CN112571426B - 3d体态检测分析系统及方法 - Google Patents

Abstract

本发明涉及体态分析技术领域，具体为3D体态检测分析系统及方法，该系统包括采集机器人、中心控制器、输入装置以及显示器，中心控制器与采集机器人以及显示器均数据连接；采集机器人用于采集用户行走体态数据；中心控制器包括：用户行走路线获取模块，用于获取输入装置输入的用户行走路线；机器人控制模块，用于根据用户行走路线控制采集机器人的位置和方向；体态分析模块，用于根据采集机器人采集的用户行走体态数据对用户体态进行分析并生成体态分析结果。本申请的3D体态检测分析系统及方法，能够通过设置采集机器人，可以灵活的对用户体态进行多角度、全方位的采集，可以提高设备部署的灵活度，提高分析结果的准确度，降低部署成本。

Description

3D体态检测分析系统及方法

技术领域

本发明涉及体态分析技术领域，具体为一种3D体态检测分析系统及方法。

背景技术

人体体态可以反应人体的健康状况，对人体体态的分析可以判断人体各部分肌肉、关节等的健康状态或康复情况，为康复诊疗、运动健身、效果评定、辅具选择等提供依据。

步态分析是人体体态分析中最常见的一种分析方式，通过现代测量技术对人类行走时身体各部分，特别是下肢的运动和受力情况进行动态的量化分析，步态分析可用于一般正常人的行进间步态周期的动作解析，更常见于临床上对步行功能进行系统评价的有效手段，是康复评定的重要组成部分(如中风后指导康复治疗和康复评估)。

传统的步态分析由医务人员通过目测的方法观察病人的行走过程，然后根据所得印象或按照一定观察项目逐项评价的结果，凭借其丰富的临床经验得出初步分析结论。但这种方法只能定性，不能定量。随着科技的发展，目前越来越多的步态分析借助辅助设备进行记录和分析，现有的一些方式是通过设置跑步机和摄像机，让用户在跑步机上行走，由摄像机进行体态数据的采集。这种方式对摄像头的数量、拍摄质量、分辨率均有较高要求，存在成本高、数据处理量大、检测不准确等问题。

发明内容

本发明意在提供一种3D体态检测分析系统及方法，通过设置采集机器人，可以灵活的对用户体态进行多角度、全方位的采集，可以提高设备部署的灵活度，提高分析结果的准确度，降低部署成本。

本申请提供如下技术方案：

3D体态检测分析系统，包括采集机器人、中心控制器、输入装置以及显示器，所述中心控制器与采集机器人以及显示器均数据连接；

所述采集机器人用于采集用户行走体态数据；

所述中心控制器包括：

用户行走路线获取模块，用于获取输入装置输入的用户行走路线；

机器人控制模块，用于根据用户行走路线控制采集机器人的位置和方向；

体态分析模块，用于根据采集机器人采集的用户行走体态数据对用户体态进行分析；

所述体态分析模块包括骨骼追踪模块，用于根据采集机器人采集的用户行走体态数据识别人体骨骼数据并根据人体骨骼数据构建人体3D体态数据；

所述显示器用于显示人体3D体态数据。

进一步，所述中心控制器还包括：

场景扫描模块，用于检测当前场景的环境数据；

场景构建模块，用于根据环境数据构建检测场景；所述显示器还用于显示检测场景；

路径规划模块，用于根据环境数据以及用户行走路线，规划采集机器人的行走路径以及采集方向。

进一步，所述场景扫描模块包括测距模块，所述环境数据包括场景尺寸，所述测距模块用于检测当前场景的场景尺寸。

进一步，所述采集机器人至少设有三个。

进一步，所述采集机器人包括行走机构、驱动机构以及采集机构，所述驱动机构用于驱动行走机构行走，所述采集机构包括云台，所述驱动结构还用于驱动云台调节方向，所述云台上设有3D结构光摄像头。

进一步，所述输入装置为键盘、鼠标、触摸屏中的一种或多种。

进一步，本申请还公开了一种3D体态检测分析方法，使用了上述的3D体态检测分析系统。

进一步，包括以下步骤：

S100：扫描当前场景的环境数据并根据环境数据构建检测场景；

S200：获取用户行走路线；

S300：根据检测场景以及用户行走路线规划采集机器人的行走路径以及采集方向；

S400：采集机器人根据规划出的行走路径以及采集方向调节自身位置以及采集方向并采集用户行走体态信息；

S500：根据用户行走体态数据对用户体态进行分析，生成分析结果。

进一步，所述S500包括：

S501：根据采集机器人采集的用户行走体态数据识别人体骨骼数据；

S502：并根据人体骨骼数据构建人体3D体态；

S503：根据人体3D体态生成体态分析结果。

本发明技术方案的有益效果为：

本发明技术方案中，通过设置采集机器人，基于场景以及用户行走线路生成并控制采集机器人的位置和角度，可以使得采集机器人对用户体态进行多角度、全方位的采集，采用3D结构光摄像头，相比仅使用摄像头，可以获取到深度信息，进而提供更加准确的检测数据，基于骨骼跟踪技术构建人体3D体态数据，既可以提高设备部署的灵活度，降低部署成本，又可以提高分析结果的准确度。

附图说明

图1为本申请3D体态检测分析系统实施例一中的逻辑框图。

具体实施方式

下面通过具体实施方式对本申请技术方案进行进一步详细说明：

实施例一

如图1所示，本实施例公开的一种3D体态检测分析系统，包括采集机器人、中心控制器、输入装置以及显示器，中心控制器与采集机器人以及显示器均数据连接；

采集机器人用于采集用户行走体态数据；采集机器人包括行走机构、驱动机构以及采集机构，驱动机构用于驱动行走机构行走，采集机构包括云台，驱动结构还用于驱动云台调节方向，云台上设有3D结构光摄像头，本实施例中，行走机构包括四个行走轮，驱动结构包括行走驱动电机和舵机，所述行走驱动电机用于驱动行走轮行走，所述舵机用于调整前轮的方向，驱动结构还包括云台电机，云台电机包括X方向电机和Y方向电机，用于在两个维度上调节3D结构光摄像头的采集方向。采集机器人设置多个，本实施例中，采集机器人共设置三个。

中心控制器包括：

用户行走路线获取模块，用于获取输入装置输入的用户行走路线；输入装置为键盘、鼠标、触摸屏中的一种或多种。

场景扫描模块，用于检测当前场景的环境数据；本实施例中，场景扫描模块包括测距模块，环境数据包括场景尺寸和场景内障碍物数据，测距模块用于检测当前场景的场景尺寸和障碍物，测距模块可以采用激光传感器、超声波传感器等。

场景构建模块，用于根据环境数据构建检测场景；显示器用于显示检测场景；本实施例中，输入装置为触摸屏，通过触摸屏直接在场景上画出用户的行走路线，操作简单。

路径规划模块，用于根据环境数据以及用户行走路线，规划采集机器人的行走路径以及采集方向。本实施例中，路径规划时，首先根据场景尺寸和场景内障碍物的数据，将采集机器人分成两组，分别位于用户行走路线的两侧，然后为每个机器人划分拍摄角度范围，根据拍摄角度范围判断机器人的位置以及方向是否需要调整，进而确定每个机器人在实际采集过程中位置点的变化，形成采集机器人的行走路径，本实施例中，主要将采集机器人设置在行走路线的两侧，根据用户行走速度，三个采集机器人将360度分成三份，分别负责120度内的体态数据采集，为了保持各自120度范围内的视野，随着用户的移动，需要对采集机器人的位置进行调整，即可根据预估的用户的位置来预估机器人的位置和方向，进而规划出机器人的行走路径。

机器人控制模块，用于根据用户行走路线控制采集机器人的位置和方向。

体态分析模块，用于根据采集机器人采集的用户行走体态数据对用户体态进行分析；体态分析模块包括骨骼追踪模块和数据分析模块，用于根据采集机器人采集的用户行走体态数据识别人体骨骼数据并根据人体骨骼数据构建人体3D体态数据；具体的，本实施例中，采用基于kinect的骨骼追踪技术进行人体骨骼识别和人体3D体态数据构建。

数据分析模块用于根据人体3D体态数据生成体态分析结果；本实施例中，数据分析模块包括特征提取模块和基于AI的体态分析模型，特征提取模块用于根据人体3D体态数据提取分析特征，分析特征包括步频、抬腿高度、头侧倾角度等，体态分析模型按照分析对象划分为多种类型，如颈椎分析模型、腰椎分析模型、盆骨分析模型、腿型分析模型等，分别用于对用户颈椎、腰椎、盆骨、腿型等进行分析，本实施例中，体态分析模型基于BP神经网络分析模型，包括输入层、隐层和输出层，本实施例中，以用户基础数据、用户日常症状以及用户的分析特征作为输入层的输入，而输出是对应的数据的预测；本实施例使用了以下公式来确定隐层节点的数量：

其中l为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数。BP神经网络通常采用Sigmoid可微函数和线性函数作为网络的激励函数。本实施例中，采用tansig函数作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数，采用已有的数据作为样本对进行训练。

显示器还用于显示人体3D体态数据以及体态分析结果。

本申请还公开了一种3D体态检测分析方法，使用了上述的3D体态检测分析系统。

包括以下步骤：

S100：扫描当前场景的环境数据并根据环境数据构建检测场景；

S200：获取用户行走路线；

S300：根据检测场景以及用户行走路线规划采集机器人的行走路径以及采集方向；

S400：采集机器人根据规划出的行走路径以及采集方向调节自身位置以及采集方向并采集用户行走体态信息；

S500：根据用户行走体态数据对用户体态进行分析，生成分析结果。

S500包括：

S501：根据采集机器人采集的用户行走体态数据识别人体骨骼数据；

S502：并根据人体骨骼数据构建人体3D体态；

S503：根据人体3D体态生成体态分析结果。

实施例二

本实施例与实施例一的区别在于，本实施例中，数据分析模块还包括时间分析模块、原因分析模块以及调整建议模块，还包括用户终端，所述用户终端与中心控制器网络连接，用户终端用于上传历史影像资料数据至中心控制器，所述时间分析模块包括程度分析模块、影像分析模块以及综合分析模块，所述影像分析模块用于对用户上传的历史影像资料数据中的照片、视频进行图像分析，获取其中用户的体态情况，判断用户在各个时期照片或视频中的体态是否有问题，得到用户产生体态问题的时间，程度分析模块用于根据数据分析模块分析出的用户体态问题的严重程度推算用户产生体态问题的时间，所述综合分析模块用于根据程度分析模块和影像分析模块的分析结果生成用户产生体态问题的时间。所述原因分析模块用于根据用户体态问题获取体态问题产生的原因列表，并结合用户产生体态问题的时间以及对应的历史影像资料数据，从原因列表中选择与用户情况最接近的原因。所述调整建议模块用于根据用户的体态问题以及对应的原因生成改善建议。

还包括二次采集模块，所述二次采集模块用于根据用户位置，让路径规划模块规划采集机器人至用户位置的路径，二次采集模块用于提醒用户执行指定动作或改善建议并控制采集机器人对用户进行影像采集，二次采集模块还用于根据采集结果对原因和改善建议进行验证。并根据验证结果调整改善建议。由于同一种体态问题可能会对于多种原因，而且不同人员的体质不同，通用的改善建议并非适合每个人。通过本实施例的技术方案，可以在发现用户体态问题的基础上，判断用户产生体态问题的时间，进而找出用户产生体态问题的原因，可以根据原因提成针对性的改善建议，并通过再次控制采集机器人进行二次影像资料采集来验证改善建议的有效性，可以确保改善建议适用于当前用户。

以上的仅是本发明的实施例，该发明不限于此实施案例涉及的领域，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (9)

1.3D体态检测分析系统，其特征在于：包括：

采集机器人、中心控制器、输入装置以及显示器，所述中心控制器与采集机器人以及显示器均数据连接；

所述采集机器人用于采集用户行走体态数据；

所述中心控制器包括：

用户行走路线获取模块，用于获取输入装置输入的用户行走路线；

机器人控制模块，用于根据用户行走路线控制采集机器人的位置和方向；

体态分析模块，基于BP神经网络分析模型，用于根据采集机器人采集的用户行走体态数据对用户体态进行分析；

所述体态分析模块包括骨骼追踪模块和数据分析模块，用于根据采集机器人采集的用户行走体态数据识别人体骨骼数据并根据人体骨骼数据构建人体3D体态数据；所述数据分析模块，用于根据人体3D体态数据生成体态分析结果；

所述数据分析模块还包括时间分析模块、原因分析模块以及调整建议模块，所述时间分析模块用于生成用户产生体态问题的时间；所述原因分析模块用于根据用户体态问题得出与用户情况最接近的原因；所述调整建议模块用于根据用户的体态问题以及对应的原因生成改善建议；

所述数据分析模块还包括二次采集模块，所述二次采集模块用于根据用户位置，让路径规划模块规划采集机器人至用户位置的路径，二次采集模块用于提醒用户执行指定动作或改善建议并控制采集机器人对用户进行影像采集，二次采集模块还用于根据采集结果对原因和改善建议进行验证；

所述显示器用于显示人体3D体态数据以及分析结果报告。

2.根据权利要求1所述的3D体态检测分析系统，其特征在于：所述中心控制器还包括：

场景扫描模块，用于检测当前场景的环境数据；

场景构建模块，用于根据环境数据构建检测场景；所述显示器还用于显示检测场景；

路径规划模块，用于根据环境数据以及用户行走路线，规划采集机器人的行走路径以及采集方向。

3.根据权利要求2所述的3D体态检测分析系统，其特征在于：所述场景扫描模块包括测距模块，所述环境数据包括场景尺寸，所述测距模块用于检测当前场景的场景尺寸。

4.根据权利要求3所述的3D体态检测分析系统，其特征在于：所述采集机器人至少设有三个。

5.根据权利要求4所述的3D体态检测分析系统，其特征在于：所述采集机器人包括行走机构、驱动机构以及采集机构，所述驱动机构用于驱动行走机构行走，所述采集机构包括云台，所述驱动结构还用于驱动云台调节方向，所述云台上设有3D结构光摄像头。

6.根据权利要求5所述的3D体态检测分析系统，其特征在于：所述输入装置为键盘、鼠标、触摸屏中的一种或多种。

7.3D体态检测分析方法，其特征在于：使用了如权利要求1-6中任一项所述的3D体态检测分析系统。

8.根据权利要求7所述的3D体态检测分析方法，其特征在于：包括以下步骤：

S100：扫描当前场景的环境数据并根据环境数据构建检测场景；

S200：获取用户行走路线；

S300：根据检测场景以及用户行走路线规划采集机器人的行走路径以及采集方向；

S400：采集机器人根据规划出的行走路径以及采集方向调节自身位置以及采集方向并采集用户行走体态信息；

S500：根据用户行走体态数据对用户体态进行分析，生成分析结果。

9.根据权利要求8所述的3D体态检测分析方法，其特征在于：所述S500包括：

S501：根据采集机器人采集的用户行走体态数据识别人体骨骼数据；

S502：并根据人体骨骼数据构建人体3D体态；

S503：根据人体3D体态生成体态分析结果。

Images