CN114271814A - 一种基于Kinect的卒中风患者康复训练与评估方法及系统 - Google Patents
一种基于Kinect的卒中风患者康复训练与评估方法及系统 Download PDFInfo
- Publication number
- CN114271814A CN114271814A CN202111603237.5A CN202111603237A CN114271814A CN 114271814 A CN114271814 A CN 114271814A CN 202111603237 A CN202111603237 A CN 202111603237A CN 114271814 A CN114271814 A CN 114271814A
- Authority
- CN
- China
- Prior art keywords
- patient
- joint
- action
- data
- rehabilitation
- 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
Links
- 238000012549 training Methods 0.000 title claims abstract description 40
- 238000011156 evaluation Methods 0.000 title claims abstract description 29
- 208000006011 Stroke Diseases 0.000 title claims abstract description 26
- 230000009471 action Effects 0.000 claims abstract description 62
- 239000013598 vector Substances 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 230000033001 locomotion Effects 0.000 claims description 25
- 206010008190 Cerebrovascular accident Diseases 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 210000000988 bone and bone Anatomy 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000008439 repair process Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 230000036544 posture Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种基于Kinect的卒中风患者康复训练与评估方法,包括以下步骤:利用深度相机获取患者做康复动作时的若干个关节点的三维坐标;对所述关节点的置信度进行判断,得到判断结果;当所述判断结果为是时,计算所述患者骨骼余弦角度和所述关节点瞬时速度形成测试特征向量;计算所述测试特征向量与标准库中动作相识度,得到所述患者的动作类别;利用评分模型对所述患者的康复动作进行评分,并给出指导意见。本申请解解决了现有技术中数据误差、关节点数据丢失的技术问题,实现了采集的数据进行均值滤波处理,减小噪声影响,并且可以对于缺失关节点数据进行数据预测修复处理,提高数据质量,能够给患者提供了更好的动作分析指导。
Description
技术领域
本申请涉及医疗技术的领域,尤其是涉及一种基于Kinect的卒中风患者康复训练与评估方法及系统。
背景技术
卒中风是中医病证名,即卒中、中风病。康复训练的最终目的是恢复病患者的身体机能或者全部功能。康复训练多是在医生的指导下做一些康复动作,然后通过患者携带运动传感器来获取运动数据,实现对康复训练的检测。虽然患者携带运动传感器具有高灵敏度和较大的捕获区域,但是,它们所检测的位置和角度存在一定测量噪声以及积分漂移问题,算法需要考虑数据预处理,另一方面是佩戴运动传感器会给患者带来一定的负担和不便。
目前为了减少患者佩戴运动传感器,会利用视觉传感器来获取人体骨骼节点信息,以实现对患者的康复训练进行辅助指导和评价,但由于衣着、姿势等会产生关节点自遮挡问题,会产生数据误差或者关节点数据丢失问题,尤其当人体没有正对或者身体发生扭转时,导致捕捉的数据不准确,捕捉点脱离骨架,若是基于不准确的数据进行后续的动作特征提取与标准动作匹配,则会造成动作分类识别率低等问题。
发明内容
本申请实施例通过提供一种基于Kinect的卒中风患者康复训练与评估方法及系统,解决了现有技术中数据误差、关节点数据丢失的技术问题,实现了采集的数据进行均值滤波处理,减小噪声影响,并且可以对于缺失关节点数据进行数据预测修复处理,提高数据质量,能够给患者提供了更好的动作分析指导。
本申请实施例提供了一种基于Kinect的卒中风患者康复训练与评估方法,包括以下步骤:利用深度相机获取患者做康复动作时的若干个关节点的三维坐标;对所述关节点的置信度进行判断,得到判断结果;当所述判断结果为是时,计算所述患者骨骼余弦角度和所述关节点瞬时速度形成测试特征向量;计算所述测试特征向量与标准库中动作相识度,得到所述患者的动作类别;利用评分模型对所述患者的康复动作进行评分,并给出指导意见。
进一步地,当所述判断结果为否时,对所述关节点的数据进行重新修复。
进一步地,所述对所述关节点的置信度进行判断,得到判断结果,包括以下步骤:获取所述患者第k帧捕捉到的关节的关节点信息;计算得到第K帧关节的长度信息;将第K帧关节的长度信息与Psi姿态下相对应的关节的长度信息进行比对;若比对在偏差区间内,认为可信,判断结果为是;若比对不在偏差区间内,认为不可信,判断结果为否。
进一步地,若所述判断结果为是时,利用均值滤波算法对若干个关节点的三维坐标数据进行数据平滑处理。
进一步地,利用MDTW算法计算所述患者的训练动作与所述标准库中的各类动作的相似度,得到的最小距离则表示所述患者的训练动作为标准康复动作。
本申请还提供了一种基于Kinect的卒中风患者康复训练与评估系统,包括:获取单元,被配置为利用深度相机获取患者做康复动作时的若干个关节点的三维坐标;判断单元,被配置为对所述关节点的置信度进行判断,得到判断结果;测试特征向量计算单元,被配置为当所述判断结果为是时,计算所述患者骨骼余弦角度和所述关节点瞬时速度形成测试特征向量;数据填补单元,被配置为当所述判断结果为否时,对所述关节点的数据进行重新修复;动作类别计算单元,被配置为计算所述测试特征向量与标准库中动作相识度,得到所述患者的动作类别;评分单元,被配置为利用评分模型对所述患者的康复动作进行评分,并给出指导意见。
进一步地,所述判断单元包括:获取子单元,被配置为获取所述患者第k帧捕捉到的关节的关节点信息;计算子单元,被配置为计算得到第K帧关节的长度信息;比对子单元,被配置为将第K帧关节的长度信息与Psi姿态下相对应的关节的长度信息进行比对;第一结果单元,被配置为若比对在偏差区间内,认为可信,判断结果为是;第二结果单元,被配置为若比对不在偏差区间内,认为不可信,判断结果为否。
进一步地,所述训练与评估系统,还包括:数据平滑处理单元,被配置为若所述判断结果为是时,利用均值滤波算法对若干个关节点的三维坐标数据进行数据平滑处理。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、由于采用了深度相机采集数据,因而无需患者穿戴传感器设备,减轻了患者的负担,且可以采集固定时间内的关节角度变化序列与瞬时速度变化序列作为特征向量,提高了动作识别率,实时性高,且当缺失关节点数据后,能够对数据进行预测修复处理,提高了数据质量。
附图说明
图1为本申请实施例中一种基于Kinect的卒中风患者康复训练与评估方法的流程图;
图2为本申请实施例中置信度判断的流程图;
图3为本申请实施例中Psi姿态的示意图;
图4为本申请实施例中间几何学及手臂的模型示意图;
图5为本申请实施例中一种基于Kinect的卒中风患者康复训练与评估系统的结构示意图;
图6为本申请实施例中判断单元的结构示意图。
具体实施方式
本申请实施例公开了一种基于Kinect的卒中风患者康复训练与评估方法及系统,解决了现有技术中数据误差、关节点数据丢失的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于Kinect的卒中风患者康复训练与评估方法,所示方法包括:利用深度相机获取患者做康复动作时的若干个关节点的三维坐标;对所述关节点的置信度进行判断,得到判断结果;当所述判断结果为是时,计算所述患者骨骼余弦角度和所述关节点瞬时速度形成测试特征向量;计算所述测试特征向量与标准库中动作相识度,得到所述患者的动作类别;利用评分模型对所述患者的康复动作进行评分,并给出指导意见。
为使本申请实施例的上述基本方法能够更为明显易懂,下面结合附图对本申请的具体实施例做详细的说明。
实施例一
图1是本申请实施例中一种基于Kinect的卒中风患者康复训练与评估方法,以下通过具体步骤进行详细说明。
S11,利用深度相机获取患者做康复动作时的若干个关节点的三维坐标。
在具体实施中,可以利用Azure Kinect DK深度相机对患者的训练动作进行实时监测,并可以获得患者全身30个关节点的三维坐标,但由于康复训练主要观察肢体运动情况,只需采集20个关节点三维坐标即可。
S12,对所述关节点的置信度进行判断,得到判断结果。
在具体实施中,当关节点被衣着、姿势遮挡时,会导致关节点数据丢失或者不准确,因此需要对关节点的置信度进行判断,如图2所示,可以通过以下步骤对关节点的置信度进行判断。
S121,获取所述患者第k帧捕捉到的关节的关节点信息。
S122,计算得到第K帧关节的长度信息。
在具体实施中,可以利用立体几何两点间的距离公式来计算得到第K帧关节的长度信息。
S123,将第K帧关节的长度信息与Psi姿态下相对应的关节的长度信息进行比对。
在具体实施中,Psi姿态可以如图3所示,可以利用Azure Kinect DK深度相机识别Psi姿态中各个关节点,并计算出各个关节的长度,并将关节的长度信息保存,作为遮挡患者关节点修复的依据。
S124,若比对在偏差区间内,认为可信,判断结果为是。
S125,若比对不在偏差区间内,认为不可信,判断结果为否。
在具体实施中,用运动连续性确认该节点是否可信,由于人体关节点的运动具有连续性,某个时间区间内某个关节点的速度应该是在某一个偏差区间内,若在这个偏差区间内,则认为该节点的运动信息可信,当超过这个偏差区间,则认为该节点的运动信息不可信。
S13,当所述判断结果为否时,对所述关节点的数据进行重新修复。
在具体实施中,以右手手臂及其三个关节点为例,若是中间关节点信息需要修复,由空间几何学及手臂的模型,如图4所示,关节中B必定落在以A为球心,Lab为半径的球Sa上,同时也必须落在以C为球心,Lbc为半径的球Sc上。球与圆的交点可能有两种情况:一个交点和两个交点。由人体运动的连续性只可知节点只可能存在唯一解,那么对于两个节点的将通过人体运动特性来排除,利用这种方法即可修复缺失的关节点三维信息。
S14,当判断结果为是时,对关节点坐标数据进行平滑处理。
在具体实施中,可以利用均值滤波算法对若干个关节点的三维坐标数据进行数据平滑处理,可以减少数据存在冗余和噪声的问题。
在具体实施中,当判断结果为否并对关节点数据进行修复后,需要对关节点坐标数据进行平滑处理。
S15,计算所述患者骨骼余弦角度和所述关节点瞬时速度形成测试特征向量。
其中P1=(X1,Y1,Z1),P2=(X2,Y2,Z2),P3=(X3,Y3,Z3)为关节点的坐标数据;瞬时速度v计算为相邻帧的关节点欧式距离,即为: 其中x,y,z为上一帧此关节点的三维坐标;其中m代表第m帧。
S16,计算所述测试特征向量与标准库中动作相识度,得到所述患者的动作类别。
在具体实施中,可以利用MDTW算法计算所述患者的训练动作与所述标准库中的各类动作的相似度,得到的最小距离则表示所述患者的训练动作为标准康复动作。其中最小距离的计算方式为:dist=min{mdtw(A′,A1),mdtw(A′,A2),mdtw(A′,A3),,mdtw(A′,A4),mdtw(A′,A5)}
S17,利用评分模型对所述患者的康复动作进行评分,并给出指导意见。
在具体实施中,计算患者的运动得分的计算方式可以为:其中s为最优弯曲路径长度,10为10个动作特征向量,最终评估分数按区间分为5档:优秀、良好、及格、不及格、几乎无动作能力,并且可以针对不同档给出相应训练评价和康复指导意见。
在具体实施中,当在评估患者训练动作的过程中发现有评分为优秀的动作,可以将动作加入标准动作库。建立标准动作库时选择20名健康人在专家指导下完成示范动作,每种动作完成5次,采集数据时间长度为30帧,数据采集后进行数据平滑处理。为了保证标准库动作样本的多样性,每类动作存放100个动作数据样本,动作完成过程中,均遵守专家指导。
在具体实施中,还可以将指导意见、标准动作样例视频展示、采集数据、数据预处理、动作评价、回放当前动作、查看分析报告及建议功能等在可视化QT界面上展示,实现患者及时观察了解的效果。
综上所述,由于采用了深度相机采集数据,因而无需患者穿戴传感器设备,减轻了患者的负担,且可以采集固定时间内的关节角度变化序列与瞬时速度变化序列作为特征向量,提高了动作识别率,实时性高,并且能够对患者的训练动作进行打分,给患者提供更好的动作指导分析,且当缺失关节点数据后,能够对数据进行预测修复处理,提高了数据质量。
为使本领域技术人员更好地理解和实现本申请实施例,以下参照图6对一种基于Kinect的卒中风患者康复训练与评估系统进行相应介绍。
实施例二
参照图5所示,本申请实施例提供了一种基于Kinect的卒中风患者康复训练与评估系统,所述训练与评估系统包括:
获取单元,被配置为利用深度相机获取患者做康复动作时的若干个关节点的三维坐标;
判断单元,被配置为对所述关节点的置信度进行判断,得到判断结果;
测试特征向量计算单元,被配置为当所述判断结果为是时,计算所述患者骨骼余弦角度和所述关节点瞬时速度形成测试特征向量;
数据填补单元,被配置为当所述判断结果为否时,对所述关节点的数据进行重新修复;
数据平滑处理单元,被配置为若所述判断结果为是时,利用均值滤波算法对若干个关节点的三维坐标数据进行数据平滑处理;
动作类别计算单元,被配置为计算所述测试特征向量与标准库中动作相识度,得到所述患者的动作类别;
评分单元,被配置为利用评分模型对所述患者的康复动作进行评分,并给出指导意见。
在具体实施中,如图6所示,判断单元包括:
获取子单元,被配置为获取所述患者第k帧捕捉到的关节的关节点信息;
计算子单元,被配置为计算得到第K帧关节的长度信息;
比对子单元,被配置为将第K帧关节的长度信息与Psi姿态下相对应的关节的长度信息进行比对;
第一结果单元,被配置为若比对在偏差区间内,认为可信,判断结果为是;
第二结果单元,被配置为若比对不在偏差区间内,认为不可信,判断结果为否。
前述实施例一中的一种基于Kinect的卒中风患者康复训练与评估方法的各种变化方式和具体实施同样适用于本实施例的一种基于Kinect的卒中风患者康复训练与评估系统,通过前述对一种基于Kinect的卒中风患者康复训练与评估方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于Kinect的卒中风患者康复训练与评估系统,所以为了说明书的简洁,在此不在详述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种基于Kinect的卒中风患者康复训练与评估方法,其特征在于,包括以下步骤:
利用深度相机获取患者做康复动作时的若干个关节点的三维坐标;
对所述关节点的置信度进行判断,得到判断结果;
当所述判断结果为是时,计算所述患者骨骼余弦角度和所述关节点瞬时速度形成测试特征向量;
计算所述测试特征向量与标准库中动作相识度,得到所述患者的动作类别;
利用评分模型对所述患者的康复动作进行评分,并给出指导意见。
2.如权利要求1所述的一种基于Kinect的卒中风患者康复训练与评估方法,其特征在于,当所述判断结果为否时,对所述关节点的数据进行重新修复。
3.如权利要求1所述的一种基于Kinect的卒中风患者康复训练与评估方法,其特征在于,所述对所述关节点的置信度进行判断,得到判断结果,包括以下步骤:
获取所述患者第k帧捕捉到的关节的关节点信息;
计算得到第K帧关节的长度信息;
将第K帧关节的长度信息与Psi姿态下相对应的关节的长度信息进行比对;
若比对在偏差区间内,认为可信,判断结果为是;
若比对不在偏差区间内,认为不可信,判断结果为否。
4.如权利要求1所述的一种基于Kinect的卒中风患者康复训练与评估方法,其特征在于,若所述判断结果为是时,利用均值滤波算法对若干个关节点的三维坐标数据进行数据平滑处理。
5.如权利要求1所述的一种基于Kinect的卒中风患者康复训练与评估方法,其特征在于,利用MDTW算法计算所述患者的训练动作与所述标准库中的各类动作的相似度,得到的最小距离则表示所述患者的训练动作为标准康复动作。
6.一种基于Kinect的卒中风患者康复训练与评估系统,其特征在于,所述训练与评估系统,包括:
获取单元,被配置为利用深度相机获取患者做康复动作时的若干个关节点的三维坐标;
判断单元,被配置为对所述关节点的置信度进行判断,得到判断结果;
测试特征向量计算单元,被配置为当所述判断结果为是时,计算所述患者骨骼余弦角度和所述关节点瞬时速度形成测试特征向量;
数据填补单元,被配置为当所述判断结果为否时,对所述关节点的数据进行重新修复;
动作类别计算单元,被配置为计算所述测试特征向量与标准库中动作相识度,得到所述患者的动作类别;
评分单元,被配置为利用评分模型对所述患者的康复动作进行评分,并给出指导意见。
7.如权利要求6所述的一种基于Kinect的卒中风患者康复训练与评估系统,其特征在于,所述判断单元包括:
获取子单元,被配置为获取所述患者第k帧捕捉到的关节的关节点信息;
计算子单元,被配置为计算得到第K帧关节的长度信息;
比对子单元,被配置为将第K帧关节的长度信息与Psi姿态下相对应的关节的长度信息进行比对;
第一结果单元,被配置为若比对在偏差区间内,认为可信,判断结果为是;
第二结果单元,被配置为若比对不在偏差区间内,认为不可信,判断结果为否。
8.如权利要求6所述的一种基于Kinect的卒中风患者康复训练与评估系统,其特征在于,所述训练与评估系统,还包括:数据平滑处理单元,被配置为若所述判断结果为是时,利用均值滤波算法对若干个关节点的三维坐标数据进行数据平滑处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111603237.5A CN114271814A (zh) | 2021-12-24 | 2021-12-24 | 一种基于Kinect的卒中风患者康复训练与评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111603237.5A CN114271814A (zh) | 2021-12-24 | 2021-12-24 | 一种基于Kinect的卒中风患者康复训练与评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114271814A true CN114271814A (zh) | 2022-04-05 |
Family
ID=80875354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111603237.5A Pending CN114271814A (zh) | 2021-12-24 | 2021-12-24 | 一种基于Kinect的卒中风患者康复训练与评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114271814A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117133465A (zh) * | 2023-10-26 | 2023-11-28 | 营动智能技术(山东)有限公司 | 一种慢性病康复治疗效果评价方法、设备及存储介质 |
CN118366225A (zh) * | 2024-06-19 | 2024-07-19 | 陕西润之宸实业有限公司 | 基于图像处理的手部康复锻炼监控方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140114687A1 (en) * | 2012-10-19 | 2014-04-24 | Harrison Gabe Frank | Systems And Methods For Real-Time Rehabilitation Records Tracking |
US20170027501A1 (en) * | 2014-04-03 | 2017-02-02 | Universiti Brunei Darussalam | Realtime biofeedback mechanism and data presentation for knee injury rehabilitation monitoring and a soft real time intelligent system thereof |
CN107260179A (zh) * | 2017-06-08 | 2017-10-20 | 朱翔 | 基于惯性和体感传感器数据质量评价的人体运动跟踪方法 |
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 |
WO2018144712A1 (en) * | 2017-02-01 | 2018-08-09 | Consensus Orthopedics, Inc. | System and methods for monitoring physical therapy and rehabilitation of joints |
CN109003301A (zh) * | 2018-07-06 | 2018-12-14 | 东南大学 | 一种基于OpenPose和Kinect的人体姿态估计方法及康复训练系统 |
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 |
US20210228959A1 (en) * | 2020-04-10 | 2021-07-29 | Harbin Institute Of Technology | Kinect-based auxiliary training system for basic badminton movements |
-
2021
- 2021-12-24 CN CN202111603237.5A patent/CN114271814A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140114687A1 (en) * | 2012-10-19 | 2014-04-24 | Harrison Gabe Frank | Systems And Methods For Real-Time Rehabilitation Records Tracking |
US20170027501A1 (en) * | 2014-04-03 | 2017-02-02 | Universiti Brunei Darussalam | Realtime biofeedback mechanism and data presentation for knee injury rehabilitation monitoring and a soft real time intelligent system thereof |
WO2018144712A1 (en) * | 2017-02-01 | 2018-08-09 | Consensus Orthopedics, Inc. | System and methods for monitoring physical therapy and rehabilitation of joints |
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 |
CN107260179A (zh) * | 2017-06-08 | 2017-10-20 | 朱翔 | 基于惯性和体感传感器数据质量评价的人体运动跟踪方法 |
CN109003301A (zh) * | 2018-07-06 | 2018-12-14 | 东南大学 | 一种基于OpenPose和Kinect的人体姿态估计方法及康复训练系统 |
US20210228959A1 (en) * | 2020-04-10 | 2021-07-29 | Harbin Institute Of Technology | Kinect-based auxiliary training system for basic badminton movements |
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 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117133465A (zh) * | 2023-10-26 | 2023-11-28 | 营动智能技术(山东)有限公司 | 一种慢性病康复治疗效果评价方法、设备及存储介质 |
CN117133465B (zh) * | 2023-10-26 | 2024-06-04 | 营动智能技术(山东)有限公司 | 一种慢性病康复治疗效果评价方法、设备及存储介质 |
CN118366225A (zh) * | 2024-06-19 | 2024-07-19 | 陕西润之宸实业有限公司 | 基于图像处理的手部康复锻炼监控方法及系统 |
CN118366225B (zh) * | 2024-06-19 | 2024-08-16 | 陕西润之宸实业有限公司 | 基于图像处理的手部康复锻炼监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11182924B1 (en) | System for estimating a three dimensional pose of one or more persons in a scene | |
CN109863535B (zh) | 运动识别装置、存储介质以及运动识别方法 | |
CN106408591B (zh) | 一种抗遮挡的目标跟踪方法 | |
CN114271814A (zh) | 一种基于Kinect的卒中风患者康复训练与评估方法及系统 | |
WO2021147905A1 (zh) | 三维空间内注视行为的识别方法、装置及存储介质 | |
KR20080073933A (ko) | 객체 트래킹 방법 및 장치, 그리고 객체 포즈 정보 산출방법 및 장치 | |
JP2012518236A (ja) | ジェスチャー認識のための方法及びシステム | |
CN104408718B (zh) | 一种基于双目视觉测量的步态数据处理方法 | |
CN111274998A (zh) | 帕金森病手指敲击动作识别方法及系统、存储介质及终端 | |
CN109308437B (zh) | 动作识别纠错方法、电子设备、存储介质 | |
CN116507276A (zh) | 用于机器学习以从图像分析肌肉骨骼康复的方法和设备 | |
KR20190099537A (ko) | 동작 학습 장치, 기능 판별 장치 및 기능 판별 시스템 | |
CN112597850B (zh) | 一种身份识别方法及装置 | |
CN111048205A (zh) | 对帕金森病症状进行评估的方法与装置 | |
CN114495267A (zh) | 基于多维数据融合的老人跌倒风险评估方法 | |
US20220095959A1 (en) | Feigned Injury Detection Systems And Methods | |
CN113033501A (zh) | 一种基于关节四元数的人体分类方法及装置 | |
Kondori et al. | Direct hand pose estimation for immersive gestural interaction | |
CN117593792A (zh) | 一种基于视频帧的异常姿态检测方法和装置 | |
CN113240044B (zh) | 一种基于多Kinect的人体骨骼数据融合评价方法 | |
Cheng et al. | Tracking human walking in dynamic scenes | |
CN115527265A (zh) | 一种基于体育训练的动作捕捉方法及系统 | |
CN111353345A (zh) | 提供训练反馈的方法、装置、系统、电子设备、存储介质 | |
JP2024508782A (ja) | マーカレス運動解析を改善するための方法 | |
CN115019388A (zh) | 一种利用单目摄像头拍摄步态视频全自动步态分析方法 |
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 |