CN114187992A - 基于视频ai分析老年肢体动作并自动生成检测报告的方法 - Google Patents

基于视频ai分析老年肢体动作并自动生成检测报告的方法 Download PDF

Info

Publication number
CN114187992A
CN114187992A CN202111490967.9A CN202111490967A CN114187992A CN 114187992 A CN114187992 A CN 114187992A CN 202111490967 A CN202111490967 A CN 202111490967A CN 114187992 A CN114187992 A CN 114187992A
Authority
CN
China
Prior art keywords
formula
old
angle
data
video
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
CN202111490967.9A
Other languages
English (en)
Inventor
张军
袁翔
蔡学良
周嘉衍
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.)
Fushoukang Shanghai Medical And Pension Service Co ltd
Original Assignee
Fushoukang Shanghai Medical And Pension Service 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 Fushoukang Shanghai Medical And Pension Service Co ltd filed Critical Fushoukang Shanghai Medical And Pension Service Co ltd
Priority to CN202111490967.9A priority Critical patent/CN114187992A/zh
Publication of CN114187992A publication Critical patent/CN114187992A/zh
Pending legal-status Critical Current

Links

Images

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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1101—Detecting tremor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了基于视频AI分析老年肢体动作并自动生成检测报告的方法，涉及居家养老智能体检技术领域。本发明包括：检测前步骤；按语音提示进行动作并获取录像视频数据；云端服务器根据拍摄的录像视频数据自动计算老年人的身高、体型以及拍摄的距离，并根据AI算法自动分析计算出老年人各肢体的最大角度以及最大距离，将上述数据反馈给肢体动作识别算法进行识别并分析，与对应身体参数的标准数据或评分模型进行比对，自动生成老年人机体体检报告。本发明对于老年人的身体关节弯曲、动作肢体运动的速度以及身体是否有震颤以及对应震颤幅度都能够实现精准的检测，无需他人辅助，使用灵活，且没有时间场景的限制；具有广泛的市场应用前景。

Description

基于视频AI分析老年肢体动作并自动生成检测报告的方法
技术领域
本发明属于居家养老智能体检技术领域，特别是涉及基于视频AI分析老年肢体动作并自动生成检测报告的方法。
背景技术
随着人民生活水平的提高，带来的是人们平均寿命的增长，随之带来的是人口老龄化问题和养老问题日益严峻，对应产生的居家养老和居家体检行业也迅速崛起，特别是居家体检服务行业，针对于居家老人的身体健康状况进行检测服务更是越来越便捷。对于居家老人的体检服务主要是通过医护人员上门的方式进行和实现，且其主要体检的项目包括常规的血压、血糖、血脂的检测，呼吸的检测以及身体各器官的功能性检测，由医护人员进行上门通过各种对应的体检器材进行检测实现；而对于老人手脚肢体的动作行为能力以及早期肢体行为不便的检测，则通常是通过医护人员的现实的直观判断来进行预测和判断的，并没有对应的专门的工具和设备来实现对手脚动作的直观判断来获取对应的肢体动作的效果；如CN201810205754.9，名称为一种居家养老服务系统的发明专利，其仅公开了上述对应的常规检测，并没有针对性的肢体动作行为检测；因此，针对以上问题，提供一种基于视频AI分析老年肢体动作并自动生成检测报告的方法具有重要意义。
发明内容
本发明提供了基于视频AI分析老年肢体动作并自动生成检测报告的方法，解决了以上问题。
为解决上述技术问题，本发明是通过以下技术方案实现的：
本发明的基于视频AI分析老年肢体动作并自动生成检测报告的方法，包括如下步骤：
S01、检测前步骤：打开终端，选择老年人身体机能检测，填写包括年龄、体重以及身高在内的基本信息，按照语音提示被测试者进行测试步骤；
S02、按语音提示进行动作并获取录像视频数据：被侧视老年人按照语音提示依次进行颈部动作、左右上臂动作、左右手臂动作以及左右手腕动作，并由终端上的摄像头捕捉对应动作并存储为录像视频数据；
S03、录像视频数据上传至云端服务器并进行AI算法分析：云端服务器根据拍摄的录像视频数据自动计算老年人的身高、体型以及拍摄的距离，并根据AI算法自动分析计算出老年人各肢体的最大角度以及最大距离，将上述数据反馈给肢体动作识别算法进行识别并分析，与对应身体参数的标准数据或评分模型进行比对，自动生成老年人机体体检报告，并推荐相关自行护理方案。
进一步地，所述AI算法具体是：通过捕捉被拍摄者的肢体动作及对应的肢体采样点并形成与坐标系相对应的每个采样点对应的坐标数据：
根据被拍摄的被测试老年人的体型，利用OpenPose技术是捕捉频数据中用户的动作，并按照身体关节标注成25个采样点，并给每个采样点赋于对应采样点的二维坐标数据，所述二维坐标数据具体为(Xi，Yi),为第i个采样点的坐标；身体主体的整体体型对应坐标矩阵为A25×2；
Figure BDA0003398362270000031
其中，共有25个坐标点，每个坐标点有x坐标以及y坐标，A(i)表示A矩阵的第i个采样点；
P2、计算夹角：
使用夹角公式计算两个关键夹角数据：
Figure BDA0003398362270000032
其中，u和v表示要求的两向量夹角，∣u∣和∣v∣分别表示u,v向量的模；
对于人体结构，若要计算A(i),A(j),A(m),A(n)四点之间的夹角，带入(1)式，可得到夹角θ为：
Figure BDA0003398362270000033
此时得到的θ为弧度值，为了方便理解，将其转换成角度值，转换公式如下：
Figure BDA0003398362270000034
将(2)式带入上式，得到人体夹角公式为：
Figure BDA0003398362270000041
通过上式，计算得到各部位的弯曲公式。
进一步地，所述25个采样点包括头部标记点：0、15、16、17、18；手臂标记点：5、6、7、2、3、4；躯干标记点:1、8；腿部标记点：9、10、11、22、23、24、12、13、14、19、20、21。
进一步地，对于被测试老年人的颈部弯曲，通过所述人体夹角公式获得颈部弯曲检测公式：
Figure BDA0003398362270000042
颈部弯曲角度小，说明该被检测老年人颈部向前弯曲程度越大，该公式是用于被检测老年人颈部向前、向后、向左、向右动作弯度角度的检测。
进一步地，对于所述被测试老年人的左上臂上抬角度公式为：
Figure BDA0003398362270000043
对于所述被测试老年人的右上臂上抬角度公式为：
Figure BDA0003398362270000044
进一步地，对于所述被测试老年人的左手臂弯曲角度公式为：
Figure BDA0003398362270000051
对于所述被测试老年人的左手臂弯曲角度公式为：
Figure BDA0003398362270000052
进一步地，根据所述人体夹角公式，可计算某一部位在两次时间角度变化对应的弯曲速度：
Figure BDA0003398362270000053
其中，deg1和deg2表示同一个部位在两次动作捕捉时的弯曲角度，t表示两侧动作捕捉时的时间差，F表示弯曲速率，该弯曲速度值越大，表示被测试老人的弯曲频率越快。
本发明相对于现有技术包括有以下有益效果：
本发明提供的基于视频AI分析老年肢体动作并自动生成检测报告的方法，基于终端直接对被检测老年人的肢体动作进行捕捉、识别并结合肢体弯曲角度算法获得被测试老年人肢体弯曲角度的分析结果，对于老年人的身体关节弯曲、动作肢体运动的速度以及身体是否有震颤以及对应震颤幅度都能够实现精准的检测，无需他人辅助，使用灵活，且没有时间场景的限制；具有广泛的市场应用前景。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明基于视频AI分析老年肢体动作并自动生成检测报告的方法的步骤图；
图2为本发明具体实施例中对身体关节标注成25个采样点的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-2所示，本发明的基于视频AI分析老年肢体动作并自动生成检测报告的方法，包括如下步骤：
S01、检测前步骤：打开终端，选择老年人身体机能检测，填写包括年龄、体重以及身高在内的基本信息，按照语音提示被测试者进行测试步骤；
S02、按语音提示进行动作并获取录像视频数据：被侧视老年人按照语音提示依次进行颈部动作、左右上臂动作、左右手臂动作以及左右手腕动作，并由终端上的摄像头捕捉对应动作并存储为录像视频数据；这一过程中的视频拍摄由用户自己自行于终端上进行上传，或由护理员上门拍摄视频，终端包括手机、平板电脑；
S03、录像视频数据上传至云端服务器并进行AI算法分析：云端服务器根据拍摄的录像视频数据自动计算老年人的身高、体型以及拍摄的距离，并根据AI算法自动分析计算出老年人各肢体的最大角度以及最大距离，将上述数据反馈给肢体动作识别算法进行识别并分析，与对应身体参数的标准数据或评分模型进行比对，自动生成老年人机体体检报告，并推荐相关自行护理方案。
其中，AI算法具体是：通过捕捉被拍摄者的肢体动作及对应的肢体采样点并形成与坐标系相对应的每个采样点对应的坐标数据：
根据被拍摄的被测试老年人的体型，利用OpenPose技术是捕捉频数据中用户的动作，采用每秒读取10帧的方式，并按照身体关节标注成25个采样点，并给每个采样点赋于对应采样点的二维坐标数据，所述二维坐标数据具体为(Xi，Yi),为第i个采样点的坐标；身体主体的整体体型对应坐标矩阵为A25×2；
Figure BDA0003398362270000071
其中，共有25个坐标点，每个坐标点有x坐标以及y坐标，A(i)表示A矩阵的第i个采样点；
P2、计算夹角：
使用夹角公式计算两个关键夹角数据：
Figure BDA0003398362270000072
其中，u和v表示要求的两向量夹角，∣u∣和∣v∣分别表示u,v向量的模；
对于人体结构，若要计算A(i),A(j),A(m),A(n)四点之间的夹角，带入(1)式，可得到夹角θ为：
Figure BDA0003398362270000081
此时得到的θ为弧度值，为了方便理解，将其转换成角度值，转换公式如下：
Figure BDA0003398362270000082
将(2)式带入上式，得到人体夹角公式为：
Figure BDA0003398362270000083
通过上式，计算得到各部位的弯曲公式。
其中，25个采样点包括头部标记点：0、15、16、17、18；手臂标记点：5、6、7、2、3、4；躯干标记点:1、8；腿部标记点：9、10、11、22、23、24、12、13、14、19、20、21。
其中，对于被测试老年人的颈部弯曲，通过人体夹角公式获得颈部弯曲检测公式：
Figure BDA0003398362270000091
颈部弯曲角度小，说明该被检测老年人颈部向前弯曲程度越大，该公式是用于被检测老年人颈部向前、向后、向左、向右动作弯度角度的检测；
具体是通过如下步骤：
(1)语音提示老年人头部进入合适的检测位置；
(2)语音提示老年人进行点头,抬头,左右转动,后台记录老年人动作的最大幅度；
(3)将检测的结果与后台的大数据对比分析,生成老年人颈部功能检测报告。
其中，对于被测试老年人的左上臂上抬角度公式为：
Figure BDA0003398362270000092
对于被测试老年人的右上臂上抬角度公式为：
Figure BDA0003398362270000093
具体是通过如下步骤：
(1)语音提示老年人头部进入合适的检测位置；
(2)语音提示老年人进行点头,抬头,左右转动,后台记录老年人动作的最大幅度；
(3)将检测的结果与后台的大数据对比分析,生成老年人颈部功能检测报告。
其中，对于被测试老年人的左手臂弯曲角度公式为：
Figure BDA0003398362270000101
对于被测试老年人的左手臂弯曲角度公式为：
Figure BDA0003398362270000102
具体是通过如下步骤：
(1)音提示老年人手臂进入合适的检测位置；
(2)语音提示老年人上臂不懂,下臂弯曲,到自己能够弯曲的最大程度,后台记录老年人手臂弯曲的最大角度；
(3)将检测结果与后台的大数据对比分析,生成老年人手臂功能检测报告。
对于左右手腕功能检测，具体包括如下步骤：
(1)语音提示老年人手腕进入合适的检测位置；
(2)语音提示老年人手腕前后弯曲,后台记录老年人手腕弯曲的频率和幅度；
(3)将检测结果与后台的大数据对比分析,生成老年人手腕功能检测报告。
其中，根据人体夹角公式，可计算某一部位在两次时间角度变化对应的弯曲速度：
Figure BDA0003398362270000111
其中，deg1和deg2表示同一个部位在两次动作捕捉时的弯曲角度，t表示两侧动作捕捉时的时间差，F表示弯曲速率，该弯曲速度值越大，表示被测试老人的弯曲频率越快。
其中，本技术方案采用大数据分析出先关模型及行为标准，包括是否完成某些动作、身体或关节弯曲角度标准、动作肢体运行速度标准、身体是否有震颤以及震颤幅度，并将收集到的数据与评分模型进行比对。
项目初期，收集一定数量的老粘人肢体分析结果，本具体实施例中采用100人，基于大数据分析出最终的颈部向前，向后，向左，向右转动幅度值，上臂上抬的高度值，角度值，手臂弯曲的角度值，弯曲的频率以及幅度值；只有前期数据量少，随着用户的不断增多，数据量会不断增多，对应的评分模型即对应的参考的标准范围，该标准范围会随着数据量的不断提升不断获得优化。
实际场景，当我们基于视频提取老年人左右上臂上抬的最大幅度，由于老年人身体机能下降，不可避免出现上抬过程中颤抖的情况，这样对于精确计算上抬的最大幅度就会出现一个误差问题，为了缩减这个误差，我们采用以下改进的算法来精选关键帧。
数据集A有序，
Figure BDA0003398362270000112
顺序连接A中数据点，形成一个a维空间中的曲线；计算满足一定误差的A真子集K逼近A,同时，K中的元素尽可能多的属于集合C；
Figure BDA0003398362270000113
且Fi,Fn∈C.
A用两层数据结构表示，下层为A，上层为A的真子集C,首先上层运用简单的单层曲线算法，如果结果的误差太大，则在下层使用单层曲线算法，并且把得到的结果加入到上层中，然后上层继续计算，一直递归，知道得到满足条件的集合K.
计算集合A中第i个元素到由第n1个元素和第n2个元素(n1<i<n2)连成的直线的最短距离，可以由以下公式得到。
Figure BDA0003398362270000121
有益效果：
本发明提供的基于视频AI分析老年肢体动作并自动生成检测报告的方法，基于终端直接对被检测老年人的肢体动作进行捕捉、识别并结合肢体弯曲角度算法获得被测试老年人肢体弯曲角度的分析结果，对于老年人的身体关节弯曲、动作肢体运动的速度以及身体是否有震颤以及对应震颤幅度都能够实现精准的检测，无需他人辅助，使用灵活，且没有时间场景的限制；具有广泛的市场应用前景。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.基于视频AI分析老年肢体动作并自动生成检测报告的方法，其特征在于，包括如下步骤：
S01、检测前步骤：打开终端，选择老年人身体机能检测，填写包括年龄、体重以及身高在内的基本信息，按照语音提示被测试者进行测试步骤；
S02、按语音提示进行动作并获取录像视频数据：被侧视老年人按照语音提示依次进行颈部动作、左右上臂动作、左右手臂动作以及左右手腕动作，并由终端上的摄像头捕捉对应动作并存储为录像视频数据；
S03、录像视频数据上传至云端服务器并进行AI算法分析：云端服务器根据拍摄的录像视频数据自动计算老年人的身高、体型以及拍摄的距离，并根据AI算法自动分析计算出老年人各肢体的最大角度以及最大距离，将上述数据反馈给肢体动作识别算法进行识别并分析，与对应身体参数的标准数据或评分模型进行比对，自动生成老年人机体体检报告，并推荐相关自行护理方案。
2.根据权利要求1所述的基于视频AI分析老年肢体动作并自动生成检测报告的方法，其特征在于，所述AI算法具体是：通过捕捉被拍摄者的肢体动作及对应的肢体采样点并形成与坐标系相对应的每个采样点对应的坐标数据：
根据被拍摄的被测试老年人的体型，利用OpenPose技术是捕捉频数据中用户的动作，并按照身体关节标注成25个采样点，并给每个采样点赋于对应采样点的二维坐标数据，所述二维坐标数据具体为(Xi，Yi),为第i个采样点的坐标；身体主体的整体体型对应坐标矩阵为A25×2；
Figure FDA0003398362260000021
其中，共有25个坐标点，每个坐标点有x坐标以及y坐标，A(i)表示A矩阵的第i个采样点；
P2、计算夹角：
使用夹角公式计算两个关键夹角数据：
Figure FDA0003398362260000022
其中，u和v表示要求的两向量夹角，∣u∣和∣v∣分别表示u,v向量的模；
对于人体结构，若要计算A(i),A(j),A(m),A(n)四点之间的夹角，带入(1)式，可得到夹角θ为：
Figure FDA0003398362260000023
此时得到的θ为弧度值，为了方便理解，将其转换成角度值，转换公式如下：
Figure FDA0003398362260000024
将(2)式带入上式，得到人体夹角公式为：
Figure FDA0003398362260000031
通过上式，计算得到各部位的弯曲公式。
3.根据权利要求2所述的基于视频AI分析老年肢体动作并自动生成检测报告的方法，其特征在于，所述25个采样点包括头部标记点：0、15、16、17、18；手臂标记点：5、6、7、2、3、4；躯干标记点:1、8；腿部标记点：9、10、11、22、23、24、12、13、14、19、20、21。
4.根据权利要求2所述的基于视频AI分析老年肢体动作并自动生成检测报告的方法，其特征在于，对于被测试老年人的颈部弯曲，通过所述人体夹角公式获得颈部弯曲检测公式：
Figure FDA0003398362260000032
颈部弯曲角度小，说明该被检测老年人颈部向前弯曲程度越大，该公式是用于被检测老年人颈部向前、向后、向左、向右动作弯度角度的检测。
5.根据权利要求2所述的基于视频AI分析老年肢体动作并自动生成检测报告的方法，其特征在于，对于所述被测试老年人的左上臂上抬角度公式为：
Figure FDA0003398362260000033
对于所述被测试老年人的右上臂上抬角度公式为：
Figure FDA0003398362260000041
6.根据权利要求2所述的基于视频AI分析老年肢体动作并自动生成检测报告的方法，其特征在于，对于所述被测试老年人的左手臂弯曲角度公式为：
Figure FDA0003398362260000042
对于所述被测试老年人的左手臂弯曲角度公式为：
Figure FDA0003398362260000043
7.根据权利要求2所示的基于视频AI分析老年肢体动作并自动生成检测报告的方法，其特征在于，根据所述人体夹角公式，可计算某一部位在两次时间角度变化对应的弯曲速度：
Figure FDA0003398362260000044
其中，deg1和deg2表示同一个部位在两次动作捕捉时的弯曲角度，t表示两侧动作捕捉时的时间差，F表示弯曲速率，该弯曲速度值越大，表示被测试老人的弯曲频率越快。
CN202111490967.9A 2021-12-08 2021-12-08 基于视频ai分析老年肢体动作并自动生成检测报告的方法 Pending CN114187992A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111490967.9A CN114187992A (zh) 2021-12-08 2021-12-08 基于视频ai分析老年肢体动作并自动生成检测报告的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111490967.9A CN114187992A (zh) 2021-12-08 2021-12-08 基于视频ai分析老年肢体动作并自动生成检测报告的方法

Publications (1)

Publication Number Publication Date
CN114187992A true CN114187992A (zh) 2022-03-15

Family

ID=80542729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111490967.9A Pending CN114187992A (zh) 2021-12-08 2021-12-08 基于视频ai分析老年肢体动作并自动生成检测报告的方法

Country Status (1)

Country Link
CN (1) CN114187992A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116072253A (zh) * 2023-03-16 2023-05-05 江苏铁人科技有限公司 一种人体数据实时捕捉系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116072253A (zh) * 2023-03-16 2023-05-05 江苏铁人科技有限公司 一种人体数据实时捕捉系统

Similar Documents

Publication Publication Date Title
CN111839489B (zh) 非接触式生理心理健康检测系统
US20210049353A1 (en) Ai-based physical function assessment system
US20220280087A1 (en) Visual Perception-Based Emotion Recognition Method
Chaaraoui et al. Abnormal gait detection with RGB-D devices using joint motion history features
US20100208038A1 (en) Method and system for gesture recognition
Ma et al. A bi-directional LSTM network for estimating continuous upper limb movement from surface electromyography
CN110991268B (zh) 一种基于深度图像的帕金森手部运动量化分析方法和系统
CN112001122A (zh) 基于端到端生成对抗网络的非接触式生理信号测量方法
Guo et al. MCDCD: Multi-source unsupervised domain adaptation for abnormal human gait detection
WO2022141894A1 (zh) 融合表情和肢体运动的三维特征情绪分析方法
Tao et al. A comparative home activity monitoring study using visual and inertial sensors
Ye et al. Distinct feature extraction for video-based gait phase classification
WO2024001588A1 (zh) 呼吸状态检测方法、装置、设备、存储介质和计算机程序产品
CN114187992A (zh) 基于视频ai分析老年肢体动作并自动生成检测报告的方法
CN114821439A (zh) 一种基于令牌学习的人脸视频心率估计系统及方法
Eichler et al. Non-invasive motion analysis for stroke rehabilitation using off the shelf 3d sensors
CN114557685B (zh) 一种非接触式运动鲁棒心率测量方法及测量装置
CN113456042A (zh) 一种基于3d cnn的无接触面部血压测量方法
Razzaq et al. Unskem: unobtrusive skeletal-based emotion recognition for user experience
KR102369359B1 (ko) 영상기반 지능형 푸시-업 판별 방법 및 푸시-업 판별 시스템
CN112382390A (zh) 生成健康评估报告的方法、系统及存储介质
Peng et al. MVPD: A multimodal video physiology database for rPPG
Masullo et al. CaloriNet: From silhouettes to calorie estimation in private environments
CN117333932A (zh) 基于机器视觉识别肌少症的方法、装备、设备以及介质
CN116509344A (zh) 一种非接触式呼吸频率监测方法、系统及设备

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