较于此参考运动的右脚运动,其等之运动幅度之中心位置前者较后者潮X>0的方向远离坐标原点0,而后者较前者朝X<0的方向远离中心原点O。另在执行此运动型态IV的相似运动下,此两受测及参考运动的右脚运动讯号的波形则为相似。此两次右脚运动所具有的周期快慢及运动幅度大小差异可用来评量此受测运动相对于此参考运动,此两者的运动特性的表现差异,也就是可以将此等差异数据化来决定具有相同运动特性,譬如运动协调性的此受测运动符合于此参考运动的运动特性接近指标,譬如此受测运动相对于此参考运动,两者所具有的的运动协调性的接近或符合指标。
图16(B)运动型态IV的一参考运动中的右脚运动相对于一受测运动中的右脚运动两者运动讯号的交互关联性,本图式表示图16(A)之运动型态IV,此参考运动中的右脚运动及此受测运动中的右脚运动的两组运动讯号,相对X方向的加速度讯号,藉由第35段第五项所列的交互关系(Cross-Correlation)数学式来评估此两右脚运动的交互关联性程度。如图16(B)所示,此关联性程度之垂直轴上的数值,最大超过40,且交互曲线图形皆在水平轴以上即皆大于0,表示此参考运动中的右脚运动及此受测运动中的右脚运动,它们的姿态方位及运动方向都是同向的。另外,在水平轴上0.6秒处对应到超过40以上的最大垂直轴之数据绝对值,也就是最大的关联性发生,表示此参考运动中的右脚运动的整体时间约42秒对应于操作此受测运动中的右脚运动的整体时间约48秒来看,前者的即参考运动操作时间落后后者的及受测运动时间约0.6秒,也就是此受测运动中的右脚运动比操作此参考运动中的右脚运动来得快。
运动特性数据化及指针化实施例–以协调性运动为例
此处是以图6所示的运动型态II来进行运动特性,也就是感受到的运动协调性的意识予以数据化及指针化的操作实施例。实际作法是将图7,图8及图9描述的图6之运动型态II的运动讯号数值藉本揭露书第35段(1)算术平均(Arithmetic Average)、(2)几何平均(Geometrical Average)、(3)统计标准偏差(Standard Deviation:SD)、(4)交互关系(Cross-Correlation)或(5)功率频谱密度(Power Spectrum Density:PSD)等数学关系式依据下列表二中的”特性要件以运动之物理特性评估”来运算,譬如表III中以计算动作正确性来评估是否满足动作正确要件,并进而对应出一动作正确指标,藉此将此受测运动的运动特性相对于此参考运动的运动特性对比来获得此受测运动相对于此参考运动的一个运动特性的接近指标或是符合指标的一种量化对应的指标,而此运动特性接近指标或符合指标,可以由如表III中,满足或符合动作正确要件的动作正确性指标,满足或符合动作圆滑要件的动作圆滑性指标,满足或符合方向恰当要件的动作方向恰当性指针,满足或符合速率相当要件的动作速率相当性指针,满足或符合平衡稳定要件的动作平衡稳定性指标,满足或符合韵律性要件的动作韵律性指标,满足或符合运动收缩及放松要件的动收缩及放松性指标等,另外,还有动作交互关联的动作交互关联指标等。
表二:受测运动讯号相对于参考运动讯号的运动协调性量化评估
Figure GDA0001673504440000421
Figure GDA0001673504440000431
表二是一受测运动讯号相对一参考运动讯号之运动协调性量化评估表,用来表示运动型态II之此受测运动相对于此参考运动的具体实施例的运动讯号在运动协调性的相符程度的量化评估结果。此量化评估使用本揭露书所列的数学及统计关系式来计算用来描述各个协调性运动要件的物理特性,并将各个运动特性要件的比较结果予以量化,用来判定此受测运动相对于此参考运动在运动特性,譬如运动协调性上的关联或是相似程度
注1:人体运动协调性的文字定义:
文献一:林学宜,国家教育研究院,教育大辞书,2002,12月;
协调性是指正确、圆滑且有效地进行各项运动的能力,也就是指作用肌群使用的时机正确,而且动作方向及速率恰当、平衡稳定且有韵律性,能使全身动作一致,肌群不会产生相互颉颃的现象。
http://terms.naer.edu.tw/detail/1306197/?index=5
文献二:Oxford Dictionary;
Coordination:The act of making parts of somethings,groups of people,etc.work together in an efficient and organized way;
https://en.oxforddictionaries.com/definition/coordination
文献三:Merriam-Webster Dictionary;
Coordination:The ability to move different parts of your bodytogether well or easily;
http://www.merriam-webster.com/dictionary/coordination
具有完美协调性的参考运动及具有操作协调性的受测运动之比对内容:
(1)动作正确:组成整体运动之各个次运动是否对应发生?
1)原则:比对内容,包含角度,角速度,角加速度,加速度;
2)作法:用运动信息比对确认。
3)比对条件:对应所有的次运动或再加上次运动的运动成分。
4)比对内容:
i.由于整体运动是由所包含的次运动所形成,所以检测整体运动是否正确可以比较组成的次运动及此等次运动所包含的运动成分来判别所量测得的运动与参考运动间的一致性进而判断动作正确性。本案实施例中,动作正确与否的判定,主要比对参考运动及量测运动两个整体运动所包含的各个次运动是否一对一的发生。
5)动作正确性指标之定义及计算:
指标定义:比对参考运动整体运动之次运动与受测运动整体运动之次运动两者的数目。
计算方法:受测运动之次运动数目/参考运动之次运动数目;受测运动之某个次运动之运动成分/参考运动之某个次运动之运动成分数目。
(2)动作圆滑:次运动间之转换运动的运动特性是否相符?
1)原则:比对次运动间的转换状态,包括转换期间,转换之操作运动幅度;
2)作法:无超过限定的加速度发生,另,如何判定是加速度运动还是角度?
3)比对条件:转换时间及转换幅度峰值。
4)比对内容:
i.次运动间过渡转换:
次运动间过渡转换期间:t_Mi-Mi+1;
次运动间过渡转换运动幅度峰值时间:t_ApMi-Mi+1及
次运动间过渡转换运动幅度峰值:Ap_Mi-Mi+1;
ii.次运动间过渡转换运动峰值时间差:
dt_tApMi-Mi+1=t_ApMi-Mi+1(受测运动)-t_ApMi-Mi+1(参考运动);
次运动间过渡转换运动幅度峰值差:
dAp_tMi-Mi+1=Ap_Mi-Mi+1(受测运动)-Ap_Mi-Mi+1(参考运动);
5)动作圆滑性指标之定义及计算:
指标定义:比对计算参考运动及受测运动两者各自的次运动间的过渡转换期间,过渡转换运动幅度峰值时间,以及次运动间过渡转换峰值时间差及峰值差。
计算方法:
1.个别比对受测运动相对于参考运动两者每一个次运动间过渡转换期间,次运动间过渡转换运动幅度峰值时间,次运动间过渡转换运动幅度峰值的比例值,再将各类比例值取算术平均值或是几何平均值后,此等平均值再以几何平均或是算术平均来形成一动作圆滑性指针数据。
2.也可以将所有的次运动间的次运动间过渡转换运动峰值时间差或是次运动间过渡转换运动幅度峰值差以几何平均或是算术平均来形成一动作圆滑性指针数据。
3.上述数据也可以参考运动及受测运动两者间之各个次运动转换状态等数据的绝对差及相对差来形成动作圆滑性指标。
(3)方向恰当:运动幅度方向是否一致?
1)原则:比对受测运动的次运动之动作方向与标准动作之参考运动的次运动之运动方向一致;多运动传感器测得之受测运动之多个次运动彼此间方向配置符合作为标准之参考动作对应之多个次运动的操作表现;
2)作法:考虑运动角度方向或姿态方位角。
3)比对条件:操作之运动幅度方向及操作时间比。
4)比对内容:
i.整体运动期间:t_M;
ii.各个次运动期间:t_M1,t_M2,…(t_Mi);
iii.次运动之运动成分期间:t_M11,t_M21,t_M22,…(t_Mij);
iv.上述各类时间之绝对及相对差
v.以上述i~iv定义方向指标
5)方向恰当性指标之定义及计算:
指标定义:比对在时间域上当受测运动与参考运动之次运动运动幅度是同方向时的各个次运动的期间。
计算方法:将受测运动及参考运动之整体运动的所有次运动的运动期间和进行绝对差或是相对差的计算,再将此相对差或是绝对差的结果设定为方向洽当性指针数据。
(4)速率相当:运动频率是否一致?
1)原则:比对受测运动之动作轨迹或速度对时间之变率与参考动作之时间变率大小有否一致。
2)作法:考虑角速度,角加速度及加速度数据。
3)比对条件:各个次运动之往复运动频率比对。
4)比对内容:
i.拟制整体运动操作频率:f_MiSA将所有的个别次运动频率取算术平均值。
ii.各个次运动操作频率:f_M1,f_M2,(f_Mi)…
iii.次运动之运动成分操作频率:f_M11,f_M21,f_M22,(f_Mij)…
5)运动速率相当性指针的定义及计算:
指标定义:运动相位或频率之相符程度。
计算方法:将受测运动及参考运动之整体运动的所有次运动频率之和进行绝对差或是相对差的计算,再将此相对差或是绝对差的结果设定为运动速率相当性指针数据。
(5)平衡稳定(运动稳定性):次运动幅度及操作时间之变化?
1)原则:比对动作讯号之终了幅度系收敛在一特定范围内,不会发散出界;
2)作法:判读角度往复或交替讯号,角度是否超出所定范围。动作稳定及对称。
3)比对条件:次运动幅度及操作时间之绝对及相对差之比对。
4)比对内容:
i.各个次运动期间:t_M1,t_M2,…(t_Mi);
ii.各个次运动时间的绝对及相对误差;
iii.各个次运动操作幅度峰值(Amplitude peak_Mi):Ap_M1,Ap_M2,…
iv.各个次运动操作幅度峰值的绝对及相对误差;
5)动作平衡稳定性指标之定义及计算:
指标定义:比对所有个别次运动时间或峰值的标准偏差来决定操作运动的平衡稳定。
计算方法:将受测运动及参考运动之所有的个别次运动时间或是运动幅度的标准偏差进行绝对差或是相对差的计算,再将此相对差或是绝对差的结果设定为平衡稳定性指针数据。也可以将上述之时间及运动幅度标准偏差以加权的方式整合成数据而形成平衡稳定性指针数据。
(6)韵律性:运动频率相对于标准节拍频率之差异
韵律性(Rhythm):A regular,repeated pattern of sounds or movements;Aregular,repeated pattern of events,changes,activities,etc.
文献四:Merriam-Webster
http://www.merriam-webster.com/dictionary/rhythm
1)原则:确认动作节拍一致,重复或交替动作周期相符或是有一相关倍率或比例;多动作间彼此节拍相关。在律动变化中,相同的元素会在一个规律的状态中重复与交替出现;
2)作法:归纳动作幅度或角度讯号之周期规律及重复来对比韵律。
3)比对条件:各个次运动频率相对标准节拍频率之标准偏差比对,相对或绝对变异比对。
4)比对内容:
i.节拍器节拍(Metronome freq.Hz),即参考操作频率,此实施例为1Hz;
ii.各个次运动操作频率:f_M1,f_M2,(f_Mi)…;
5)韵律性相符指标的定义及计算:
指标定义:韵律性指标包括节拍比及韵律性,其中
节拍比,即参考讯号或受测讯号之操作频率相对于节拍器节拍频率之比;
节拍差,即参考讯号或受测讯号之操作频率与节拍器节拍频率之差;
韵律性,即以参考讯号节拍比为参考值,而将受测讯号节拍比与之相比。
计算方法:受测讯号之各个次运动的节拍差与参考讯号之各个次运动之节拍差之诸个差值的统计标准偏差值或是此统计标准偏差值与1之差为韵律性相符指标或韵律性相符指标数值。
(7)运动颉颃性(肌肉运动收缩同时相应放松以控制运动):运动幅度对应频率或速度是否一致?
1)原则:比对操作运动时,肌肉动作收缩对应放松之状态。
2)作法:由多运动传感器个别感测的运动相位及角度大小的整合状态以适于归纳运动整合的能量频谱或能量密度频谱来表示。
3)比对条件:各个次运动之运动幅度PSD大小比对。
4)比对内容:
i.节拍器产生之节拍PSD(Power Spectral Density;Power Spectrum)
ii.拟制整体运动操作幅度能量密度:以所有的个别次运动的最大PSD的算术平均值表示:PSD_MiSA;
iii.各个次运动操作幅度能量密度:PSD_M1,PSD_M2,…(PSD_Mi)
iv.次运动之运动成分之操作幅度能量密度:PSD_M11,PSD_M21,PSD_M22,…(PSD_Mij);
5)动作颉颃性指标的定义及计算:
指标定义:颉颃运动为诸相关肌肉收缩及放松的整合运动操作,故运动系相关肌肉操作的运动幅度,角度,频率或相位的整合表现。
计算方法:受测讯号之各个次运动的PSD与参考讯号之各个次运动之PSD之间对应的诸个差值的统计标准偏差值或是此统计标准偏差值与1之差为动作颉颃性相符指标或颉颃性相符指标数值。
(8)运动关联性:针对多肢体运动之运动特性评估
1)原则:动作运动间的操作幅度大小及操作频率关联性分析。
2)作法:以讯号交互关联性之运算方式运动分析。
3)比对条件:肢体间之运动关联性评估及比对。
4)比对内容:
i.同一次运动中,各肢体之间的运动关联性;
ii.相同运动但在不同次运动中,同一肢体的运动关联性;
5)运动关联性指标的定义及计算:
指标定义:不同操作运动间之操作幅度,频率,相位等物理特征中的关联或对应程度。
计算方法:将上述物理特征以本揭露书之五、(4)交互关系(Cross-Correlation)计算所得之相位领先或落后时间数值以及运动幅度相同或相反之数值,或另以其他关系式处理上述两数值之再生数值等,可视评估适当性用来当作运动关联性指标,或是关联性指针数据。
注:本实施例运动型态II之运动特性指针化,未估测运动关联性指标。
运动关联性指针适合于估测运动型态IV类型之多肢体运动。

Claims (14)

1.一种将复数肢体运动的运动特性数据化的方法,其中此等复数肢体运动是一整体运动,包含起始运动转换期间,及停止运动转换期间,此整体运动包含阶层式的复数个次阶运动,任一个此次阶运动是由至少两个次运动所组成,此等次运动间具有转换运动操作期间,任一个此次运动包含至少两个运动成分;
此等复数肢体运动是由复数个运动感测单元所感测,此方法包括步骤如下:
藉此等复数个运动感测单元来感测此等复数肢体运动并产生复数个运动讯号;
藉运动特性要件转换程序所包含的运动特性要件,对应运动物理特征评估条件,将此等复数个运动讯号转换成对应的复数个物理量及拟制物理量,此拟制物理量是此等复数个物理量的算术平均数或几何平均数;以及
对应此运动特性要件所包含的动作正确性,圆滑性,方向,速率,平衡稳定性,韵律性,颉颃性,及关联性,藉由运算法处理此等复数个物理量及此拟制物理量所对应的此等次运动之操作顺序,此等次运动间的此转换运动操作期间的过渡转换运动,任一个此次运动的运动方向,操作时间,运动幅度,运动频率,此运动频率相对于标准节拍频率之差异及通过交互关联运算分析此等次运动间之运动快慢,运动相位差,或此运动幅度之大小而得的此等次运动间之关联状况即此关联性,以获得对应此运动特性的数据。
2.根据权利要求1所述的方法,其中复数肢体是,手指,手掌,前臂,上臂,肩膀,脚趾,脚掌,小腿,大腿,臀部,腰部,背部,胸部及关节两个以上的肢体。
3.根据权利要求2所述的方法,其中此等复数肢体运动是指两个肢体以上的运动。
4.根据权利要求1所述的方法,其中此等复数个次阶运动中的任一个是此等复数肢体中的任一肢体之运动。
5.根据权利要求4所述的方法,其中,此等任一肢体之运动包括复数个次运动,此等复数个次运动中的任一个包括复数个运动成分,此等复数个运动成分中的任一个包括复数个运动细节。
6.根据权利要求1所述的方法,其中此运动特性要件转换程序所包含的此运动特性要件的定义,用来阐述形成此运动特性的一构成要件。
7.根据权利要求1所述的方法,其中此运算法系物理关系式或是数学关系式用来估算此运动物理特征评估条件以获得此数据。
8.根据权利要求1所述的方法,其中此等复数个运动感测单元可以感测的物理量是时间、频率、加速度、速度或电磁。
9.一种将一肢体运动的运动特性数据化的方法,其中此肢体运动是一整体运动,包含起始运动转换期间,及停止运动转换期间,此整体运动是由至少两个次运动所组成,此等次运动间具有转换运动操作期间,任一个此次运动包含运动成分;
此肢体运动是由至少一个运动感测单元所感测,此方法包括步骤如下:
藉此运动感测单元来感测此肢体运动所包括的此等次运动并产生运动讯号;
藉运动特性要件转换程序所包含的运动特性要件,对应运动物理特征评估条件,将此运动讯号转换成对应的一个物理量及拟制物理量,此拟制物理量是此物理量的算术平均数或几何平均数;以及
对应此运动特性要件所包含的动作正确性,圆滑性,方向,速率,稳定性,韵律性,颉颃性,及关联性,藉由运算法运算此物理量及此拟制物理量所相关的此等次运动之操作顺序,此等次运动间的此转换运动操作期间的过渡转换运动,任一个此次运动的运动方向,操作时间,运动幅度,运动频率,此运动频率相对于标准节拍频率之差异及通过交互关联运算分析此等次运动间之运动快慢,运动相位差,或此运动幅度之大小而得的此等次运动间之关联状况即此关联性,以获得对应此运动特性的数据。
10.一种量化评估复数肢体所表现的一受测复数肢体运动的运动特性的数据化方法,其中此等复数肢体对应地配置复数个运动感测单元,此方法包括步骤如下:
藉此等复数个运动感测单元来分别感测包含参考复数个次阶运动的参考复数肢体运动以及包含受测复数个次阶运动的此受测复数肢体运动以分别对应地产生复数个参考运动讯号及复数个受测运动讯号,其中,此受测复数肢体运动是一受测整体运动,具有受测起始运动转换期间及受测停止运动转换期间,任一个此受测次阶运动是由至少两个受测次运动所组成,此等受测次运动间具有受测转换运动操作期间,此参考复数肢体运动是一参考整体运动,具有参考起始运动转换期间及参考停止运动转换期间,任一个此参考次阶运动是由至少两个参考次运动所组成,此等参考次运动间具有参考转换运动操作期间;
藉运动特性要件转换程序所包含的运动特性要件,对应运动物理特征评估条件,将此等参考运动讯号以及此等受测运动讯号分别地转换成对应的复数个参考物理量及复数个参考拟制物理量以及复数个受测物理量及复数个受测拟制物理量,其中此等参考拟制物理量及此等受测拟制物理量分別是此等参考物理量及此等受测物理量的算术平均数或几何平均数;
将此运动特性要件相关的参考运动特性要件所包含的参考动作正确性,参考圆滑性,参考方向,参考速率,参考稳定性,参考韵律性,参考颉颃性,及参考关联性,与此运动特性要件相关受测运动特性要件所包含的受测动作正确性,受测圆滑性,受测方向,受测速率,受测稳定性,受测韵律性,受测颉颃性,及受测关联性相对应;
藉运算程序运算此等参考物理量及此等参考拟制物理量以及此等受测物理量及此等受测拟制物理量相关的此等参考及此等受测次运动之个别的操作顺序,转换运动操作期间的过渡转换运动,运动方向,操作时间,运动幅度,运动频率,此运动频率相对于标准节拍频率之差异及此等参考及此等受测次运动间的通过交互关联运算分析此等参考及此等受测次运动间之运动快慢,运动相位差,或此运动幅度之大小而得的此等参考及此等受测次运动间之关联状况的此关联性,以分别对应地获得此参考复数肢体运动所具有的参考运动特性的参考数据以及此受测复数肢体运动所具有的受测运动特性的一受测数据;以及
藉分析程序分析此参考数据及此受测数据,以决定此受测运动特性与此参考运动特性相符程度的数据指针。
11.根据权利要求10所述的数据化方法,其中此分析程序包括物理关系式或数学关系式用来估算此数据指针。
12.一种将复数肢体运动的运动特性数据化的装置,用于将感受此运动特性而产生的抽象意识认知转化成可具体评量的数据,使此运动特性可被定量化评估,此装置包括:
复数个运动感测单元,分别配戴在个别的复数肢体上,用来感测包含复数个次阶运动的此等复数肢体运动,其中此等复数肢体运动是一整体运动,包含起始运动转换期间及停止运动转换期间,此整体运动包含阶层式的此等复数个次阶运动,任一个此次阶运动是由至少两个次运动所组成,此等次运动间具有转换运动操作期间,任一个此次运动包含至少两个运动成分;
处理单元,讯号连接此等复数个运动感测单元,用来接收复数个运动感测讯号;
运动特性要件对应物理效应转换程序所包含的运动特性要件,对应运动物理特征评估条件,用来将此等运动感测讯号转换成对应的复数个物理量及拟制物理量,此拟制物理量是此等复数个物理量的算术平均数或几何平均数;以及
运算法,对应此运动特性要件所包含的动作正确性,圆滑性,方向,速率,平衡稳定性,韵律性,颉颃性,及关联性,用来评估此等复数个物理量及拟制物理量所对应的此等次运动之操作顺序,此等次运动间的此转换运动操作期间的过渡转换运动,任一个此次运动的运动方向,操作时间,运动幅度,运动频率,此运动频率相对于标准节拍频率之差异及此等次运动间的通过交互关联运算分析此等次运动间之运动快慢,运动相位差,或此运动幅度之大小而得的此等次运动间之此关联性,以获得相对于此运动特性的数据。
13.根据权利要求12所述的装置,其中此运动特性要件对应物理效应转换程序所包含的此运动特性要件的定义,用来阐述形成此运动特性的一构成要件。
14.根据权利要求12所述的装置,其中此运算法系物理关系式或是数学关系式用来估算此等复数个物理量以获得此数据。
CN201611246919.4A 2016-12-29 2016-12-29 将肢体运动特性数据化的装置及方法 Active CN108256403B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611246919.4A CN108256403B (zh) 2016-12-29 2016-12-29 将肢体运动特性数据化的装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611246919.4A CN108256403B (zh) 2016-12-29 2016-12-29 将肢体运动特性数据化的装置及方法

Publications (2)

Publication Number Publication Date
CN108256403A CN108256403A (zh) 2018-07-06
CN108256403B true CN108256403B (zh) 2022-03-25

Family

ID=62720094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611246919.4A Active CN108256403B (zh) 2016-12-29 2016-12-29 将肢体运动特性数据化的装置及方法

Country Status (1)

Country Link
CN (1) CN108256403B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109035879A (zh) * 2018-07-26 2018-12-18 张家港市青少年社会实践基地 一种青少年智能机器人教学方法和装置
CN109411053B (zh) * 2018-12-12 2021-01-15 深圳大学 一种老年人动作康复训练管理数据模型构建方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200920312A (en) * 2007-11-08 2009-05-16 Sunstar Taiwan Entpr Co Ltd Movement kinesthesia sensing system
US9173596B1 (en) * 2014-06-28 2015-11-03 Bertec Limited Movement assessment apparatus and a method for providing biofeedback using the same
TW201603780A (zh) * 2014-07-25 2016-02-01 國立成功大學 肌肉痙攣評估裝置及其評估方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101483713B1 (ko) * 2008-06-30 2015-01-16 삼성전자 주식회사 모션 캡쳐 장치 및 모션 캡쳐 방법
GB0820874D0 (en) * 2008-11-14 2008-12-24 Europ Technology For Business Assessment of gait
CN102231192A (zh) * 2011-05-31 2011-11-02 福建物联天下信息科技有限公司 一种采集动作数据进行比对并得出比对相似度结果的系统
AU2014324081A1 (en) * 2013-09-19 2016-04-14 Dorsavi Pty Ltd Method and apparatus for monitoring quality of a dynamic activity of a body
EP3068301A4 (en) * 2013-11-12 2017-07-12 Highland Instruments, Inc. Analysis suite
CN205434925U (zh) * 2015-12-30 2016-08-10 深圳市酷浪云计算有限公司 运动跟踪装置及运动设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200920312A (en) * 2007-11-08 2009-05-16 Sunstar Taiwan Entpr Co Ltd Movement kinesthesia sensing system
US9173596B1 (en) * 2014-06-28 2015-11-03 Bertec Limited Movement assessment apparatus and a method for providing biofeedback using the same
TW201603780A (zh) * 2014-07-25 2016-02-01 國立成功大學 肌肉痙攣評估裝置及其評估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Analysis and synthesis of human swing leg motion during gait and its clinical applications;D.Mena等;《Journal of Biomechanics》;19811231;第14卷(第12期);第823-832页 *
基于Kinect V2动作捕捉系统的设计与实现;张作运 等;《广东通信技术》;20161015;第66-69页 *

Also Published As

Publication number Publication date
CN108256403A (zh) 2018-07-06

Similar Documents

Publication Publication Date Title
Yun et al. Statistical method for prediction of gait kinematics with Gaussian process regression
CN104598867A (zh) 一种人体动作自动评估方法及舞蹈评分系统
US20200297243A1 (en) System for estimating body motion of person or the like
CN110478860B (zh) 基于手物自然交互的手部功能障碍虚拟康复系统
Grubišić et al. Novel approaches in hand rehabilitation
Bonnet et al. Fast determination of the planar body segment inertial parameters using affordable sensors
CN109199417A (zh) 一种用于运动康复治疗的增强现实方法及系统
Sanders et al. An approach to identifying the effect of technique asymmetries on body alignment in swimming exemplified by a case study of a breaststroke swimmer
CN108256403B (zh) 将肢体运动特性数据化的装置及方法
Gauthier et al. Human movement quantification using Kinect for in-home physical exercise monitoring
Bhamidipati et al. Robust intelligent posture estimation for an ai gym trainer using mediapipe and opencv
TWI693925B (zh) 將肢體運動特性數據化的裝置及方法
CN112966370B (zh) 一种基于Kinect的人体下肢肌肉训练系统的设计方法
Sanders et al. Reliability of three-dimensional angular kinematics and kinetics of swimming derived from digitized video
Fazeli et al. Estimation of spatial-temporal hand motion parameters in rehabilitation using a low-cost noncontact measurement system
Exell Lower-limb biomechanical asymmetry in maximal velocity sprint running
Ren et al. Kinect-based skeleton-matching feedback for motor rehabilitation: transient performance effect of shoulder training
Rungsawasdisap et al. Squat movement recognition using hidden Markov models
Outram et al. Test-retest reliability of segment kinetic energy measures in the golf swing
Pierleoni et al. Activity Monitoring Through Wireless Sensor Networks Embedded Into Smart Sport Equipments: The Nordic Walking Training Utility
Romantsova et al. Metrological parameters of information and measurement systems for the study of a kinematic portrait of a person
Chang et al. A fall risk prediction system based on 3D space human skeleton torso images
Bachynskyi et al. Biomechanical simulation in the analysis of aimed movements
Reyes Human motion: analysis of similarity and dissimilarity using orthogonal changes of direction on given trajectories
Sulla-Torres et al. Evaluation of Physical Activity by Computer Vision Using Azure Kinect in University Students

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
GR01 Patent grant
GR01 Patent grant