CN114556447A - 手部按压深度检测方法及装置 - Google Patents
手部按压深度检测方法及装置 Download PDFInfo
- Publication number
- CN114556447A CN114556447A CN202180005746.XA CN202180005746A CN114556447A CN 114556447 A CN114556447 A CN 114556447A CN 202180005746 A CN202180005746 A CN 202180005746A CN 114556447 A CN114556447 A CN 114556447A
- Authority
- CN
- China
- Prior art keywords
- marker
- hand
- target
- target color
- tracking
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 239000003550 marker Substances 0.000 claims abstract description 58
- 230000009471 action Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 22
- 230000006835 compression Effects 0.000 claims description 19
- 238000007906 compression Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000004083 survival effect Effects 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 4
- 238000002680 cardiopulmonary resuscitation Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000009795 derivation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- RQPALADHFYHEHK-JKMUOGBPSA-N (1s,2r,5r)-5-(6-aminopurin-9-yl)cyclopent-3-ene-1,2-diol Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1C=C[C@@H](O)[C@H]1O RQPALADHFYHEHK-JKMUOGBPSA-N 0.000 description 2
- 208000010496 Heart Arrest Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种手部按压深度检测方法，包括如下步骤：读取目标视频，所述目标视频是由固定拍摄设备针对手部按压动作进行采集获取到的视频，所述手部上佩戴有标志物；对所述目标视频进行标志物检测，获取所述标志物的跟踪边框；对所述跟踪边框进行跟踪，获取所述标志物在按压方向上的最高点和最低点；根据所述最高点的坐标和最低点的坐标，获取手部按压深度。解决了非接触测量设备结构复杂，成本高，精度低的问题。同时提供了相应的装置、设备和介质。
Description
技术领域
本发明属于图像处理技术领域，具体而言，涉及一种手部按压深度检测方法及检测装置、计算机可读介质及电子设备。
背景技术
据估计，加拿大和美国每年共有33万例院外心脏骤停(OHCA)导致的死亡。在治疗的OHCA中，总体生存率很低，出院率从3.0％到16.3％不等。患者生存率率的差异可部分归因于下列5个重要环节：快速紧急医疗系统(ENS)通道；早期心肺复苏(CPR)；早期除颤；早期高级生命支持(ACLS)；有效的复苏后治疗。近些年，在社区和医院大力加强上述环节后，生存率也只得到轻微的提高。近年来，人们已经认识到心脏复苏中CPR的质量、次数和及时性对心脏骤停患者的生存至关重要。相关的研究发现，CPR时按压深度的增加与生存率改善的程度密切相关，而当按压深度为4.03-5.53cm(峰值4.56cm)时，患者的生存率最高。但是在实际的心脏复苏的过程中，由于缺乏测量深度的工具，很难评价心脏复苏中的按压深度。传统的接触式测量测距精度高、稳定性好，但由于受到体积、质量、安装条件、结构以及操作不方便等因素影响而得不到广泛利用；在实际情况中也很难实现在按压者和患者身上通过接触性的仪器进行测距。
发明内容
本发明为了解决上述现有技术的缺点，提出了一种手部按压深度检测方法，包括如下步骤：
读取目标视频，所述目标视频是由固定拍摄设备针对手部按压动作进行采集获取到的视频，所述手部上佩戴有标志物；
对所述目标视频进行标志物检测，获取所述标志物的跟踪边框；
对所述跟踪边框进行跟踪，获取所述标志物在按压方向上的最高点和最低点；
根据所述最高点的坐标和最低点的坐标，获取手部按压深度。
进一步的，所述最高点的坐标为所述标志物位于最高点时，所述标志物的上边沿的坐标，所述最低点的坐标为所述标志物位于最低点时，所述标志物的下边沿的坐标。
进一步的，所述对所述目标视频进行标志物检测的步骤包括：
将所述目标视频按照时间顺序生成视频帧序列；
将所述视频帧图像转换到HSV颜色空间，在HSV颜色空间中，根据目标颜色，进行二值化处理，分割所述视频帧图像，获取目标颜色图像；
利用N个卷积核分别对所述目标颜色图像进行卷积，并将各个卷积核的输出相加，统计核函数响应最大的点，统计响应最大的点所在区域是否大于阈值，如果大于阈值，判断存在目标，根据所述目标颜色图像的区域设定跟踪边框，其中，N为大于等于3的整数。
进一步的，所述标志物上有相互间隔的第一目标颜色和第二目标颜色，所述目标颜色图像包括第一目标颜色图像和第二目标颜色图像；在进行卷积处理之前，还包括，对第二目标颜色图像进行膨胀处理和腐蚀处理，并和所述第一目标颜色图像做交集运算。
进一步的，所述根据所述目标颜色图像的区域设定跟踪边框，包括：根据第一目标颜色图像和第二目标颜色图像的并集区域设定所述跟踪边框。
进一步的，所述第一目标颜色为白色，所述第二目标颜色为绿色。
进一步的，对所述标志物进行跟踪的步骤包括：采用KCF算法对所述标志物进行跟踪。
进一步的，所述检测方法还包括，判断所述手部按压深度信息满足按压阈值，显示提示信息。
第二方面，本发明实施例提供了一种手部按压深度检测装置，包括：
读取模块，用于读取目标视频，所述目标视频是由固定拍摄设备针对手部按压动作进行采集获取到的视频，所述手部上佩戴有标志物；
检测模块，用于对所述目标视频进行标志物检测，获取所述标志物的跟踪边框；
跟踪模块，对所述跟踪边框进行跟踪，获取所述标志物在按压方向上的最高点和最低点；
测距模块，用于根据所述最高点的坐标和最低点的坐标，获取手部按压深度。
本发明第三方面，提供了一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一所述的方法。
本发明第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现上述任一所述的方法。
本发明提供了一种利用图像信息进行距离测量的方法，首先进行标志物检测，然后进行跟踪，获取到在最高点和最低点的位置，根据最高点和最低点的位置之差获取按压距离信息。特别的，本发明实施例中的方视频信息可以采用单目摄像头设备进行采集，例如可以采用手机进行采集，降低了使用设备的性能要求。通过按压深度信息的检测，能够很快判断按压深度是否达标，从而提升CPR的质量。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1为本发明一些实例中的手部按压深度检测方法、检测装置运行的系统架构示意图；
图2为本发明一些实例中的手部按压深度检测方法的流程示意图；
图3为本发明一些实施例中的手部按压深度检测方法中拍摄视频的示意图；
图4为本发明一些实施例中的手部按压深度检测方法中检测标志物的流程示意图；
图5为本发明一些实施例中的手部按压深度检测方法中检测标志物的流程示意图；
图6为本发明一些实施例中的手部按压深度检测方法中跟踪步骤的流程示意图；
图7为本发明另一些实施例中的手部按压深度检测方法的流程示意图；
图8为本发明一些实施例中的基于上述附图中的检测方法所实现的检测装置的系统示意图；
图9为本发明一些实施例中手部按压深度检测方法或者检测装置运行的计算机系统结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了可以应用本申请实施例的手部按压深度检测方法或检测装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送数据(例如视频)等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频播放软件、视频处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持数据传输的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的视频提供支持的后台服务器。后台服务器可以对接收到的切片请求等数据进行分析等处理，并将处理结果(例如索引到的切面或者切片序列)反馈给与其通信连接的电子设备(例如终端设备)。
需要说明的是，本申请实施例所提供的手部按压深度检测方法可以由服务器105执行，相应地，按压深度检测装置可以设置于服务器105中。此外，本申请实施例所提供的手部按压深度检测方法也可以由终端设备101、102、103执行，相应地，手部按压深度检测装置也可以设置于终端设备101、102、103中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当直播流播放方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括手部按压深度检测方法运行于其上的电子设备(例如终端设备101、102、103或服务器105)。
本发明实施例通过视觉跟踪技术，获取最高点和最低点的位置信息，继而通过位置信息的之差，获取按压深度，检测效率、精度得到有效保障。实际实施过程中，通过手机配置的前置CCD摄像头进行拍摄按压动作，并进行数字图像处理后测量获取按压深度信息。
影响测距精度的因素很多，但硬件因素的影响可以通过选取高分辨率的CCD摄像机、高采样频率的图像采集卡等高品质硬件，各种环境因素的限制。因为手机的款式不同，通过软件算法来提高系统测距精度的方法是相对最有效的途径。通常的图像测距过程都需要在场景中增设标定物(有明显的颜色特征且长宽已知)，通过此标定物标定相机、校正图像，从而获取图像的距离精度，得到目标的测量距离。但是在心脏按压的过程中，很难设定一个长宽已知的标定物。
本发明实施例采取结合传统的刻度尺测量思想，通过数字图像处理，提取出按压时的手环，通过手环移动的垂直距离，用算法辅助计算来完成保证速度和精度的测距。总体方案如图2所示。
通过手机前置摄像头拍摄正面的按压动作，如图3所示。将拍摄到的视频，处理成图像序列。为了保证测距的速度，需要先通过将拍摄的图像进行目标检测，并进行跟踪，在按压的最高点和最高点检测具体的位置，并完成测距。假设所述目标为手环，则从一系列图像中检测手环得到每张图像中的手环在图像坐标中的位置，并确定坐标最高点和坐标最低点的手环的位置，得到的位置之间的距离为按压深度。将每一张图像中的目标通过识别算法，识别手腕部位的手环(该手环为所述目标)，并将手环的各位置信息[x,y,w,h]，传递给跟踪模块，x为X轴坐标，y为Y轴坐标，w为宽度，h为高度。本发明的实施例采用了KCF的算法完成目标的跟踪，跟踪手腕的运动并记录目标框的坐标信息。通过记录的数据提取运动过程中的极值点，将该帧的图片输入测距模块完成最后的测距。判断是否达到5cm的按压深度，并实时显示在视频中。
具体地，检测方法包含如下几个步骤：
S1、检测标志物(手环)的位置
输入的视频后，首先将视频流按时间序列，将图片输入到程序中，将图片处理为固定的尺寸的图片，默认为960*540，之后的处理过程如图4所示。
S11、由于手环选取的为绿色和白色相互间隔的手环结构，颜色特征明显，因此，将图片转换到HSV颜色空间，便于颜色的筛选和提取。对其的颜色的色调和亮度两方面进行直接选取阈值，通过二值化实现目标分割和检测。将HSV空间模型和其他颜色空间通过H维用圆周表示。
S12、通过hsv空间提取白色和绿色的颜色特征，并将绿色区域做膨胀和腐蚀，并和白色区域做交集运算，进一步缩小目标空间。
S13、设计两层的核函数的分类器结构，分别设置三个卷积核进行卷积并相加，统计核函数响应最大的点。规矩响应的值的大小判断是否存在目标，同时根据内部的绿色面积设定边框的尺寸，边框的比例按照手环的比例设置为2:5，具体过程如图5所示，图片输入到三个卷积核之后相加，输入到核函数，查看响应，统计区域响应，然后设置边框尺寸。
S14、为了得到较为稳定的跟踪效果，应选取圈定的目标尽量大，因此，进一步的，本发明实施例选取了白色和绿色区域的并集保证大目标，返回跟踪框[x,y,H,W]。
S2、跟踪标志物
为了应对快速按压的视频中手环的高速移动。本发明实施例提出使用相关核运算的方法，可以保证在目标在仅仅有微弱形变，且快速移动的时候保证良好的跟踪效果，可以有效的提取出目标上下移动的轨迹。KCF算法的流程如图6所示，执行的步骤有a预计算、b训练并更新模型、c寻找目标位置；首先执行步骤a，然后针对第一帧图像执行步骤b，针对第二帧之后的图像，循环执行步骤c和b。通过相关衡量两个信号相似值的度量，如果两个信号越相似，那么其相关值就越高，在tracking的应用里，使用滤波模板，使得当它作用在跟踪目标上时，得到的响应最大，最大响应值的位置就是目标的位置。KCF的特点：实现简洁、效果好、速度快。通过循环矩阵位移产生大量样本来解决问题，并且通过离散傅里叶变换的推导，在频域计算速度极快。在缺少样本的情况下，通过简单的方法检测，连接核运算进行跟踪，保证了跟踪的泛化能力。采用KCF算法具有如下优点。
1)检测：使用循环矩阵+傅里叶变化计算响应图，原本O(n^3)的算法只需要O(n*log(n))
2)训练：利用循环矩阵性质，在频域进行训练
3)核回归提速：对于核函数，也可以转化到频域进行训练和检测，大大提高速度
4)特殊核函数进一步加速：对于高斯核，多项式核可以进一步利用循环矩阵计算核函数的循环矩阵
通过跟踪可以快速跟踪住实验目标。通过将人工按压的视频输入到程序中，可以稳定的显示其移动的距离。
S3、检测距离
在胸外按压的视频中，目标移动速度快，且距离小精度高，所以为保证测距模块，需要在参考系上进行改进。检测距离中需要考量如下因素：
A、测量位移5cm非常小，相机放置位置即使很近，信标在图像中所占像素仍很小，信标的特征提取难度较大。
B、每个人的胸外按压动作各不相同，差别很大，也会对精度产生影响，需要用额外的算法弥补。
C、由于拍摄时的摄像头无法保证绝对的垂直和水平，按压的角度变换都会导致所测得垂直距离存在偏差
D、相机的像素本身可能会导致精度损失，误差E可以通过如下公式获取得到。
通过数学推导可知，拍摄时的实际距离的测量和像素值都会造成实验时的精度误差，增加参考距离的长度可以有效缩减实验中的误差。
由上面的推导，我们在实际的测距上，通过测试手环在最高点的上边沿和最低点的下边沿，保证参考的移动距离最大，减少测距所带来的的误差。同时在手环上加入特征图案logo，保证在定位上的准确性。
本发明的实施例通过标志物跟踪方法能够利用低成本设备实现测距，降低了设备要求。克服了传统单目测距方法中需要固定参照物、精度较低、无法适应远距离测量场合的缺陷。
参考图7，本发明的另一个实施例提供了一种手机按压深度检测方法，包括如下步骤：
S21、读取目标视频，所述目标视频是由固定拍摄设备针对手部按压动作进行采集获取到的视频，所述手部上佩戴有标志物。拍摄时，被按压实验物平躺在地面，拍摄设备的位置与按压位置处于近乎同一高度，从按压动作的侧面进行拍摄录制视频。
S22、对所述目标视频进行标志物检测，获取所述标志物的跟踪边框；具体地，将所述目标视频按照时间顺序生成视频帧序列；将所述视频帧图像转换到HSV颜色空间，在HSV颜色空间中，根据目标颜色，进行二值化处理，分割所述视频帧图像，获取目标颜色图像；利用N个卷积核分别对所述目标颜色图像进行卷积，并将各个卷积核的输出相加，统计核函数响应最大的点，统计响应最大的点所在区域是否大于阈值，如果大于阈值，判断存在目标，根据所述目标颜色图像的区域设定跟踪边框，其中，N为大于等于3的整数。
进一步的，所述标志物上有相互间隔的第一目标颜色和第二目标颜色，所述目标颜色图像包括第一目标颜色图像和第二目标颜色图像；在进行卷积处理之前，还包括，对第二目标颜色图像进行膨胀处理和腐蚀处理，并和所述第一目标颜色图像做交集运算。
进一步的，所述根据所述目标颜色图像的区域设定跟踪边框，包括：根据第一目标颜色图像和第二目标颜色图像的并集区域设定所述跟踪边框。
所述第一目标颜色为白色，所述第二目标颜色为绿色。颜色对比明显，利于检测。
S23、对所述跟踪边框进行跟踪，获取所述标志物在按压方向上的最高点和最低点；本发明实施例中可以采用KCF方法进行跟踪，也可以采用其他方法进行跟踪，跟踪过程中检测到达极值点之后，返回最高点和最低点的坐标。
S24、根据所述最高点的坐标和最低点的坐标，获取手部按压深度。为了保证检测精度，将取更大的范围作为按压深度，具体地，所述最高点的坐标为所述标志物位于最高点时，所述标志物的上边沿的坐标，所述最低点的坐标为所述标志物位于最低点时，所述标志物的下边沿的坐标。
为了提示用户，所述检测方法还包括，S25、判断所述手部按压深度信息满足按压阈值，显示提示信息。例如，按压深度满足按压阈值，则显示合格，或者显示绿色。
本发明实施例中的手部按压深度检测方法，通过利用在最高点时最上沿的坐标和最低点时最下沿的坐标来获取按压深度，充分考量到了测量误差，保证了测量的精度。通过跟踪方法测量，降低了测距设备的性能要求，降低了方法实施的成本。
如图8所示，依据上述的方法实施例，本发明实施例还提供了一种手部按压深度检测装置300，包括：
读取模块310，用于读取目标视频，所述目标视频是由固定拍摄设备针对手部按压动作进行采集获取到的视频，所述手部上佩戴有标志物；
检测模块320，用于对所述目标视频进行标志物检测，获取所述标志物的跟踪边框；
跟踪模块330，对所述跟踪边框进行跟踪，获取所述标志物在按压方向上的最高点和最低点；
测距模块340，用于根据所述最高点的坐标和最低点的坐标，获取手部按压深度。
上述各个模块的具体执行步骤在直播流播放方法中对应的步骤中已进行详细叙述，在此不做过多赘述。
下面参考图9，其示出了适于用来实现本申请实施例的控制设备的计算机系统800的结构示意图。图9示出的控制设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示，计算机系统800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Python、Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、分割单元、确定单元和选择单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待处理绘本图像的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：读取目标视频，所述目标视频是由固定拍摄设备针对手部按压动作进行采集获取到的视频，所述手部上佩戴有标志物；对所述目标视频进行标志物检测，获取所述标志物的跟踪边框；对所述跟踪边框进行跟踪，获取所述标志物在按压方向上的最高点和最低点；根据所述最高点的坐标和最低点的坐标，获取手部按压深度。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (11)
1.一种手部按压深度检测方法，其特征在于，包括如下步骤：
读取目标视频，所述目标视频是由固定拍摄设备针对手部按压动作进行采集获取到的视频，所述手部上佩戴有标志物；
对所述目标视频进行标志物检测，获取所述标志物的跟踪边框；
对所述跟踪边框进行跟踪，获取所述标志物在按压方向上的最高点和最低点；
根据所述最高点的坐标和最低点的坐标，获取手部按压深度。
2.根据权利要求1所述的手部按压深度检测方法，其特征在于，所述最高点的坐标为所述标志物位于最高点时，所述标志物的上边沿的坐标；所述最低点的坐标为所述标志物位于最低点时，所述标志物的下边沿的坐标。
3.根据权利要求1或2所述的手部按压深度检测方法，其特征在于，所述对所述目标视频进行标志物检测的步骤包括：
将所述目标视频按照时间顺序生成视频帧序列；
将所述视频帧图像转换到HSV颜色空间，在HSV颜色空间中，根据目标颜色，进行二值化处理，分割所述视频帧图像，获取目标颜色图像；
利用N个卷积核分别对所述目标颜色图像进行卷积，并将各个卷积核的输出相加，统计核函数响应最大的点，统计响应最大的点所在区域是否大于阈值，如果大于阈值，判断存在目标，根据所述目标颜色图像的区域设定跟踪边框，其中，N为大于等于3的整数。
4.根据权利要求3所述的手部按压深度检测方法，其特征在于，所述标志物上有相互间隔的第一目标颜色和第二目标颜色，所述目标颜色图像包括第一目标颜色图像和第二目标颜色图像；在进行卷积处理之前，还包括，对第二目标颜色图像进行膨胀处理和腐蚀处理，并和所述第一目标颜色图像做交集运算。
5.根据权利要求4所述的手部按压深度检测方法，其特征在于，所述根据所述目标颜色图像的区域设定跟踪边框，包括：根据第一目标颜色图像和第二目标颜色图像的并集区域设定所述跟踪边框。
6.根据权利要求4所述的手部按压深度检测方法，其特征在于，所述第一目标颜色为白色，所述第二目标颜色为绿色。
7.根据权利1或2所述的手部按压深度检测方法，其特征在于，对所述标志物进行跟踪的步骤包括：采用KCF算法对所述标志物进行跟踪。
8.根据权利要求1或2所述的手部按压深度检测方法，其特征在于，所述检测方法还包括，判断所述手部按压深度信息满足按压阈值，显示提示信息。
9.一种手部按压深度检测装置，其特征在于，包括：
读取模块，用于读取目标视频，所述目标视频是由固定拍摄设备针对手部按压动作进行采集获取到的视频，所述手部上佩戴有标志物；
检测模块，用于对所述目标视频进行标志物检测，获取所述标志物的跟踪边框；
跟踪模块，对所述跟踪边框进行跟踪，获取所述标志物在按压方向上的最高点和最低点；
测距模块，用于根据所述最高点的坐标和最低点的坐标，获取手部按压深度。
10.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2021/143103 WO2023123213A1 (zh) | 2021-12-30 | 2021-12-30 | 手部按压深度检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114556447A true CN114556447A (zh) | 2022-05-27 |
Family
ID=81668986
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180005746.XA Pending CN114556447A (zh) | 2021-12-30 | 2021-12-30 | 手部按压深度检测方法及装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114556447A (zh) |
| WO (1) | WO2023123213A1 (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102164573A (zh) * | 2008-07-23 | 2011-08-24 | 阿特雷奥医疗公司 | 用于在心肺复苏期间测量按压参数的cpr辅助装置 |
| CN105451705A (zh) * | 2013-08-13 | 2016-03-30 | 皇家飞利浦有限公司 | 心肺复苏质量反馈系统 |
| US20170281462A1 (en) * | 2016-03-31 | 2017-10-05 | Zoll Medical Corporation | Monitoring cpr by a wearable medical device |
| CN109313934A (zh) * | 2016-05-06 | 2019-02-05 | 皇家飞利浦有限公司 | 用于确定患者胸部按压深度的cpr辅助设备和方法 |
| CN112292688A (zh) * | 2020-06-02 | 2021-01-29 | 焦旭 | 运动检测方法和装置、电子设备以及计算机可读存储介质 |
| CN112712051A (zh) * | 2021-01-12 | 2021-04-27 | 腾讯科技（深圳）有限公司 | 对象跟踪方法、装置、计算机设备及存储介质 |
| CN113317975A (zh) * | 2021-06-25 | 2021-08-31 | 河南金芯数联电子科技有限公司 | 一种基于机器视觉的心肺复苏按压深度反馈系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011011633A2 (en) * | 2009-07-22 | 2011-01-27 | Atreo Medical, Inc. | Optical techniques for the measurement of chest compression depth and other parameters during cpr |
| JP2013153847A (ja) * | 2012-01-27 | 2013-08-15 | Kissei Comtec Co Ltd | 心臓マッサージ支援装置および心臓マッサージ支援用コンピュータプログラム |
| CN214752528U (zh) * | 2021-03-16 | 2021-11-16 | 敖然 | 一种便携式心肺复苏指导装置 |
-
2021
- 2021-12-30 WO PCT/CN2021/143103 patent/WO2023123213A1/zh unknown
- 2021-12-30 CN CN202180005746.XA patent/CN114556447A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102164573A (zh) * | 2008-07-23 | 2011-08-24 | 阿特雷奥医疗公司 | 用于在心肺复苏期间测量按压参数的cpr辅助装置 |
| CN105451705A (zh) * | 2013-08-13 | 2016-03-30 | 皇家飞利浦有限公司 | 心肺复苏质量反馈系统 |
| US20170281462A1 (en) * | 2016-03-31 | 2017-10-05 | Zoll Medical Corporation | Monitoring cpr by a wearable medical device |
| CN109313934A (zh) * | 2016-05-06 | 2019-02-05 | 皇家飞利浦有限公司 | 用于确定患者胸部按压深度的cpr辅助设备和方法 |
| CN112292688A (zh) * | 2020-06-02 | 2021-01-29 | 焦旭 | 运动检测方法和装置、电子设备以及计算机可读存储介质 |
| CN112712051A (zh) * | 2021-01-12 | 2021-04-27 | 腾讯科技（深圳）有限公司 | 对象跟踪方法、装置、计算机设备及存储介质 |
| CN113317975A (zh) * | 2021-06-25 | 2021-08-31 | 河南金芯数联电子科技有限公司 | 一种基于机器视觉的心肺复苏按压深度反馈系统 |
Non-Patent Citations (1)
| Title |
|---|
| 梁玮等: "计算机视觉", 31 January 2021, pages: 109 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023123213A1 (zh) | 2023-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10762387B2 (en) | Method and apparatus for processing image | |
| CN109508681B (zh) | 生成人体关键点检测模型的方法和装置 | |
| US20190197703A1 (en) | Method and apparatus for tracking target profile in video | |
| CN110188719B (zh) | 目标跟踪方法和装置 | |
| US10679094B2 (en) | Automatic ruler detection | |
| US20210200971A1 (en) | Image processing method and apparatus | |
| CN110059624B (zh) | 用于检测活体的方法和装置 | |
| CN110781823B (zh) | 录屏检测方法、装置、可读介质及电子设备 | |
| CN110427915B (zh) | 用于输出信息的方法和装置 | |
| CN109493334A (zh) | 测量脊柱弯曲的方法及装置 | |
| CN110298829A (zh) | 一种舌诊方法、装置、系统、计算机设备和存储介质 | |
| TW202145957A (zh) | 運動檢測方法和裝置、電子設備以及內儲程式之電腦可讀取記錄媒體 | |
| CN113378790A (zh) | 视点定位方法、装置、电子设备和计算机可读存储介质 | |
| CN111784660B (zh) | 一种用于人脸图像的正脸程度的分析方法和系统 | |
| CN106778822B (zh) | 基于漏斗变换的图像直线检测方法 | |
| CN117313364A (zh) | 一种数字孪生三维场景构建方法及装置 | |
| CN114556447A (zh) | 手部按压深度检测方法及装置 | |
| CN111310595A (zh) | 用于生成信息的方法和装置 | |
| CN108256451B (zh) | 用于检测人脸的方法和装置 | |
| CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
| CN111784658B (zh) | 一种用于人脸图像的质量分析方法和系统 | |
| CN112015936B (zh) | 用于生成物品展示图的方法、装置、电子设备和介质 | |
| WO2023123214A1 (zh) | 电子设备、手部按压深度检测方法、系统以及穿戴设备 | |
| WO2022194157A1 (zh) | 一种目标跟踪方法、装置、设备及介质 | |
| CN110619362A (zh) | 一种基于感知与像差的视频内容比对方法及装置 |
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 |