CN113017571A - 基于图像识别与平衡木测试的平衡能力评价方法及系统 - Google Patents

Abstract

本发明公开了一种基于图像识别与平衡木测试的平衡能力评价方法，包括：获取平衡木测试时被测试者的视频影像数据；逐帧识别所述视频影像数据，得到被测试者在每一帧图像的重心坐标；根据被测试者在每一帧图像的重心坐标评价被测试者的平衡能力。本发明还公开了一种基于图像识别与平衡木测试的平衡能力评价系统。本发明通过图像识别技术获得被测试者在视频影像数据每一帧图像的重心坐标，将所有重心坐标连接得到被测试者重心的连续真实的三维空间轨迹，对真实的三维空间轨迹的计算定量评价被测试者的平衡能力，因此测试结果具有科学数据的支撑，准确性高，解决了现有技术仅根据通过平衡木的时间评价，导致平衡能力评价结果准确性不高的技术问题。

Description

基于图像识别与平衡木测试的平衡能力评价方法及系统

技术领域

本发明涉及平衡能力评价技术领域，具体涉及一种基于图像识别与平衡木测试的平衡能力评价方法及系统。

背景技术

平衡能力是人的基础动作能力，是走，跑，跳，爬的基础。平衡能力的早期开发直接影响到孩子以后的运动能力发展，它确保了人在行走或站立时不跌倒，平衡能力的强弱将直接影响人的运动能力。平衡能力不佳，会导致人坐无坐相，站无站相，走路时总是晃来晃去，稍微有些东西绊一下就会摔跤。因此，平衡能力评价十分重要。

现有的基于平衡木测试的平衡能力评价方法通常有以下2种：

1、通过人员主观评价被测试者在测试过程中的表现(晃动情况、通过平衡木时间)判定被测试者的平衡能力，此方法的测试成绩受到被测试者的主观认知影响，只能粗略定性被测试者的平衡能力；

2、CN201420528107.9-一种带检测装置的平衡木及平衡木检测装置，提供了一种带有记录被测试者通过时间、训练次数功能的平衡木，但仅通过平衡木通过时间评价被测试者的平衡能力，结果不准确。

发明内容

本发明提供一种基于图像识别与平衡木测试的平衡能力评价方法及系统，用以至少解决现有技术中平衡能力评价结果准确性不高的技术问题。

本发明通过下述技术方案实现：

第一方面，本发明提供一种基于图像识别与平衡木测试的平衡能力评价方法，包括：

获取平衡木测试时被测试者的视频影像数据；

逐帧识别所述视频影像数据，得到被测试者在每一帧图像的重心坐标；

根据被测试者在每一帧图像的重心坐标评价被测试者的平衡能力。

可选的，根据被测试者在每一帧图像的重心坐标评价被测试者的平衡能力，具体包括：

按照所属帧的先后顺序，将所有重心坐标连接得到被测试者重心的三维空间轨迹；

根据所述三维空间轨迹评价被测试者的平衡能力。

可选的，得到被测试者重心的三维空间轨迹之后，还包括：

根据所述三维空间轨迹获取被测试者重心在连续三帧图像的中间帧图像时的加速度和/或X、Y、Z轴方向的加速度以及X、Y、Z轴方向的平均加速度，并根据所述加速度和/或平均加速度评价被测试者在中间帧图像时的平衡能力。

可选的，得到被测试者重心的三维空间轨迹之后，还包括：

根据所述三维空间轨迹获取被测试者重心的空间轨迹长度和/或X、Y、Z轴方向的长度，并根据空间轨迹长度和/或X、Y、Z轴方向的长度评价被测试者的平衡能力。

可选的所述方法，还包括：

获取所述视频影像数据的总时间，

根据所述加速度和/或平均加速度、所述空间轨迹长度和/或X、Y、Z轴方向的长度和所述视频影像数据的总时间中的至少一个参数评价被测试者的平衡能力。

可选的，若所述平衡木的长度方向是曲线，则将所述曲线划分为多个直线区域，针对每一个直线区域进行平衡能力评价，再按照每段直线区域占所有直线区域的权重，将各个参数的值进行加权平均。

可选的，根据所述三维空间轨迹评价被测试者的平衡能力之前，还包括：

建立包括多个参数的平衡能力评价标准表。

可选的，被测试者的重心包括身体重心、头部重心、小臂重心、大臂重心、躯干重心、大腿重心、小腿重心中的至少一个。

第二方面，本发明还提供一种基于图像识别与平衡木测试的平衡能力评价系统，包括：

视频影像数据获取模块，用于获取平衡木测试时被测试者的视频影像数据；

数据处理模块，用于逐帧识别所述视频影像数据，得到被测试者在每一帧图像的重心坐标；

数据库模块，用于根据被测试者在每一帧图像的重心坐标评价被测试者的平衡能力。

可选的，数据处理模块还用于按照所属帧的先后顺序，将所有重心坐标连接得到被测试者重心的三维空间轨迹，

所述数据库模块还用于根据所述三维空间轨迹评价被测试者的平衡能力。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明提供的基于图像识别与平衡木测试的平衡能力评价方法及系统，通过图像识别技术获得被测试者在视频影像数据每一帧图像的重心坐标，进而将所有重心坐标连接得到被测试者重心的连续真实的三维空间轨迹，对真实的三维空间轨迹的计算定量评价被测试者的平衡能力，因此测试结果具有科学数据的支撑，准确性高，解决了现有技术仅根据通过平衡木的时间评价，导致平衡能力评价结果准确性不高的技术问题。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明实施例基于图像识别与平衡木测试的平衡能力评价方法的流程图；

图2为本发明实施例基于图像识别与平衡木测试的平衡能力评价方法另一种实施例的流程图；

图3为本发明实施例基于图像识别与平衡木测试的平衡能力评价系统的原理结构框图；

图4为本发明实施例基于图像识别与平衡木测试的平衡能力评价方法及系统的原理结构示意图；

附图中：110、视频影像数据获取模块；120、数据处理模块；130、数据库模块；140、移动终端；150、平衡木；160、中心线；170、三维空间轨迹；180、深度摄像头。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

参数定义：

L：实际进行数据分析的平衡木150的总长，通常为4M。

i：实际进行数据分析的视频影像数据中第i帧图像。

T₀：每帧图像所占的时间。

T：实际进行数据分析的视频影像数据内全部图像的总时间。

n：实际进行数据分析的视频影像数据全部图像的总帧数。

C：重心三维空间轨迹的长度。由于被测试者在通过平衡木150测试过程中，平衡能力越差，则在各方向的晃动越大。故C的值可作为整体评估被测试者平衡能力的值，值越大测试平衡能力越差。

Cx：重心在X轴上轨迹的长度。由于被测试者在测试过程中，平衡能力越差，则在X轴方向的晃动越大。故Cx的值可作为X轴方向评估被测试者平衡能力的值，值越大测试平衡能力越差。

Cy：重心在Y轴上轨迹的长度。(同X轴方向原理)

Cz：重心在Z轴上轨迹的长度。(同X轴方向原理)

ax：重心在X轴上的加速度。在测试过程中，无外力对被测试者的干扰，故被测试者调整肢体动作抵抗重心变化所产生的加速度，可用于评估被测试者的平衡能力，在X轴方向的加速度越小，说明被测试者在测试过程中越稳定，即平衡能力越好。

ay：重心在Y轴上的加速度。(同X轴方向原理)

az：重心在Z轴上的加速度。(同X轴方向原理)

Sax：重心在X轴上的加速度分布函数与X轴围成的面积值。在X轴方向的面积值越小，说明被测试者在测试过程中越稳定，即平衡能力越好。

Say：重心在Y轴上的加速度分布函数与Y轴围成的面积值。

Saz：重心在Z轴上的加速度分布函数与Z轴围成的面积值。

G：整体平衡能力得分。

Gai：第i帧时平衡能力得分。

Gaxi：第i帧时重心加速度X轴平衡能力得分。

Gayi：第i帧时重心加速度Y轴平衡能力得分。

Gazi：第i帧时重心加速度Z轴平衡能力得分。

Gc：重心三维空间轨迹平衡能力得分。

Gcx：重心三维空间轨迹X轴平衡能力得分。

Gcy：重心三维空间轨迹Y轴平衡能力得分。

Gcz：重心三维空间轨迹Z轴平衡能力得分。

Gsax：重心加速度X轴平衡能力得分。

Gsay：重心加速度Y轴平衡能力得分。

Gsaz：重心加速度Z轴平衡能力得分。

Gt：测试时间平衡能力得分。

本发明实施例提供一种基于图像识别与平衡木150测试的平衡能力评价方法，如图1和4所示，包括以下具体步骤：

步骤S101，获取平衡木150测试时被测试者的视频影像数据；

步骤S102，逐帧识别所述视频影像数据，得到被测试者在每一帧图像的重心坐标；

步骤S103，根据被测试者在每一帧图像的重心坐标评价被测试者的平衡能力。

本发明实施例根据被测试者在每一帧图像的重心坐标评价被测试者的平衡能力，可以通过分析每一帧图像的重心坐标，进而通过分析结果评价被测试者的平衡能力。具体的，重心坐标可以包括X、Y、Z轴的数值，如果每相邻两帧图像的X轴/Y轴/Z轴数值差变化量较小，那被测试者的平衡能力应该处于较好的水平；如果每相邻两帧图像的X轴/Y轴/Z轴数值差变化量较大，那被测试者的平衡能力应该处于较差的水平。

例如，在第1-10帧，X轴数值分别是0.1、0.2、0.3、0.45、0.59、0.75、0.9、1.01、1.15和1.28米，那这10帧中，每相邻两帧图像的X轴数值差变化量分别是0.1、0.1、0.15、0.14、0.16、0.15、0.11、0.14和0.13米，变化量较小，那被测试者的平衡能力应该处于较好的水平；

在第11-20帧，X轴数值分别是0.1、0.2、0.45、0.59、0.9、0.95、0.99、1.11、1.35和1.55米，那这10帧中，每相邻两帧图像的X轴数值差变化量分别是0.1、0.25、014.、0.31、0.05、0.04、0.12、0.24和0.2米，变化量较大，那被测试者的平衡能力应该处于较差的水平。

由于评价依据是真实的重心坐标，因此测试结果具有科学数据的支撑，准确性较高，解决了现有技术仅根据通过平衡木150的时间评价，导致平衡能力评价结果准确性不高的技术问题。

在具体的实施过程中，平衡木150长度需要大于5M，可以使用深度摄像头180获取被测试者在平衡木150上测试时的视频影像数据，以保证可以逐帧识别所述视频影像数据，得到被测试者在每一帧图像的重心坐标。

如图2所示，步骤S103具体包括：

按照所属帧的先后顺序，将所有重心坐标连接得到被测试者重心的三维空间轨迹170；

根据所述三维空间轨迹170评价被测试者的平衡能力。

本发明实施例将所有重心坐标连接得到被测试者重心的三维空间轨迹170，通过三维空间轨迹170可以直观的看出被测试者平衡能力的水平。轨迹可以是曲线或折线。

另外，也可以通过三维空间轨迹170数据计算分析得到一些与平衡能力相关的参数，通过计算分析结果评价被测试者的平衡能力。与平衡能力相关的参数可以包括C、Cx、Cy、Cz、ax、ay、az、Sax、Say、Saz、T、G、Gai、Gaxi、Gayi、Gazi、Gc、Gcx、Gcy、Gcz、Gsax、Gsay、Gsaz、Gt中的至少一个。参数C、Cx、Cy、Cz、ax、ay、az、Sax、Say、Saz、T的值越大，平衡能力相对较差；值越小，平衡能力相对较好。G、Gai、Gaxi、Gayi、Gazi、Gc、Gcx、Gcy、Gcz、Gsax、Gsay、Gsaz、Gt的值越大，平衡能力相对较好；值越小，平衡能力相对较差。

由于是对真实的三维空间轨迹170进行计算定量评价被测试者的平衡能力，因此测试结果具有科学数据的支撑，准确性高，解决了现有技术仅根据通过平衡木150的时间评价，导致平衡能力评价结果准确性不高的技术问题。

作为具体实施例，得到被测试者重心的三维空间轨迹170之后，还包括：

根据所述三维空间轨迹170获取被测试者重心在连续三帧图像的中间帧图像时的加速度和/或X、Y、Z轴方向的加速度以及X、Y、Z轴方向的平均加速度，并根据所述加速度和/或平均加速度评价被测试者在中间帧图像时的平衡能力。

具体的，加速度和/或平均加速度越大，平衡能力相对较差；加速度和/或平均加速度越小，平衡能力相对较好。

作为具体实施例，得到被测试者重心的三维空间轨迹170之后，还包括：

根据所述三维空间轨迹170获取被测试者重心的空间轨迹长度和/或X、Y、Z轴方向的长度，并根据空间轨迹长度和/或X、Y、Z轴方向的长度评价被测试者的平衡能力。

具体的，空间轨迹长度和/或X、Y、Z轴方向的长度越大，平衡能力相对较差；空间轨迹长度和/或X、Y、Z轴方向的长度越小，平衡能力相对较好。

作为具体实施例，所述方法还包括：

获取所述视频影像数据的总时间，

根据所述加速度和/或平均加速度、所述空间轨迹长度和/或X、Y、Z轴方向的长度和所述视频影像数据的总时间中的至少一个参数评价被测试者的平衡能力。

作为具体实施例，若所述平衡木150的长度方向是曲线，则将所述曲线划分为多个直线区域，针对每一个直线区域进行平衡能力评价，再按照每段直线区域占所有直线区域的权重，将各个参数的值进行加权平均。

本发明实施例所述的曲线是与实际进行数据分析的视频影像数据对应的曲线。具体的，如果曲线划分为3个直线区域，3个直线区域的长度分别占比25％、25％和50％，以整体平衡能力得分G为例，3个直线区域的得分分别为70、80和60，那被测试者最终整体平衡能力得分G＝70*25％+80*25％+60*50％＝67.5。

作为具体实施例，根据所述三维空间轨迹170评价被测试者的平衡能力之前，还包括：

建立包括多个参数的平衡能力评价标准表。

所述平衡能力评价标准表包括了多个参数，每个参数对应多个范围，每个范围对应的分值不同。

作为具体实施例，被测试者的重心包括身体重心、头部重心、小臂重心、大臂重心、躯干重心、大腿重心、小腿重心中的至少一个。

本发明实施例用于研究被测试者平衡能力与其肢体动作之间的内在联系。具体的，针对身体重心和大臂重心，可以逐帧识别所述视频影像数据，得到被测试者在每一帧图像的身体重心坐标和大臂重心坐标，根据被测试者在每一帧图像的身体重心坐标和大臂重心坐标评价被测试者的平衡能力，也可以按照所属帧的先后顺序，将所有身体重心坐标连接得到被测试者身体重心的三维空间轨迹170，将所有大臂重心坐标连接得到被测试者大臂重心的三维空间轨迹170，再根据身体重心的三维空间轨迹170和大臂重心的三维空间轨迹170评价被测试者的平衡能力。同时，身体重心坐标、大臂重心坐标、身体重心的三维空间轨迹170和大臂重心的三维空间轨迹170可以用于研究被测试者身体平衡能力与大臂动作之间的内在联系。

如图3和4所示，本发明实施例还提供一种基于图像识别与平衡木150测试的平衡能力评价系统，包括：

视频影像数据获取模块110，用于获取平衡木150测试时被测试者的视频影像数据；

数据处理模块120，用于逐帧识别所述视频影像数据，得到被测试者在每一帧图像的重心坐标；

数据库模块130，用于根据被测试者在每一帧图像的重心坐标评价被测试者的平衡能力。

如图4所示，数据处理模块120还用于按照所属帧的先后顺序，将所有重心坐标连接得到被测试者重心的三维空间轨迹170，

所述数据库模块130还用于根据所述三维空间轨迹170评价被测试者的平衡能力。

在本发明具体的实施过程中，数据处理模块120可以针对获取的视频影像数据进行人脸识别，识别被测试者，将被测试者的数据进行归类处理。

数据处理模块120可以识别有效数据区域，有效数据区域与实际进行数据分析的视频影像数据对应。在测试过程中，被测试者先进行人脸识别，后进行平衡木150测试，并定义测试开始与结束信号，如：被测试者在平衡木150上时单手竖直举手定义为测试开始，在完成平衡木150测试后双手竖直举手定义为测试结束，有效图像数据区域为所定义的开始至结束区域。

数据处理模块120可以针对获取的视频影像数据进行数据去除处理。在平衡木150测试开始与结束时，被测试者会产生身体启动与暂停相关数据，故在识别所述视频影像数据之前，去除开始与结束两端各占全部数据的5％的数据，避免开始与结束阶段的数据干扰，并选取位于中间固定长度的数据进行分析，具体中间固定长度L可选择为4M。

数据处理模块120可以用于建立坐标系。

定义三维空间坐标系X轴方向：以被测试者前进的方向定义为X轴方向。当平衡木150为直线型时，进一步的可定义为平衡木150上表面延长边的中心线160方向定义为X轴正方向；当平衡木150为曲线型时，可将曲线部分划分为，首尾相连连续的直线区域，以直线方式逐一进行评估，最后按照每段直线区域占全体区域的权重，将各个参数结果进行加权平均。

定义三维空间坐标系Y、Z轴方向：在X轴方向基础上以正交坐标系的方向定义Y、Z轴正方向，并保证XOY坐标系所在平面平行于平衡木150上表面。

定义原点：检测人体双手竖直向下贴合身体静止站立时，重心到被测试者脚底即到平衡木150上表面的高度H，平衡木150上表面的起始端端点定义为原点。

数据处理模块120可以用于绘制被测试者重心的三维空间轨迹170。逐帧识别有效区域内保留的身体重心位置坐标(X_i，Y_i，Z_i)(i＝0、1、2、3…n n＝T/T₀)，将全体重心坐标点在总时间T内按照时间先后顺序进行接绘制出身体重心的三维空间轨迹170。进一步的可将重心分解为各个肢体重心，如：分解为头部重心、小臂重心、大臂重心、躯干重心、大腿重心、小腿重心。可分别计算各重心的数据变化与身体重心数据变化之间的关系。下文仅以身体重心的计算评价进行说明，各个肢体重心计算评价同理。

数据处理模块120可以用于参数计算。得到三维空间轨迹170后，根据连续三帧图像之间在各轴的间距差，计算中间帧的加速度。例如，在X轴方向第i-1帧与第i帧之间间距L_xi-1＝X_i-X_i-1，第i+1帧与第i帧之间间距L_xi＝X_i+1-X_i，及每帧图像所需的固定时间T₀，根据公式

L_xi-L_xi-1＝ax_i*T₀ ²

可计算出第i-1帧到第i+1帧之间重心的加速度，将之定义为第i帧图像时重心的加速度。根据以上方法计算出每一帧重心在各轴上的加速度axi、ayi、azi，并绘制出随时间的变换图。可以分别得到加速度在各轴上随图像帧数的分布函数

ax＝axi(i＝0、1、2、3…)

ay＝ayi(i＝0、1、2、3…)

az＝azi(i＝0、1、2、3…)

根据公式：

可计算出在时间T内，可计算出分布函数ax、ay、az与轴所围成的面积。

得到空间曲线后，可计算重心的空间轨迹的长度C、在X、Y、Z轴方向的长度Cx、Cy、Cz，计算公式如下：

数据处理模块120可以将绘制的被测试者重心的三维空间轨迹170和参数计算结果上传至数据库模块130。

数据库模块130可以用于被测试者的数据存储、评价标准的建立与判定、下发测试及评价结果至数据处理模块120，数据处理模块120存储电子档结果，并可通过网络发送至被测试者的移动终端140。输出结果包含：三维空间轨迹170图、重心各方向加速度随帧数变换图、C值、Cx值、Cy值、Cz值、Sax值、Say值、Saz值、T值、T₀值、L值与标准值。

在建立初期，通过采集平衡能力优秀人员数据，建立一个能力优秀标准。测试100组平衡能力优秀的人员平衡木150测试数据，以各项数据的平均值作为标准值。标准参数值包含：

C`、Cx`、Cy`、Cz`、Sax`、Say`、Saz`、T`、ax`(平均值)、ay`(平均值)、az`(平均值)。

通过每帧的的加速度：评判当下帧数时间内的身体平衡能力。以标准值作为评估标准，三个方向的轴向加速度均以100分制进行评分，以Ga的0～100区分为10个等级(计算值小于0，则按照0分计算)：

通过数据C、Cx、Cy、Cz、Sax、Say、Saz、T评估整体的平衡能力，以标准值作为评估标准，均以100分制进行评分，以G的0～100区分为10个等级(计算值小于0，则按照0分计算)：

G＝(Gc+G_Cx+G_Cy+G_Cz+G_Sax+G_Say+G_Saz+G_T)/8

当数据库储存到一定数量级数据后，选取人员平衡木150测试排名前5％的数据，以各项数据的平均值作为标准值，更新评估标准值。以Ga评判当下帧数时间内的身体平衡能力，以G评判当测试的平衡能力。

本领域普通技术人员可以理解实现上述事实和方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，涉及的程序或者所述的程序可以存储于一计算机所可读取存储介质中，该程序在执行时，包括如下步骤：此时引出相应的方法步骤，所述的存储介质可以是ROM/RAM、磁碟、光盘等等

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于图像识别与平衡木测试的平衡能力评价方法，其特征在于，包括：

获取平衡木测试时被测试者的视频影像数据；

逐帧识别所述视频影像数据，得到被测试者在每一帧图像的重心坐标；

根据被测试者在每一帧图像的重心坐标评价被测试者的平衡能力。

2.根据权利要求1所述的方法，其特征在于，根据被测试者在每一帧图像的重心坐标评价被测试者的平衡能力，具体包括：

按照所属帧的先后顺序，将所有重心坐标连接得到被测试者重心的三维空间轨迹；

根据所述三维空间轨迹评价被测试者的平衡能力。

3.根据权利要求2所述的方法，其特征在于，得到被测试者重心的三维空间轨迹之后，还包括：

根据所述三维空间轨迹获取被测试者重心在连续三帧图像的中间帧图像时的加速度和/或X、Y、Z轴方向的加速度以及X、Y、Z轴方向的平均加速度，并根据所述加速度和/或平均加速度评价被测试者在中间帧图像时的平衡能力。

4.根据权利要求3所述的方法，其特征在于，得到被测试者重心的三维空间轨迹之后，还包括：

根据所述三维空间轨迹获取被测试者重心的空间轨迹长度和/或X、Y、Z轴方向的长度，并根据空间轨迹长度和/或X、Y、Z轴方向的长度评价被测试者的平衡能力。

5.根据权利要求4所述的方法，其特征在于，还包括：

获取所述视频影像数据的总时间，

根据所述加速度和/或平均加速度、所述空间轨迹长度和/或X、Y、Z轴方向的长度和所述视频影像数据的总时间中的至少一个参数评价被测试者的平衡能力。

6.根据权利要求5所述的方法，其特征在于，若所述平衡木的长度方向是曲线，则将所述曲线划分为多个直线区域，针对每一个直线区域进行平衡能力评价，再按照每段直线区域占所有直线区域的权重，将各个参数的值进行加权平均。

7.根据权利要求2所述的方法，其特征在于，

根据所述三维空间轨迹评价被测试者的平衡能力之前，还包括：

建立包括多个参数的平衡能力评价标准表。

8.根据权利要求1所述的方法，其特征在于，被测试者的重心包括身体重心、头部重心、小臂重心、大臂重心、躯干重心、大腿重心、小腿重心中的至少一个。

9.基于图像识别与平衡木测试的平衡能力评价系统，其特征在于，包括：

视频影像数据获取模块，用于获取平衡木测试时被测试者的视频影像数据；

数据处理模块，用于逐帧识别所述视频影像数据，得到被测试者在每一帧图像的重心坐标；

数据库模块，用于根据被测试者在每一帧图像的重心坐标评价被测试者的平衡能力。

10.如权利要求1所述的系统，其特征在于，

数据处理模块还用于按照所属帧的先后顺序，将所有重心坐标连接得到被测试者重心的三维空间轨迹，

所述数据库模块还用于根据所述三维空间轨迹评价被测试者的平衡能力。

Images