CN111832528B - 一种用于行为分析的检出与异常分析方法 - Google Patents
一种用于行为分析的检出与异常分析方法 Download PDFInfo
- Publication number
- CN111832528B CN111832528B CN202010720171.7A CN202010720171A CN111832528B CN 111832528 B CN111832528 B CN 111832528B CN 202010720171 A CN202010720171 A CN 202010720171A CN 111832528 B CN111832528 B CN 111832528B
- Authority
- CN
- China
- Prior art keywords
- module
- muscle
- behavior
- information
- main board
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 59
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 210000003205 muscle Anatomy 0.000 claims abstract description 108
- 230000033001 locomotion Effects 0.000 claims abstract description 63
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 230000003068 static effect Effects 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 12
- 230000009471 action Effects 0.000 claims description 41
- 230000008859 change Effects 0.000 claims description 15
- 230000006872 improvement Effects 0.000 claims description 6
- 230000003245 working effect Effects 0.000 claims description 4
- 238000006386 neutralization reaction Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 4
- 239000002699 waste material Substances 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 44
- 210000001503 joint Anatomy 0.000 description 10
- 230000003042 antagnostic effect Effects 0.000 description 6
- 239000005557 antagonist Substances 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 241000489861 Maximus Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000000852 deltoid muscle Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 230000003472 neutralizing effect Effects 0.000 description 1
- 210000003314 quadriceps muscle Anatomy 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Social Psychology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Psychiatry (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例公开了一种用于行为分析的检出与异常分析方法，包括信息采集模块、主板和传输模块，所述信息采集模块与所述传输模块和所述主板相连，所述主板上安装有用于行为分析的肌肉协调模块、静力性模块、动力性模块、环节运动方向模块、过滤模块和处理模块，所述肌肉协调模块、所述静力性模块、所述动力性模块、所述环节运动方向模块、所述过滤模块和所述处理模块通过主板相互连接。本发明实施例提供了一种用于行为分析的检出与异常分析方法，以解决现有技术中由于人或者分析过程中对于行为不够彻底，需要再次运行程序进行分析计算，而导致的行为分析出现错误，误差过大，时间浪费严重，负载和计算难度增加的问题。
Description
技术领域
本发明实施例涉及行为分析技术领域，具体涉及一种用于行为分析的检出与异常分析方法。
背景技术
行为分析是方法研究的另外一个内容，主要研究分析人在进行各种操作时的身体动作，以消除多余的动作，减轻劳动强度，使操作简便更有效，从而制定出最佳的动作程序，并进行合理的分析与后期的辨别，基于专利申请号为：201610370289.5的专利名称为：一种基于人工智能的行为分析方法和系统中提出了对于儿童的身体由于发育期造成的坐姿进行矫正，在专利号为201710855837.8的专利名称为：一种基于语义折叠的人体步态行为主动检测识别系统和方法中记载到目前步态行为检测识别的通用性和识别率不足的技术问题，虽然两篇申请文件都是想解决现有技术中的一些不足之处，但是适用范围太过于限制，对于适用人群和人的行为动作具有很大的限制；
但是目前行为分析的检出与异常分析中，常常由于个人或者分析过程中对于行为分析的不够彻底，在对分析中，动作关节、肌肉和运动联动不够联动，导致分析出行为分析错误，造成了误差过大，需要再次进行分析计算，造成了时间的浪费，并对于程序再次运行，增加了负载和计算难度的问题。
发明内容
为此，本发明实施例提供了一种用于行为分析的检出与异常分析方法，以解决现有技术中由于人或者分析过程中对于行为不够彻底，在对分析中，动作关节、肌肉和运动联动不够联动，需要再次运行程序进行分析计算，而导致的行为分析出现错误，误差过大，时间浪费严重，负载和计算难度增加的问题。
为了实现上述目的，本发明实施例提供如下技术方案：
根据本发明实施例公开的一种用于行为分析的检出与异常分析方法，包括信息采集模块、主板和传输模块，所述信息采集模块与所述传输模块和所述主板相连，所述主板上安装有用于行为分析的肌肉协调模块、静力性模块、动力性模块、环节运动方向模块、过滤模块和处理模块，所述肌肉协调模块、所述静力性模块、所述动力性模块、所述环节运动方向模块、所述过滤模块和所述处理模块通过主板相互连接。
进一步地，所述肌肉协调模块对于所述信息采集模块采集用户的原动肌和对抗肌，所述信息采集模块中完成的一个动作中具有动力作用的肌肉为所述原动肌，与所述原动肌做相反运动的肌肉为所述对抗肌，所述原动肌与所述对抗肌是随着行为动作的改变而变化的。
进一步地，所述静力性模块对于所述信息采集模块采集的进行支撑工作的肌肉进行分析，所述静力性模块分析的肌肉的拉力矩等于阻力矩。
进一步地，所述动力性模块对于所述信息采集模块采集的环节位置和肌肉长度变化的动作行为进行分析；肌肉的拉力矩大于阻力矩，肌肉缩短，动点向定点靠拢的动作行为称为克制工作；肌肉的拉力矩小于阻力矩，肌肉紧张但渐渐被拉长，动点与定点逐渐分离的动作行为称为推入工作。
进一步地，所述环节运动方向模块对于所述信息采集模块采集的行为运动的肌肉跨过关节的数量进行分析，跨过一个关节的肌肉为单关节肌，跨过多个关节的肌肉为多关节肌。
进一步地，所述过滤模块对于所述肌肉协调模块、所述静力性模块、所述动力性模块和所述环节运动方向模块传递的信息进行中和处理，所述过滤模块对于未使用的信息进行停录，对使用的信息进行综合计算；在所述肌肉协调模块和/或所述环节运动方向模块均未启动的情况下，进行二次信息录入，并进行所述过滤模块的自检。
进一步地，所述处理模块将所述过滤模块得到的数据信息进行计算，并根据计算结果进行3D模拟，将行为动作进行还原并进行分析，所述处理模块对于环节运动和外力左右的方向进行模拟。
进一步地，所述处理模块包括如下步骤，S1、根据关节运动的变化将动作划分阶段，并对身体的姿势进行描述；S2、分析各阶段中各个关节的运动变化；S3、分析使各关节运动的原动肌、固定条件及肌肉的工作性质；S4、对行为动作进行评定，并提出改善方法。
进一步地，所述信息采集模块包括视频采集设备和音频采集设备，所述视频采集设备用于采集用户的行为信息，所述音频采集设备用于采集声音信息，所述视频采集设备和所述音频采集设备均与所述主板相连；所述视频采集设备选用摄像头，所述声音采集设备选用麦克风；所述主板还连接有扬声器，所述扬声器与所述主板相连，所述扬声器将所述主板接受的信息进行发声。
进一步地，所述传输模块选用无线传输器，所述无线传输器与所述主板相连。
本发明实施例具有如下优点：
本发明公开了一种用于行为分析的检出与异常分析方法，各模块设置的科学合理，使用安全方便，通过肌肉协调模块对用户的原动肌和对抗肌进行分类，从而将用户行为中动作肌肉进行多次的分离，降低非必要的分析；通过静力性模块对于支撑工作的肌肉进行分析，降低了运算的难度；通过动力性模块对于行为动作进行由于运动引起的环节位置核肌肉长度发生变化，从而分为克制工作和推入工作，并且环节运动方向模块根据肌肉跨过关节数量可分为单关节肌和多关节肌，将关节进行动作分解，从而进行正常的动作分析；通过过滤模块对于肌肉协调模块、静力性分析模块、动力性分析模块和环节运动方向模块共同传递的信息进行中和，然后将信息进行综合的计算，降低了处理模块的数据处理量，提高了数据处理的速度，方便快捷；且本发明不收适用人群的限制，可以在个个年龄段的人群中推广。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明提供的一种用于行为分析的检出与异常分析方法示意图；
图2为本发明提供的处理模块的流程示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
结合图1-2所示，本发明公开了一种用于行为分析的检出与异常分析方法，包括信息采集模块、主板和传输模块，所述信息采集模块与所述传输模块和所述主板相连，所述主板上安装有用于行为分析的肌肉协调模块、静力性模块、动力性模块、环节运动方向模块、过滤模块和处理模块，所述肌肉协调模块、所述静力性模块、所述动力性模块、所述环节运动方向模块、所述过滤模块和所述处理模块通过主板相互连接。本发明公开了一种用于行为分析的检出与异常分析方法，各模块设置的科学合理，使用安全方便，通过肌肉协调模块对用户的原动肌和对抗肌进行分类，从而将用户行为中动作肌肉进行多次的分离，降低非必要的分析；通过静力性模块对于支撑工作的肌肉进行分析，降低了运算的难度；通过动力性模块对于行为动作进行由于运动引起的环节位置核肌肉长度发生变化，从而分为克制工作和推入工作，并且环节运动方向模块根据肌肉跨过关节数量可分为单关节肌和多关节肌，将关节进行动作分解，从而进行正常的动作分析；通过过滤模块对于肌肉协调模块、静力性分析模块、动力性分析模块和环节运动方向模块共同传递的信息进行中和，然后将信息进行综合的计算，降低了处理模块的数据处理量，提高了数据处理的速度，方便快捷；且本发明不收适用人群的限制，可以在个个年龄段的人群中推广。
肌肉协调模块对于所述信息采集模块采集用户的原动肌和对抗肌，所述信息采集模块中完成的一个动作中具有动力作用的肌肉为所述原动肌，与所述原动肌做相反运动的肌肉为所述对抗肌，所述原动肌与所述对抗肌是随着行为动作的改变而变化的。原动肌包括主动肌和副动肌；例如，伸肘关节的主动肌是肱三头肌，副动肌则为肘肌。例如，做屈肘关节(弯举)运动时，肱二头肌是原动肌，而起伸肘作用的肱三头肌则为对抗肌；例如，在做伸肘运动(俯卧撑)时，肱三头肌又成为原动肌，而肱二头肌则成为对抗肌。如果原动肌和对抗肌同时收缩，则可使关节固定。
静力性模块对于所述信息采集模块采集的进行支撑工作的肌肉进行分析，所述静力性模块分析的肌肉的拉力矩等于阻力矩。该运动方式称为静力性工作，这类工作可以使身体各环节保持在一定的位置上，例如，燕式平衡、马步站桩等动作。
动力性模块对于所述信息采集模块采集的环节位置和肌肉长度变化的动作行为进行分析；肌肉的拉力矩大于阻力矩，肌肉缩短，动点向定点靠拢的动作行为称为克制工作；肌肉的拉力矩小于阻力矩，肌肉紧张但渐渐被拉长，动点与定点逐渐分离的动作行为称为推入工作。克制工作又称为向心收缩，例如，负重弯举的上举阶段；退让工作又称为离心收缩，例如，负重弯举的下降阶段。
环节运动方向模块对于所述信息采集模块采集的行为运动的肌肉跨过关节的数量进行分析，跨过一个关节的肌肉为单关节肌，跨过多个关节的肌肉为多关节肌。单关节肌：只跨过一个关节，作用力集中于一个关节，收缩力大，例如，三角肌、胸大肌、臀大肌等；多关节肌：跨过多个关节，发力和幅度大，例如，股直肌。
过滤模块对于所述肌肉协调模块、所述静力性模块、所述动力性模块和所述环节运动方向模块传递的信息进行中和处理，所述过滤模块对于未使用的信息进行停录，对使用的信息进行综合计算；在所述肌肉协调模块和/或所述环节运动方向模块均未启动的情况下，进行二次信息录入，并进行所述过滤模块的自检。
处理模块将所述过滤模块得到的数据信息进行计算，并根据计算结果进行3D模拟，将行为动作进行还原并进行分析，所述处理模块对于环节运动和外力左右的方向进行模拟。在环节运动速度快的时候，原动肌是位于环节运动方向同侧的肌群；在环节运动速度慢的时候，原动肌是位于环节运动方向反侧的肌群。
处理模块包括如下步骤：S1、根据关节运动的变化将动作划分阶段，并对身体的姿势进行描述；S2、分析各阶段中各个关节的运动变化；S3、分析使各关节运动的原动肌、固定条件及肌肉的工作性质；S4、对行为动作进行评定，并提出改善方法。处理模块对于行为分析中各个动作进行分析，保证其正常分析，并对于呼吸系统进行去除，降低由于呼吸带来的动作误差分析。
信息采集模块包括视频采集设备和音频采集设备，所述视频采集设备用于采集用户的行为信息，所述音频采集设备用于采集声音信息，所述视频采集设备和所述音频采集设备均与所述主板相连。
视频采集设备选用摄像头，声音采集设备选用麦克风。
主板还连接有扬声器，扬声器与所述主板相连，所述扬声器将所述主板接受的信息进行发声。
传输模块选用无线传输器，所述无线传输器与所述主板相连。
实施例一；
将主板与摄像头、无线传输器、扬声器和麦克风相连，摄像头对于用户的动作行为进行摄像，无线传输模块将主板采集的信息继续你行输送和接收，扬声器接受到的信息进行发声，麦克风对外界的语音进行采集。主板上安装有用于行为分析相互连接的肌肉协调模块、静力性模块、动力性模块、环节运动方向模块、过滤模块和处理模块，通过肌肉协调模块分析用户的原动肌和对抗肌，通过静力性模块对进行支撑工作的肌肉进行分析，通过动力性模块环节位置和肌肉长度变化的动作行为进行分析，通过环节运动方向模块肌肉跨过关节的数量进行分析。，然后通过过滤模块对于所述肌肉协调模块、所述静力性模块、所述动力性模块和所述环节运动方向模块传递的信息进行中和处理，过滤模块对于未使用的信息进行停录，对使用的信息进行综合计算，计算中，以肌肉协调模块和环节运动模块为主，从而保证过滤模块的正常计算，在肌肉协调模块和/或环节运动方向模块均未启动的情况下，过滤模块进行二次信息，并进行过滤模块的自检，防止过滤模块出错。过滤模块得到的数据在模块中进行计算并建立3D模型，将用户的行为动作还原，进而对用户的行为动作进行分析，并对于环节运动与外力左右的方向进行模拟，分析使各关节运动的原动肌、固定条件及肌肉工作性质，对用户的行为动作进行评定并提出改善的方法。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (3)
1.一种用于行为分析的检出与异常分析方法，其特征在于：包括信息采集模块、主板和传输模块，所述信息采集模块与所述传输模块和所述主板相连，所述主板上安装有用于行为分析的肌肉协调模块、静力性模块、动力性模块、环节运动方向模块、过滤模块和处理模块，所述肌肉协调模块、所述静力性模块、所述动力性模块、所述环节运动方向模块、所述过滤模块和所述处理模块通过主板相互连接；
所述肌肉协调模块对于所述信息采集模块采集用户的原动肌和对抗肌，所述信息采集模块中完成的一个动作中具有动力作用的肌肉为所述原动肌，与所述原动肌做相反运动的肌肉为所述对抗肌，所述原动肌与所述对抗肌是随着行为动作的改变而变化的；
所述静力性模块对于所述信息采集模块采集的进行支撑工作的肌肉进行分析，所述静力性模块分析的肌肉的拉力矩等于阻力矩；
所述动力性模块对于所述信息采集模块采集的环节位置和肌肉长度变化的动作行为进行分析；
肌肉的拉力矩大于阻力矩，肌肉缩短，动点向定点靠拢的动作行为称为克制工作；肌肉的拉力矩小于阻力矩，肌肉紧张但渐渐被拉长，动点与定点逐渐分离的动作行为称为推入工作；
所述环节运动方向模块对于所述信息采集模块采集的行为运动的肌肉跨过关节的数量进行分析，跨过一个关节的肌肉为单关节肌，跨过多个关节的肌肉为多关节肌；
所述过滤模块对于所述肌肉协调模块、所述静力性模块、所述动力性模块和所述环节运动方向模块传递的信息进行中和处理，所述过滤模块对于未使用的信息进行停录，对使用的信息进行综合计算；在所述肌肉协调模块和/或所述环节运动方向模块均未启动的情况下，进行二次信息录入，并进行所述过滤模块的自检；
所述处理模块将所述过滤模块得到的数据信息进行计算，并根据计算结果进行3D模拟，将行为动作进行还原并进行分析，所述处理模块对于环节运动和外力左右的方向进行模拟；
所述处理模块包括如下步骤，
S1、根据关节运动的变化将动作划分阶段，并对身体的姿势进行描述；
S2、分析各阶段中各个关节的运动变化；
S3、分析使各关节运动的原动肌、固定条件及肌肉的工作性质；
S4、对行为动作进行评定，并提出改善方法。
2.根据权利要求1所述的一种用于行为分析的检出与异常分析方法，其特征在于：所述信息采集模块包括视频采集设备和音频采集设备，所述视频采集设备用于采集用户的行为信息，所述音频采集设备用于采集声音信息，所述视频采集设备和所述音频采集设备均与所述主板相连；所述视频采集设备选用摄像头，所述音频采集设备选用麦克风；所述主板还连接有扬声器，所述扬声器与所述主板相连，所述扬声器将所述主板接受的信息进行发声。
3.根据权利要求1所述的一种用于行为分析的检出与异常分析方法，其特征在于：所述传输模块选用无线传输器，所述无线传输器与所述主板相连。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010720171.7A CN111832528B (zh) | 2020-07-24 | 2020-07-24 | 一种用于行为分析的检出与异常分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010720171.7A CN111832528B (zh) | 2020-07-24 | 2020-07-24 | 一种用于行为分析的检出与异常分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111832528A CN111832528A (zh) | 2020-10-27 |
| CN111832528B true CN111832528B (zh) | 2024-02-09 |
Family
ID=72925286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010720171.7A Active CN111832528B (zh) | 2020-07-24 | 2020-07-24 | 一种用于行为分析的检出与异常分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111832528B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104379056A (zh) * | 2012-03-27 | 2015-02-25 | B10尼克斯有限公司 | 用于肌肉活动的采集和分析的系统及其操作方法 |
| KR20170017564A (ko) * | 2015-08-07 | 2017-02-15 | 전자부품연구원 | 사용자 움직임 모니터링 방법 및 이를 수행하는 시스템 |
| CN108875563A (zh) * | 2018-04-28 | 2018-11-23 | 尚谷科技（天津）有限公司 | 一种基于肌肉信号的人体动作识别方法 |
| CN109346176A (zh) * | 2018-08-27 | 2019-02-15 | 浙江大学 | 一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法 |
| CN110141239A (zh) * | 2019-05-30 | 2019-08-20 | 东北大学 | 一种用于下肢外骨骼的运动意图识别及装置方法 |
| JP2020010879A (ja) * | 2018-07-19 | 2020-01-23 | 孝幸 星谷 | スイング捻転動作鍛錬機 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160120734A1 (en) * | 2014-10-30 | 2016-05-05 | Elwha Llc | Garment system including at least one sensor and at least one actuator responsive to the sensor and related methods |
| EP3493217A1 (en) * | 2017-12-01 | 2019-06-05 | Tata Consultancy Services Limited | Method and system for injury risk prediction and corrective action for high contact type activity |
-
2020
- 2020-07-24 CN CN202010720171.7A patent/CN111832528B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104379056A (zh) * | 2012-03-27 | 2015-02-25 | B10尼克斯有限公司 | 用于肌肉活动的采集和分析的系统及其操作方法 |
| KR20170017564A (ko) * | 2015-08-07 | 2017-02-15 | 전자부품연구원 | 사용자 움직임 모니터링 방법 및 이를 수행하는 시스템 |
| CN108875563A (zh) * | 2018-04-28 | 2018-11-23 | 尚谷科技（天津）有限公司 | 一种基于肌肉信号的人体动作识别方法 |
| JP2020010879A (ja) * | 2018-07-19 | 2020-01-23 | 孝幸 星谷 | スイング捻転動作鍛錬機 |
| CN109346176A (zh) * | 2018-08-27 | 2019-02-15 | 浙江大学 | 一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法 |
| CN110141239A (zh) * | 2019-05-30 | 2019-08-20 | 东北大学 | 一种用于下肢外骨骼的运动意图识别及装置方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111832528A (zh) | 2020-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Olguın et al. | Human activity recognition: Accuracy across common locations for wearable sensors | |
| CN107397649A (zh) | 一种基于径向基神经网络的上肢外骨骼康复机器人控制方法 | |
| CN110072678A (zh) | 用于运动辅助的人类意图检测系统 | |
| Mohammed et al. | Unsupervised deep representation learning to remove motion artifacts in free-mode body sensor networks | |
| Zhong et al. | Joint torque and mechanical power of lower extremity and its relevance to hamstring strain during sprint running | |
| CN111383763B (zh) | 一种膝关节运动信息的处理方法、装置、设备和存储介质 | |
| Byron et al. | An anatomical and mechanical analysis of the douc monkey (genus Pygathrix), and its role in understanding the evolution of brachiation | |
| CN111832528B (zh) | 一种用于行为分析的检出与异常分析方法 | |
| US10272292B1 (en) | Adaptive sport posture sensing system and method | |
| CN108227905A (zh) | 一种基于表面肌电信号的游戏控制系统 | |
| Wang et al. | Technology-based compensation assessment and detection of upper extremity activities of stroke survivors: systematic review | |
| Rekhi et al. | Multi-class SVM classification of surface EMG signal for upper limb function | |
| CN110227249A (zh) | 一种上肢训练系统 | |
| Zhang et al. | A multi-information fusion method for gait phase classification in lower limb rehabilitation exoskeleton | |
| Kuo et al. | Estimating trunk and neck stabilization for avoiding head impact during real-world falls in older adults | |
| CN113051973A (zh) | 用于姿势矫正的方法及装置、电子设备 | |
| Jantawong et al. | Monitoring system of wearable sensor signal in rehabilitation using efficient deep learning approaches | |
| CN105879301B (zh) | 一种面向智能哑铃的上肢运动识别方法 | |
| King et al. | Validation of fingertip force in the ACT hand index finger and bond graph tendon model | |
| Qashqai et al. | A Hill-based EMG-driven model to estimate elbow torque during flexion and extention | |
| Astudillo et al. | Lower limbs motion intention detection by using pattern recognition | |
| Guo et al. | Upper limb motion recognition for unsupervised stroke rehabilitation based on Support Vector Machine | |
| Oku et al. | Analysis of muscle coordination in human pedaling and implementation with a musculoskeletal robot | |
| CN107684501B (zh) | 一种基于表面肌电的肘关节动作连续辨识方法 | |
| O'Meara et al. | Effects of Stable and Unstable Surfaces on Cable-Based Resistive Exercises |
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 |