CN108537284A - 基于计算机视觉深度学习算法的姿态评估打分方法和系统 - Google Patents

基于计算机视觉深度学习算法的姿态评估打分方法和系统 Download PDF

Info

Publication number
CN108537284A
CN108537284A CN201810332366.7A CN201810332366A CN108537284A CN 108537284 A CN108537284 A CN 108537284A CN 201810332366 A CN201810332366 A CN 201810332366A CN 108537284 A CN108537284 A CN 108537284A
Authority
CN
China
Prior art keywords
artis
image
score
sporter
scoring
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
CN201810332366.7A
Other languages
English (en)
Inventor
纪昱锋
游清
刘燕闽
刘沛羽
严尧
高桥
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.)
Dongguan Songshan Lake Robot Research Institute International Co Ltd
Original Assignee
Dongguan Songshan Lake Robot Research Institute International Co 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 Dongguan Songshan Lake Robot Research Institute International Co Ltd filed Critical Dongguan Songshan Lake Robot Research Institute International Co Ltd
Priority to CN201810332366.7A priority Critical patent/CN108537284A/zh
Publication of CN108537284A publication Critical patent/CN108537284A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

基于计算机视觉深度学习算法的姿态评估打分方法和系统，包括步骤：采集运动者的图像，提取骨架，骨架具有若干个关节部位和关节点；获取各个关节点的空间位置信息；将获取到的当前图像的各关节点信息与样本库中的图像关节点信息进行比对，计算两者对应位置关节点的空间距离和关节点之间连接的肢体的角度，将两个结果进行融合，计算出两者的当前匹配值；根据匹配的结果记录为较大分值或者较小分值；统计分数，将已经被标注颜色的图像和对应的分数进行显示，供用户查看。本发明使用方便，具有较强的教学用途。

Description

基于计算机视觉深度学习算法的姿态评估打分方法和系统
技术领域
本发明属于羽毛球运动过程中为运动姿态进行评分的技术领域，具体地说是一种基于计算机视觉深度学习算法的姿态评估打分方法和系统。
背景技术
据艾瑞咨询所得出的报告，羽毛球是仅次于跑步的最多市民参与的活动，接近35.0％，我国羽毛球爱好者人数高达2.5亿，且根据国内某电商平台发布的国民运动消费大数据显示，羽毛球用品消费人数和消费比数皆在前列。目前针对于羽毛球的智能产品较少。仅有发球机、酷浪小羽等。市场存在缺口，可挖掘性大。这些产品大多是基于传感器+app的模式，使用传感器捕获载体甚至人体的运动模式，使用app呈现相关数据等。比如酷浪小羽传感器，可以卡在球拍下方，实时捕获球拍的位置和姿态，并同步使用app记录最大拍速、热量消耗、挥拍时间及次数等参数，还能统计出了各种击球动作的次数分布，分析用户的运动风格等。羽毛球对打机器人，该相关产品仅仅有成电一家公司开发制作，造价高达40w，而且竞技水平极低，最多为学习了3天的羽毛球初学者水平。目标人群不明确，趣味性较高，已濒临倒闭；欧雷推出的optitrack运动捕捉系统采用高速摄像头对佩戴传感器的用户进行3D动作分析，不仅操作不方便，成本也极其昂贵；抖音app也有类似的功能，可以根据用户图片估计姿态并和标准舞蹈姿态对比，得到用户分数，但是设计粗糙，不能给用户呈现具体的动作细节，只能反馈一个分数，实用价值低。上述产品通常以娱乐为主，且极少有运用到人工智能的产品。
发明内容
本发明要解决的技术问题是提供一种基于计算机视觉深度学习算法的姿态评估打分方法和系统，操作方便，通俗易懂，便于查看，具有较强的教学用途。
为了解决上述技术问题，本发明采取以下技术方案：
基于计算机视觉深度学习算法的姿态评估打分方法，包括以下步骤：
采集运动者的图像，提取运动者的骨架，该骨架具有若干个关节部位和关节点，每个部位都包含至少一个关节点；
获取各个关节点的空间位置信息；
使用基于关节点空间距离和肢体角度的匹配算法，将获取到的当前图像的各关节点信息与样本库中的图像关节点信息进行比对，计算两者对应位置关节点的空间距离和关节点之间连接的肢体的角度，将两个结果进行融合，计算出两者的当前匹配值；
若两者的当前匹配值大于等于预设匹配值，则表明运动者当前关节点的姿态符合标准要求，显示绿色表示当前关节点及相连肢体所处位置合格，并且记录为较大分值进行存储；若两者的当前匹配值小于预设匹配值，则表明运动者当前关节点的姿态不符合标准要求，显示红色表示当前关节点及相连肢体所处位置不合格，并且记录为较小分值进行存储；
统计分数，将已经被标注颜色的图像和对应的分数进行显示，供用户查看。
所述关节点的空间位置信息为对应的图像坐标参数。
所述匹配时，将当前图像的各个关节与样本库中的图像的各个关节进行对应比对，在一个调用周期结束后实时显示正确的样本图像供运动者查看。
所述进行图像比对后，记录比对日期、具体时间、每个关节点的单独评分和整体综合评分。
一种基于计算机视觉深度学习算法的姿态评估打分系统，所述系统包括：
采集单元，用于拍摄得到运动者的姿态图像；
显示单元，用于运动者进行操作模式的选择和评分分数的查看；
计算单元，用于对采集到的图像进行计解析，计算出人体关节点；
控制单元，用于计算单元和采集单元之间的通信、数据的存取。
所述控制器包括比对单元、分数统计单元和评分单元，比对单元用于将采集到的当前图像与样本库中的图像进行比对；评分单元用于对每个关节点与样本库中的图像信息比对后进行分数的评定；分数统计单元用于统计所有关节点的分数得到一个整体的总分数。
本发明通过获取运动者的图像，分析关节部位和各关节点的位置信息，能够直观地判断运动者的姿态的准确性，便于纠正运动者的姿态，从有助于运动者保持良好的姿态习惯，能够形成良好的人机交互，具有较强的教学用途。
附图说明
附图1为本发明流程示意图；
附图2为本发明骨架示意图。
具体实施方式
为能进一步了解本发明的特征、技术手段以及所达到的具体目的、功能，下面结合附图与具体实施方式对本发明作进一步详细描述。
如附图1所示，本发明揭示了一种基于计算机视觉深度学习算法的姿态评估打分方法，包括以下步骤：
采集运动者的图像，提取运动者的骨架，该骨架具有若干个关节部位和关节点，每个部位都包含至少一个关节点。可对图像进行处理，比如二值化处理，提取出骨架信息。关节部位自行定义，通常包括：头，颈，左肩，右肩，左肘，右肘，左腕，右腕，左臀，右臀，左膝，右膝，左脚踝，右脚踝，还可具有其他。如附图2所示，可具有骨架中可具有14个关节点，其中首部包含关节点{0}、右上肢包含关节点{2，4，6}、左上肢包含关节点{3，5，7}、躯干包含关节点{1，8，9}、右下肢包含关节点{8，10， 12}、左下肢包含关节点{9，11，13}。还可以根据实际需要定义其他的关节点。
获取各个关节点的空间位置信息。在原始图像坐标系中的各个关节点的坐标信息。
使用基于关节点空间距离和肢体角度的匹配算法，将获取到的当前图像的各关节点信息与样本库中的图像关节点信息进行比对，计算两者对应位置关节点的空间距离和关节点之间连接的肢体的角度，将两个结果进行融合，计算出两者的当前匹配值。上述应用的基于关节点空间距离和肢体角度的匹配算法为本领域技术人员的公知算法，在此不再详细赘述。
若两者的当前匹配值大于等于预设匹配值，则表明运动者当前关节点的姿态符合标准要求，显示绿色表示当前关节点及相连肢体所处位置合格，并且记录为较大分值进行存储；若两者的当前匹配值小于预设匹配值，则表明运动者当前关节点的姿态不符合标准要求，显示红色表示当前关节点及相连肢体所处位置不合格，并且记录为较小分值进行存储。
统计分数，将已经被标注颜色的图像和对应的分数进行显示，供用户查看。
所述匹配时，将当前图像的各个关节与样本库中的图像的各个关节进行对应比对，实时显示正确的样本图像供运动者查看。
所述进行图像比对后，记录比对日期、具体时间、每个关节点的单独评分和整体综合评分。
另外，一张图像中具有多个关节点，每个关节点都与样本库中的标准图像进行比对，每个关节点单独进行比对。比如，人体骨架中定义有14 个关节点，其中有8个关节点的姿态是符合标准要求的，则该对应的8个关节点及其连接的肢体的位置显示为绿色，同时记录下对应的较高分数。另外6个关节点的姿态不符合标准要求，将关节点及其连接的肢体显示为红色，同时记录下对应的较低分数。然后根据各个关节点的分数统计整体分数。
一种基于计算机视觉深度学习算法的姿态评估打分系统，所述系统包括：采集单元，用于拍摄得到运动者的姿态图像；显示单元，用于运动者进行操作模式的选择和评分分数的查看；计算单元，用于对采集到的图像进行计解析，计算出人体关节点；控制单元，用于计算单元和采集单元之间的通信、数据的存取。显示单元可为较大尺寸的显示屏幕，可以触摸屏幕，采集单元可以摄像头。采集单元可设置在显示单元上，或者其他位置，便于采集运动者的姿态。计算单元可同时提供多个终端的通信连接，便于数据信息的互相传送。
所述控制器包括比对单元、分数统计单元和评分单元，比对单元用于将采集到的当前图像与样本库中的图像进行比对；评分单元用于对每个关节点与样本库中的图像信息比对后进行分数的评定；分数统计单元用于统计所有关节点的分数得到一个整体的总分数。控制器采用嵌入式系统，负责系统的基本单元的驱动和调用。
对于具体的设置上，可设置相应的调节界面，设置不同的操作模式，便于用户的选择。在相应的模式下，用户摆好动作姿态后，即可在显示单元上显示出来，并且从样本库中调取出标准图像进行显示，从而便于用户查看动作姿态的准确性，有助于纠正错误姿态，从而达到正确动作姿态的学习训练，掌握正确的姿势，实现羽毛球的正确击打。
需要说明的是，以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，但是凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.基于计算机视觉深度学习算法的姿态评估打分方法，包括以下步骤：
采集运动者的图像，提取运动者的骨架，该骨架具有若干个关节部位和关节点，每个部位都包含至少一个关节点；
获取各个关节点的空间位置信息；
使用基于关节点空间距离和肢体角度的匹配算法，将获取到的当前图像的各关节点信息与样本库中的图像关节点信息进行比对，计算两者对应位置关节点的空间距离和关节点之间连接的肢体的角度，将两个结果进行融合，计算出两者的当前匹配值；
若两者的当前匹配值大于等于预设匹配值，则表明运动者当前关节点的姿态符合标准要求，显示绿色表示当前关节点及相连肢体所处位置合格，并且记录为较大分值进行存储；若两者的当前匹配值小于预设匹配值，则表明运动者当前关节点的姿态不符合标准要求，显示红色表示当前关节点及相连肢体所处位置不合格，并且记录为较小分值进行存储；
统计分数，将已经被标注颜色的图像和对应的分数进行显示，供用户查看。
2.根据权利要求1所述的基于计算机视觉深度学习算法的姿态评估打分方法，其特征在于，所述关节点的空间位置信息为对应的图像坐标参数。
3.根据权利要求2所述的基于计算机视觉深度学习算法的姿态评估打分方法，其特征在于，所述匹配时，将当前图像的各个关节与样本库中的图像的各个关节进行对应比对，实时显示正确的样本图像供运动者查看。
4.根据权利要求3所述的基于计算机视觉深度学习算法的姿态评估打分方法，其特征在于， 所述进行图像比对后，记录比对日期、具体时间、每个关节点的单独评分和整体综合评分。
5.一种基于计算机视觉深度学习算法的姿态评估打分系统，其特征在于，所述系统包括：
采集单元，用于拍摄得到运动者的姿态图像；
显示单元，用于运动者进行操作模式的选择和评分分数的查看；
计算单元，用于对采集到的图像进行计解析，计算出人体关节点；
控制单元，用于计算单元和采集单元之间的通信、数据的存取。
6.根据权利要求5所述的基于计算机视觉深度学习算法的姿态评估打分系统，其特征在于，所述控制器包括比对单元、分数统计单元和评分单元，比对单元用于将采集到的当前图像与样本库中的图像进行比对；评分单元用于对每个关节点与样本库中的图像信息比对后进行分数的评定；分数统计单元用于统计所有关节点的分数得到一个整体的总分数。
CN201810332366.7A 2018-04-13 2018-04-13 基于计算机视觉深度学习算法的姿态评估打分方法和系统 Pending CN108537284A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810332366.7A CN108537284A (zh) 2018-04-13 2018-04-13 基于计算机视觉深度学习算法的姿态评估打分方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810332366.7A CN108537284A (zh) 2018-04-13 2018-04-13 基于计算机视觉深度学习算法的姿态评估打分方法和系统

Publications (1)

Publication Number Publication Date
CN108537284A true CN108537284A (zh) 2018-09-14

Family

ID=63480503

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810332366.7A Pending CN108537284A (zh) 2018-04-13 2018-04-13 基于计算机视觉深度学习算法的姿态评估打分方法和系统

Country Status (1)

Country Link
CN (1) CN108537284A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109859827A (zh) * 2018-12-14 2019-06-07 上海珍灵医疗科技有限公司 胃肠镜操作水平实时评分系统和方法
CN110045823A (zh) * 2019-03-12 2019-07-23 北京邮电大学 一种基于动作捕捉的动作指导方法和装置
CN110175629A (zh) * 2019-04-25 2019-08-27 上海师范大学 一种人体动作相似度计算方法及装置
CN110728181A (zh) * 2019-09-04 2020-01-24 北京奇艺世纪科技有限公司 行为评价方法、装置、计算机设备和存储介质
CN111854750A (zh) * 2019-04-26 2020-10-30 东莞潜星电子科技有限公司 一种基于智能视觉深度学习的自动泊车路径选择方法
CN111845714A (zh) * 2019-04-26 2020-10-30 东莞潜星电子科技有限公司 一种基于智能视觉深度学习的自动泊车系统
CN112101802A (zh) * 2020-09-21 2020-12-18 广东电网有限责任公司电力科学研究院 姿态负荷数据的评价方法、装置、电子设备及存储介质
CN112399234A (zh) * 2019-08-18 2021-02-23 聚好看科技股份有限公司 一种界面显示方法及显示设备
CN112714328A (zh) * 2020-12-23 2021-04-27 作业帮教育科技（北京）有限公司 一种直播课学生姿态提示方法、装置及电子设备
CN112990089A (zh) * 2021-04-08 2021-06-18 重庆大学 一种判断人体运动姿态的方法
CN113327267A (zh) * 2021-07-15 2021-08-31 东南大学 一种基于单目rgb视频的动作评价方法
CN113678137A (zh) * 2019-08-18 2021-11-19 聚好看科技股份有限公司 显示设备
US11924513B2 (en) 2019-08-18 2024-03-05 Juhaokan Technology Co., Ltd. Display apparatus and method for display user interface

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246602A (zh) * 2008-02-04 2008-08-20 东华大学 基于几何骨架的人体姿态重建方法
CN104200491A (zh) * 2014-08-15 2014-12-10 浙江省新华医院 一种人体运动姿态校正系统
CN104598867A (zh) * 2013-10-30 2015-05-06 中国艺术科技研究所 一种人体动作自动评估方法及舞蹈评分系统
CN105512621A (zh) * 2015-11-30 2016-04-20 华南理工大学 一种基于Kinect的羽毛球动作指导系统
JP2017049676A (ja) * 2015-08-31 2017-03-09 セコム株式会社 姿勢判定装置および物体検知装置
CN107122048A (zh) * 2017-04-21 2017-09-01 甘肃省歌舞剧院有限责任公司 一种动作评估系统
CN107392086A (zh) * 2017-05-26 2017-11-24 深圳奥比中光科技有限公司 人体姿态的评估装置、系统及存储装置
US9870622B1 (en) * 2016-07-18 2018-01-16 Dyaco International, Inc. Systems and methods for analyzing a motion based on images

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246602A (zh) * 2008-02-04 2008-08-20 东华大学 基于几何骨架的人体姿态重建方法
CN104598867A (zh) * 2013-10-30 2015-05-06 中国艺术科技研究所 一种人体动作自动评估方法及舞蹈评分系统
CN104200491A (zh) * 2014-08-15 2014-12-10 浙江省新华医院 一种人体运动姿态校正系统
JP2017049676A (ja) * 2015-08-31 2017-03-09 セコム株式会社 姿勢判定装置および物体検知装置
CN105512621A (zh) * 2015-11-30 2016-04-20 华南理工大学 一种基于Kinect的羽毛球动作指导系统
US9870622B1 (en) * 2016-07-18 2018-01-16 Dyaco International, Inc. Systems and methods for analyzing a motion based on images
CN107122048A (zh) * 2017-04-21 2017-09-01 甘肃省歌舞剧院有限责任公司 一种动作评估系统
CN107392086A (zh) * 2017-05-26 2017-11-24 深圳奥比中光科技有限公司 人体姿态的评估装置、系统及存储装置

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109859827A (zh) * 2018-12-14 2019-06-07 上海珍灵医疗科技有限公司 胃肠镜操作水平实时评分系统和方法
CN110045823A (zh) * 2019-03-12 2019-07-23 北京邮电大学 一种基于动作捕捉的动作指导方法和装置
CN110045823B (zh) * 2019-03-12 2020-10-02 北京邮电大学 一种基于动作捕捉的动作指导方法和装置
CN110175629A (zh) * 2019-04-25 2019-08-27 上海师范大学 一种人体动作相似度计算方法及装置
CN110175629B (zh) * 2019-04-25 2023-05-23 上海师范大学 一种人体动作相似度计算方法及装置
CN111854750A (zh) * 2019-04-26 2020-10-30 东莞潜星电子科技有限公司 一种基于智能视觉深度学习的自动泊车路径选择方法
CN111845714A (zh) * 2019-04-26 2020-10-30 东莞潜星电子科技有限公司 一种基于智能视觉深度学习的自动泊车系统
CN112399234A (zh) * 2019-08-18 2021-02-23 聚好看科技股份有限公司 一种界面显示方法及显示设备
CN113678137A (zh) * 2019-08-18 2021-11-19 聚好看科技股份有限公司 显示设备
US11924513B2 (en) 2019-08-18 2024-03-05 Juhaokan Technology Co., Ltd. Display apparatus and method for display user interface
CN113678137B (zh) * 2019-08-18 2024-03-12 聚好看科技股份有限公司 显示设备
CN110728181B (zh) * 2019-09-04 2022-07-12 北京奇艺世纪科技有限公司 行为评价方法、装置、计算机设备和存储介质
CN110728181A (zh) * 2019-09-04 2020-01-24 北京奇艺世纪科技有限公司 行为评价方法、装置、计算机设备和存储介质
CN112101802A (zh) * 2020-09-21 2020-12-18 广东电网有限责任公司电力科学研究院 姿态负荷数据的评价方法、装置、电子设备及存储介质
CN112714328A (zh) * 2020-12-23 2021-04-27 作业帮教育科技（北京）有限公司 一种直播课学生姿态提示方法、装置及电子设备
CN112990089A (zh) * 2021-04-08 2021-06-18 重庆大学 一种判断人体运动姿态的方法
CN112990089B (zh) * 2021-04-08 2023-09-26 重庆大学 一种判断人体运动姿态的方法
CN113327267A (zh) * 2021-07-15 2021-08-31 东南大学 一种基于单目rgb视频的动作评价方法

Similar Documents

Publication Publication Date Title
CN108537284A (zh) 基于计算机视觉深度学习算法的姿态评估打分方法和系统
CN111460875B (zh) 图像处理方法及装置、图像设备及存储介质
US10314536B2 (en) Method and system for delivering biomechanical feedback to human and object motion
US9987520B2 (en) Method and system for monitoring and feed-backing on execution of physical exercise routines
CN101715581B (zh) 体积识别方法和系统
TWI377055B (en) Interactive rehabilitation method and system for upper and lower extremities
CN102331840B (zh) 基于回环运动的用户选择和导航
CN112464918B (zh) 健身动作纠正方法、装置、计算机设备和存储介质
CN106131469B (zh) 基于机器视觉的球类智能机器人教练和裁判系统
CN110739040A (zh) 一种上下肢康复评定训练系统
CN101564594B (zh) 交互式肢体动作复健方法与系统
CN104353240A (zh) 基于Kinect的跑步机系统
Wang et al. Feature evaluation of upper limb exercise rehabilitation interactive system based on kinect
CN106201173A (zh) 一种基于投影的用户交互图标的交互控制方法及系统
Zhang et al. KaraKter: An autonomously interacting Karate Kumite character for VR-based training and research
CN111840920A (zh) 一种基于虚拟现实的上肢智能康复系统
CN114618142A (zh) 一种用于兵乓球运动的辅助训练系统及方法
CN109126045A (zh) 智能化运动分析和训练系统
Zhang et al. Research on volleyball action standardization based on 3D dynamic model
CN116343325A (zh) 一种居家健身智能辅助系统
CN114191797B (zh) 一种自由式滑雪智能训练系统
WO2018207388A1 (ja) モーションキャプチャに関するプログラム、装置および方法
CN115530814A (zh) 一种基于视觉姿态检测及计算机深度学习的儿童运动康复训练方法
CN111968723A (zh) 一种基于Kinect的上肢主动康复训练方法
CN114367091B (zh) 一种面向双人上肢非接触式康复训练的交互方法及装置

Legal Events

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

Application publication date: 20180914