CN112435731B - 一种判断实时姿势是否满足预设规则的方法 - Google Patents
一种判断实时姿势是否满足预设规则的方法 Download PDFInfo
- Publication number
- CN112435731B CN112435731B CN202011484291.8A CN202011484291A CN112435731B CN 112435731 B CN112435731 B CN 112435731B CN 202011484291 A CN202011484291 A CN 202011484291A CN 112435731 B CN112435731 B CN 112435731B
- Authority
- CN
- China
- Prior art keywords
- judging whether
- joint point
- comparing
- joint
- met
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000003287 optical effect Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 30
- 210000000988 bone and bone Anatomy 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000000474 nursing effect Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 1
- 208000029549 Muscle injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009207 exercise therapy Methods 0.000 description 1
- 239000011151 fibre-reinforced plastic Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Psychiatry (AREA)
- Physical Education & Sports Medicine (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种判断实时姿势是否满足预设规则的方法,所述方法包括:采集用户全身的特征关节点数据在光学动作捕捉设备空间坐标系下的三维坐标;根据获取的特征关节点数据在身体姿势规则下对多种空间关系进行匹配计算,判断用户姿势是否符合预设的身体姿势,并输出判断结果。本发明的优点在于:解决用户在自助康复训练过程中,不能按照预设规则进行正确训练的问题,从而减轻了医生的看护压力,提升用户训练的效果;本发明具有灵活性高、判断效率高、简单易用等优点。
Description
技术领域
本发明涉及计算机视觉和模式识别技术领域,尤其涉及一种判断实时姿势是否满足预设规则的方法。
背景技术
计算机视觉,使用计算机模拟人的大脑视觉机理获取和处理信息的能力,例如进行图像目标的检测、识别、跟踪等任务。计算机视觉也是交叉了统计学、计算机科学、神经生物学等学科,最终的目标就是实现计算机对三维现实世界的理解,实现人类视觉系统的功能。更抽象的,计算机视觉可以是看作在图像等高维数据中的感知问题,包含了图像处理和图像理解等。
模式识别,寻找数据中的模式问题是一个基本问题,模式识别领域关注的是利用计算机算法自动发现数据中的规律,以及使用这些规律采取将数据分类等行动。
在康复运动疗法中,通过对上肢的训练,可增加关节的稳定性,改善生理曲度,同时可以有效缓解疼痛,修复肌肉损伤。目前在康复领域,传统的训练需要在专业治疗师的指导下进行。治疗师需要向用户详细讲解训练的方式和注意事项,引导用户进行康复训练。传统的训练往往具有以下不足之处:用户训练需要医生持续关注,才能保证姿势正确。用户自助训练不能保证可以正确的完成训练。训练强度和训练效果不易评估,不利于医疗工作者判断训练状况。
发明内容
本发明的目的在于克服现有技术的缺点,提供了一种判断实时姿势是否满足预设规则的方法,解决了现有用户在康复训练过程中存在的不足。
本发明的目的通过以下技术方案来实现:一种判断实时姿势是否满足预设规则的方法,所述方法包括采集用户全身的特征关节点数据在光学动作捕捉设备空间坐标系下的三维坐标;
根据获取的特征关节点数据在身体姿势规则下对多种空间关系进行匹配计算,判断用户姿势是否符合预设的身体姿势,并输出判断结果。
所述对多种空间关系进行匹配计算包括:
对两个关节点在某个方向上的距离进行计算比较,判断是否满足该类型要求;
对骨骼与身体剖面之间的夹角进行计算比较,判断是否满足该类型要求;
对三个关节点之间的夹角进行计算比较,判断是否满足该类型要求;
对关节点与身体剖面之间的距离进行计算比较,判断是否满足该类型要求。
所述对两个关节点在某个方向上的距离进行计算比较,判断是否满足该类型要求包括:
设关节点1的空间位置坐标为(x1,y1,z1),关节点2的空间位置坐标为(x2,y2,z2);
根据对应坐标轴的差值计算两个关节点在不同方向的距离,并将计算出的真实距离与距离条件值进行比较,判断是否满足该类型要求。
所述对骨骼与身体剖面之间的夹角进行计算比较,判断是否满足该类型要求包括:
设关节点1的空间位置坐标为(x1,y1,z1),关节点2的空间位置坐标为(x2,y2,z2);
计算出关节点1到关节点2的骨骼向量坐标(x2-x1,y2-y1,z2-z1),选取各个身体剖面的法向量作为参考向量得到冠状面法向量坐标、横断面法向量坐标和矢状面法向量坐标;
计算参考向量与关节点1到关节点2的向量之间的夹角α,进而得到关节点1到关节点2的骨骼与对应身体剖面的夹角θ,并将该值与角度条件值进行比较,判断是否满足该类型要求。
所述对三个关节点之间的夹角进行计算比较,判断是否满足该类型要求包括:
设关节点A的空间位置坐标为(xA,yA,zA),关节点O的空间位置坐标为(x0,y0,z0),关节点B的空间位置坐标为(xB,yB,zB);
计算出关节点O指向关节点A的向量的坐标表示为关节点O指向关节点B的向量的坐标表示为进而得到/>与/>之间的夹角β;
将其转换为角度后与角度条件值进行比较,判断是否满足该类型要求。
所述对关节点与身体剖面之间的距离进行计算比较,判断是否满足该类型要求包括:
设某关节点的空间位置坐标为(x,y,z),以胸部(SPINE_CHEST)作为参考点(xref,yref,zref);
若用户正面面对光学动作捕捉设备空间坐标系站立,则计算得到关节点到冠状面的距离对应关节点与胸部Z轴坐标差值的绝对值|z-zref|,关节点到矢状面的距离对应关节点与胸部X轴坐标差值的绝对值|x-xref|,关节点到横断面的距离对应关节点与胸部Y轴坐标差值的绝对值|y-yref|;
之后将真实值与距离条件值进行比较,判断是否满足该类型的要求。
所述方法还包括建立坐标系的步骤,其包括将原点(0,0,0)设于光学动作捕捉设备处,坐标正X轴朝向设备右方;正Y轴朝下;正Z轴朝向设备前方。
所述方法还包括设置于采集用户全身的特征关节点数据在光学动作捕捉设备空间坐标系下的三维坐标步骤之前的定义身体姿势规则步骤;所述定义身体姿势规则步骤包括:
定义两个关节点在某个方向上的距离小于预设值;
定义骨骼与身体剖面之间的夹角小于预设值;
定义三个关节点之间的夹角小于预设值;
定义关节点与身体剖面之间的距离小于预设值。
本发明具有以下优点:一种判断实时姿势是否满足预设规则的方法,解决用户在自助康复训练过程中,不能按照预设规则进行正确训练的问题,从而减轻了医生的看护压力,提升用户训练的效果;本发明具有灵活性高、判断效率高、简单易用等优点。
附图说明
图1为本发明的流程示意图;
图2为人体全身特征关节点示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。
如图1和图2所示,本发明提供一种通过光学动作捕捉设备判断实时姿势是否满足预设规则的方法,通过持续判断用户的特征点数据是否满足预设的规则,实现方式包括以下步骤:
S1、建立坐标系,原点(0,0,0)位于光学动作捕捉设备处,坐标正X轴朝向设备右方;正Y轴朝下;正Z轴朝向设备前方。
S2、定义身体姿势规则;
人体的各种身体姿势可以抽象为三维空间中不同关节点之间、关节点与平面之间的几何关系。为了能使计算机识别出人体是否保持某个指定的姿势,本算法定义了四种空间关系,通过组合多个空间关系条件即可灵活地定义出具体的身体姿势。这四种空间关系如下:
两个关节点在某个方向上的距离:关节点1在关节点2方向的距离与距离条件值比较,如头部(HEAD)在胸部(SPINE_CHEST)前方的距离小于6.5cm;
骨骼与身体剖面之间的夹角:关节点1和关节点2之间的骨骼/连线与某身体剖面之间的夹角与夹角条件值比较,如左肩(SHOULDER_LEFT)和右肩(SHOULDER_RIGHT)连线与矢状面之间的夹角大于75°;
三个关节点之间的夹角:关节点A、关节点O、关节点B之间的夹角(即∠AOB)与夹角条件值比较,如右手(HAND_RIGHT)右肘(ELBOW_RIGHT)右肩(SHOULDER_RIGHT)之间的夹角大于60°;
关节点与身体剖面之间的距离:关节点与身体剖面之间的距离与距离条件值比较,如头部(HEAD)与冠状面之间的距离小于6.5cm。
S3、持续采集用户特征关节点数据,即用户32个关节点在光学动作捕捉设备空间坐标系下的三维坐标。
S4、根据获取的特征关节点数据在身体姿势规则下进行匹配计算,判断用户姿势是否符合预设的身体姿势。
具体四种空间关系的匹配算法如下:
1、两个关节点在某个方向上的距离;
关节点1的空间位置坐标为(x1,y1,z1),关节点2的空间位置坐标为(x2,y2,z2),则对应坐标轴的差值也就体现了两个关节点在不同方向上的距离:
关节点1在关节点2上方的距离为:y2-y1;
关节点1在关节点2下方的距离为:y1-y2;
关节点1在关节点2左方的距离为:x1-x2;
关节点1在关节点2右方的距离为:x2-x1;
关节点1在关节点2前方的距离为:z2-z1;
关节点1在关节点2后方的距离为:z1-z2;
将计算出的真实距离与距离条件值进行比较,判断是否满足该类型要求。
2、骨骼与身体剖面之间的夹角;
关节点1的空间位置坐标为(x1,y1,z1),关节点2的空间位置坐标为(x2,y2,z2),关节点1到关节点2的连线(骨骼)向量的坐标表示即为(x2-x1,y2-y1,z2-z1)。选取各个身体剖面的法向量作为参考向量
冠状面法向量即为Z轴正方向:
横断面法向量即为Y轴正方向:
矢状面面法向量即为X轴正方向:
之后计算参考向量与关节点1到关节点2的向量之间的夹角α:
则关节点1到关节点2的连线/骨骼与对应身体剖面的夹角将该值与角度条件值进行比较,判断是否满足该类型要求。
3、三个关节点之间的夹角;
关节点A的空间位置坐标为(xA,yA,zA),关节点O的空间位置坐标为(x0,y0,z0),关节点B的空间位置坐标为(xB,yB,zB)。则关节点O指向关节点A的向量的坐标表示为 关节点O指向关节点B的向量的坐标表示为 与/>之间的夹角β也就体现了关节点A、关节点O和关节点B之间的夹角(即∠AOB):
转换为角度后即为将该值与角度条件值进行比较,判断是否满足该类型要求。
4、关节点与身体剖面之间的距离;
关节点的空间位置坐标为(x,y,z),以胸部(SPINE_CHEST)作为参考点(xref,yref,zref)。若用户正面面对光学动作捕捉设备站立,则关节点到冠状面的距离对应关节点与胸部Z轴坐标差值的绝对值|z-zref|;关节点到矢状面的距离对应关节点与胸部X轴坐标差值的绝对值|x-xref|;关节点到横断面的距离对应关节点与胸部Y轴坐标差值的绝对值|y-yref|。之后将真实值与距离条件值进行比较,判断是否满足该类型的要求。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.一种判断实时姿势是否满足预设规则的方法,其特征在于:所述方法包括:
采集用户全身的特征关节点数据在光学动作捕捉设备空间坐标系下的三维坐标;
根据获取的特征关节点数据在身体姿势规则下对多种空间关系进行匹配计算,判断用户姿势是否符合预设的身体姿势,并输出判断结果;
所述对多种空间关系进行匹配计算包括:
对两个关节点在某个方向上的距离进行计算比较,判断是否满足该类型要求;
对骨骼与身体剖面之间的夹角进行计算比较,判断是否满足该类型要求;
对三个关节点之间的夹角进行计算比较,判断是否满足该类型要求;
对关节点与身体剖面之间的距离进行计算比较,判断是否满足该类型要求;
所述对骨骼与身体剖面之间的夹角进行计算比较,判断是否满足该类型要求包括:
设关节点1的空间位置坐标为(x1,y1,z1),关节点2的空间位置坐标为(x2,y2,z2);
计算出关节点1到关节点2的骨骼向量坐标(x2-x1,y2-y1,z2-z1),选取各个身体剖面的法向量作为参考向量得到冠状面法向量坐标、横断面法向量坐标和矢状面法向量坐标;
计算参考向量与关节点1到关节点2的向量之间的夹角α,进而得到关节点1到关节点2的骨骼与对应身体剖面的夹角θ,并将该值与角度条件值进行比较,判断是否满足该类型要求;
所述对关节点与身体剖面之间的距离进行计算比较,判断是否满足该类型要求包括:
设某关节点的空间位置坐标为(x,y,z),以胸部(SPINE_CHEST)作为参考点(xref,yref,zref);
若用户正面面对光学动作捕捉设备空间坐标系站立,则计算得到关节点到冠状面的距离对应关节点与胸部Z轴坐标差值的绝对值|z-zref|,关节点到矢状面的距离对应关节点与胸部X轴坐标差值的绝对值|x-xref|,关节点到横断面的距离对应关节点与胸部Y轴坐标差值的绝对值|y-yref|;
之后将真实值与距离条件值进行比较,判断是否满足该类型的要求。
2.根据权利要求1所述的一种判断实时姿势是否满足预设规则的方法,其特征在于:所述对两个关节点在某个方向上的距离进行计算比较,判断是否满足该类型要求包括:
设关节点1的空间位置坐标为(x1,y1,z1),关节点2的空间位置坐标为(x2,y2,z2);
根据对应坐标轴的差值计算两个关节点在不同方向的距离,并将计算出的真实距离与距离条件值进行比较,判断是否满足该类型要求。
3.根据权利要求1所述的一种判断实时姿势是否满足预设规则的方法,其特征在于:所述对三个关节点之间的夹角进行计算比较,判断是否满足该类型要求包括:
设关节点A的空间位置坐标为(xA,yA,zA),关节点O的空间位置坐标为(xo,yo,zo),关节点B的空间位置坐标为(xB,yB,zB);
计算出关节点O指向关节点A的向量的坐标表示为关节点O指向关节点B的向量的坐标表示为/>进而得到/>与之间的夹角β;
将其转换为角度后与角度条件值进行比较,判断是否满足该类型要求。
4.根据权利要求1-3中任意一项所述的一种判断实时姿势是否满足预设规则的方法,其特征在于:所述方法还包括建立坐标系的步骤,其包括将原点(0,0,0)设于光学动作捕捉设备处,坐标正X轴朝向设备右方;正Y轴朝下;正Z轴朝向设备前方。
5.根据权利要求4所述的一种判断实时姿势是否满足预设规则的方法,其特征在于:所述方法还包括设置于采集用户全身的特征关节点数据在光学动作捕捉设备空间坐标系下的三维坐标步骤之前的定义身体姿势规则步骤;所述定义身体姿势规则步骤包括:
定义两个关节点在某个方向上的距离小于预设值;
定义骨骼与身体剖面之间的夹角小于预设值;
定义三个关节点之间的夹角小于预设值;
定义关节点与身体剖面之间的距离小于预设值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011484291.8A CN112435731B (zh) | 2020-12-16 | 2020-12-16 | 一种判断实时姿势是否满足预设规则的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011484291.8A CN112435731B (zh) | 2020-12-16 | 2020-12-16 | 一种判断实时姿势是否满足预设规则的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112435731A CN112435731A (zh) | 2021-03-02 |
CN112435731B true CN112435731B (zh) | 2024-03-19 |
Family
ID=74691281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011484291.8A Active CN112435731B (zh) | 2020-12-16 | 2020-12-16 | 一种判断实时姿势是否满足预设规则的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112435731B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409913A (zh) * | 2021-06-25 | 2021-09-17 | 黄富表 | 一种基于Microsoft Kinect的脑卒中患者上肢运动功能评定方法 |
CN113926159A (zh) * | 2021-09-26 | 2022-01-14 | 江苏科技大学 | 双桥运动指导方法、存储介质及系统 |
CN114931743A (zh) * | 2022-06-15 | 2022-08-23 | 康键信息技术(深圳)有限公司 | 运动评估方法、运动评估装置、电子设备和可读存储介质 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104274183A (zh) * | 2013-07-01 | 2015-01-14 | 株式会社东芝 | 动作信息处理装置 |
KR20160039496A (ko) * | 2014-10-01 | 2016-04-11 | 한국전자통신연구원 | 자세 교정 장치 및 방법 |
CN105832343A (zh) * | 2016-05-22 | 2016-08-10 | 上海大学 | 多维视觉手功能康复定量评估系统和评估方法 |
CN106344030A (zh) * | 2016-08-30 | 2017-01-25 | 苏州品诺维新医疗科技有限公司 | 一种姿势矫正方法和装置 |
WO2017063530A1 (zh) * | 2015-10-15 | 2017-04-20 | 阿里巴巴集团控股有限公司 | 动作信息识别方法和系统 |
CN106821388A (zh) * | 2016-12-30 | 2017-06-13 | 上海大学 | 脑卒中病人下肢康复定量评估方法 |
CN107349570A (zh) * | 2017-06-02 | 2017-11-17 | 南京邮电大学 | 基于Kinect的上肢康复训练与评估方法 |
CN107422852A (zh) * | 2017-06-27 | 2017-12-01 | 掣京机器人科技(上海)有限公司 | 手功能康复训练评估方法和系统 |
CN107609523A (zh) * | 2017-09-19 | 2018-01-19 | 东华大学 | 基于Python的步态周期及三维肢体活动角度算法 |
CN108096788A (zh) * | 2018-01-31 | 2018-06-01 | 江苏承康医用设备有限公司 | 基于kinect的游戏下肢康复训练系统 |
CN108597578A (zh) * | 2018-04-27 | 2018-09-28 | 广东省智能制造研究所 | 一种基于二维骨架序列的人体运动评估方法 |
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 |
CN110544301A (zh) * | 2019-09-06 | 2019-12-06 | 广东工业大学 | 一种三维人体动作重建系统、方法和动作训练系统 |
CN110569775A (zh) * | 2019-08-30 | 2019-12-13 | 武汉纺织大学 | 一种识别人体姿势的方法、系统、存储介质及电子设备 |
CN110969114A (zh) * | 2019-11-28 | 2020-04-07 | 四川省骨科医院 | 一种人体动作功能检测系统、检测方法及检测仪 |
WO2020107833A1 (zh) * | 2018-11-26 | 2020-06-04 | 平安科技(深圳)有限公司 | 基于骨架的行为检测方法、终端设备及计算机存储介质 |
CN111291687A (zh) * | 2020-02-11 | 2020-06-16 | 青岛联合创智科技有限公司 | 一种3d人体动作标准性判识的方法 |
CN111297371A (zh) * | 2020-03-24 | 2020-06-19 | 成都翡铭科技有限公司 | 监测人体正立位姿态的检测装置及方法 |
CN111881887A (zh) * | 2020-08-21 | 2020-11-03 | 董秀园 | 基于多摄像头的运动姿态监测和指导方法及装置 |
CN111991772A (zh) * | 2020-09-08 | 2020-11-27 | 衢州职业技术学院 | 辅助上肢训练的装置及系统 |
CN112084967A (zh) * | 2020-09-12 | 2020-12-15 | 周美跃 | 基于人工智能的肢体康复训练检测方法、系统及控制设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013017425A1 (de) * | 2013-10-19 | 2015-05-07 | Drägerwerk AG & Co. KGaA | Verfahren für die Erkennung von Gesten eines menschlichen Körpers |
TW202031321A (zh) * | 2019-02-25 | 2020-09-01 | 財團法人工業技術研究院 | 游泳姿勢校正方法及系統 |
US11331006B2 (en) * | 2019-03-05 | 2022-05-17 | Physmodo, Inc. | System and method for human motion detection and tracking |
-
2020
- 2020-12-16 CN CN202011484291.8A patent/CN112435731B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104274183A (zh) * | 2013-07-01 | 2015-01-14 | 株式会社东芝 | 动作信息处理装置 |
KR20160039496A (ko) * | 2014-10-01 | 2016-04-11 | 한국전자통신연구원 | 자세 교정 장치 및 방법 |
WO2017063530A1 (zh) * | 2015-10-15 | 2017-04-20 | 阿里巴巴集团控股有限公司 | 动作信息识别方法和系统 |
CN105832343A (zh) * | 2016-05-22 | 2016-08-10 | 上海大学 | 多维视觉手功能康复定量评估系统和评估方法 |
CN106344030A (zh) * | 2016-08-30 | 2017-01-25 | 苏州品诺维新医疗科技有限公司 | 一种姿势矫正方法和装置 |
CN106821388A (zh) * | 2016-12-30 | 2017-06-13 | 上海大学 | 脑卒中病人下肢康复定量评估方法 |
CN107349570A (zh) * | 2017-06-02 | 2017-11-17 | 南京邮电大学 | 基于Kinect的上肢康复训练与评估方法 |
CN107422852A (zh) * | 2017-06-27 | 2017-12-01 | 掣京机器人科技(上海)有限公司 | 手功能康复训练评估方法和系统 |
CN107609523A (zh) * | 2017-09-19 | 2018-01-19 | 东华大学 | 基于Python的步态周期及三维肢体活动角度算法 |
CN108096788A (zh) * | 2018-01-31 | 2018-06-01 | 江苏承康医用设备有限公司 | 基于kinect的游戏下肢康复训练系统 |
CN108597578A (zh) * | 2018-04-27 | 2018-09-28 | 广东省智能制造研究所 | 一种基于二维骨架序列的人体运动评估方法 |
WO2020107833A1 (zh) * | 2018-11-26 | 2020-06-04 | 平安科技(深圳)有限公司 | 基于骨架的行为检测方法、终端设备及计算机存储介质 |
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 |
CN110569775A (zh) * | 2019-08-30 | 2019-12-13 | 武汉纺织大学 | 一种识别人体姿势的方法、系统、存储介质及电子设备 |
CN110544301A (zh) * | 2019-09-06 | 2019-12-06 | 广东工业大学 | 一种三维人体动作重建系统、方法和动作训练系统 |
CN110969114A (zh) * | 2019-11-28 | 2020-04-07 | 四川省骨科医院 | 一种人体动作功能检测系统、检测方法及检测仪 |
CN111291687A (zh) * | 2020-02-11 | 2020-06-16 | 青岛联合创智科技有限公司 | 一种3d人体动作标准性判识的方法 |
CN111297371A (zh) * | 2020-03-24 | 2020-06-19 | 成都翡铭科技有限公司 | 监测人体正立位姿态的检测装置及方法 |
CN111881887A (zh) * | 2020-08-21 | 2020-11-03 | 董秀园 | 基于多摄像头的运动姿态监测和指导方法及装置 |
CN111991772A (zh) * | 2020-09-08 | 2020-11-27 | 衢州职业技术学院 | 辅助上肢训练的装置及系统 |
CN112084967A (zh) * | 2020-09-12 | 2020-12-15 | 周美跃 | 基于人工智能的肢体康复训练检测方法、系统及控制设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112435731A (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112435731B (zh) | 一种判断实时姿势是否满足预设规则的方法 | |
CN110969114B (zh) | 一种人体动作功能检测系统、检测方法及检测仪 | |
CN112069933A (zh) | 基于体态识别和人体生物力学的骨骼肌肉受力估计方法 | |
JP7015152B2 (ja) | キーポイントデータに関する加工装置、方法及びプログラム | |
CN109919141A (zh) | 一种基于骨架姿态的行人再识别方法 | |
Anilkumar et al. | Pose estimated yoga monitoring system | |
Fieraru et al. | Learning complex 3D human self-contact | |
Goffredo et al. | Markerless human motion analysis in Gauss–Laguerre transform domain: An application to sit-to-stand in young and elderly people | |
Thang et al. | Estimation of 3-D human body posture via co-registration of 3-D human model and sequential stereo information | |
Bumacod et al. | Image-processing-based digital goniometer using OpenCV | |
Vox et al. | Preprocessing and normalization of 3d-skeleton-data for human motion recognition | |
He et al. | A new Kinect-based posture recognition method in physical sports training based on urban data | |
Wei et al. | Real-time limb motion tracking with a single imu sensor for physical therapy exercises | |
CN110163113B (zh) | 一种人体行为相似度计算方法及装置 | |
Cao et al. | Human posture recognition using skeleton and depth information | |
CN112990089A (zh) | 一种判断人体运动姿态的方法 | |
Sosa et al. | Improved front-view tracking of human skeleton from Kinect data for rehabilitation support in Multiple Sclerosis | |
CN110175629B (zh) | 一种人体动作相似度计算方法及装置 | |
Chinnaiah et al. | A new deliberation of embedded based assistive system for Yoga | |
Zhao et al. | Research on skeleton data compensation of gymnastics based on dynamic and static two-dimensional regression using Kinect | |
Wu et al. | Explore on Doctor's Head Orientation Tracking for Patient's Body Surface Projection Under Complex Illumination Conditions | |
Shao et al. | Facial augmented reality based on hierarchical optimization of similarity aspect graph | |
Xing et al. | Markerless motion capture of human body using PSO with single depth camera | |
Osawa et al. | Telerehabilitation System Based on OpenPose and 3D Reconstruction with Monocular Camera | |
Liu et al. | Robust Motion Pose Capture Method of Aerobics Based on Visual Simulation Imaging |
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 |