CN115578789A - 脊柱侧弯检测装置、系统及计算机可读存储介质 - Google Patents
脊柱侧弯检测装置、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115578789A CN115578789A CN202211165918.2A CN202211165918A CN115578789A CN 115578789 A CN115578789 A CN 115578789A CN 202211165918 A CN202211165918 A CN 202211165918A CN 115578789 A CN115578789 A CN 115578789A
- Authority
- CN
- China
- Prior art keywords
- user
- scoliosis
- bending
- acquiring
- action
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4566—Evaluating the spine
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Pathology (AREA)
- Physical Education & Sports Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Social Psychology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供脊柱侧弯检测装置、系统及计算机可读存储介质,所述脊柱侧弯检测装置包括处理器,所述处理器被配置成实现以下步骤:利用图像采集设备获取用户做预设动作的全身图像,所述预设动作包括站立动作;采用细化算法对所述站立动作的全身图像进行细化线提取,以获取所述用户的第一类预设关节的细化线,所述第一类预设关节包括脊柱关节、肩关节和髋关节;基于所述第一类预设关节的细化线,获取所述用户的姿态信息,并计算所述用户的姿态信息与标准姿态信息的相似度;当所述相似度小于预设相似度阈值时,生成提示信息并发送至用户设备,所述提示信息用于指示所述用户发生脊柱侧弯。本申请无需人工筛查,检测的准确率较高,可以满足大批量的脊柱侧弯筛查工作。
Description
技术领域
本申请涉及机器视觉检测和医学检测器械技术领域,尤其涉及脊柱侧弯检测装置、系统及计算机可读存储介质。
背景技术
脊柱侧弯又称脊柱侧凸,它是一种脊柱的三维畸形,包括冠状位、矢状位和轴位上的序列异常。正常人的脊柱从后面看应该是一条直线,并且躯干两侧对称,如果从正面看有双肩不等高或后面看到有后背左右不平,就应怀疑“脊柱侧弯”。这个时候应拍摄站立位的全脊柱X线片,如果正位X线片显示脊柱有大于10度的侧方弯曲,即可诊断为脊柱侧弯。轻度的脊柱侧弯可以观察,严重者需要手术治疗。轻度的脊柱侧弯通常没有明显的不适,外观上也看不到明显的躯体畸形。较重的脊柱侧弯则会影响婴幼儿及青少年的生长发育,使身体变形,严重者可以影响心肺功能、甚至累及脊髓,造成瘫痪。脊柱侧弯是危害青少年和儿童的常见疾病,关键是要早发现、早治疗。
目前脊柱侧弯的筛查大多采用人工目测的方法,一定时间内筛查过多的受检人员后,筛查人员容易出现疲劳,人工的主观误差,加上每个人情况不同,也有可能出现识别误差的情况,不能满足大批量的脊柱侧弯筛查工作。
因此,亟需提供脊柱侧弯检测装置、系统及计算机可读存储介质,以改进现有技术。
发明内容
本申请的目的在于提供脊柱侧弯检测装置、系统及计算机可读存储介质,无需人工进行筛查,检测的准确率较高,可以满足大批量的脊柱侧弯筛查工作。
本申请的目的采用以下技术方案实现:
第一方面,本申请提供了一种脊柱侧弯检测装置,所述脊柱侧弯检测装置包括处理器,所述处理器被配置成实现以下步骤:
利用图像采集设备获取用户做预设动作的全身图像,所述预设动作包括站立动作;
采用细化算法对所述站立动作的全身图像进行细化线提取,以获取所述用户的第一类预设关节的细化线,所述第一类预设关节包括脊柱关节、肩关节和髋关节;
基于所述第一类预设关节的细化线,获取所述用户的姿态信息,并计算所述用户的姿态信息与标准姿态信息的相似度;
当所述相似度小于预设相似度阈值时,生成提示信息并发送至用户设备,所述提示信息用于指示所述用户发生脊柱侧弯。
该技术方案的有益效果在于:利用图像采集设备获取用户做站立动作的全身图像,采用细化算法提取全身图像中第一类预设关节的细化线,第一类预设关节可以是脊柱关节、肩关节和髋关节,在标准姿态信息中(对应未发生脊柱侧弯的用户),脊柱关节、肩关节和髋关节的细化线可以抽象为“士”字的形状,如果做站立动作的用户的姿态信息与标准姿态信息的相似度比较小,小于预设相似度时,表明用户的脊柱可能发生侧方弯曲,生成提示信息并发送至用户设备,从而提醒该用户自身发生脊柱侧弯,便于该用户及时采取相应的应对措施。
该脊柱侧弯检测装置可以采用细化算法自动对用户的全身图像进行分析处理,并且可以自动计算用户的姿态信息与标准姿态信息的相似度,根据相似度判断用户是否发生脊柱侧弯,检测速度快,且无需人工进行筛查,检测的准确率和效率较高,可以满足大批量的脊柱侧弯筛查工作。
在一些可选的实施例中,所述预设动作还包括第一折弯动作和第二折弯动作,所述第一折弯动作是上身前屈的动作,所述第二折弯动作是上身后仰的动作;
所述处理器还被配置成实现以下步骤:
基于所述第一折弯动作的全身图像,获取所述用户对应的第一折弯角度;
基于所述第二折弯动作的全身图像,获取所述用户对应的第二折弯角度;
基于所述第一折弯角度和所述第二折弯角度,获取所述用户的脊柱侧弯评估信息,所述脊柱侧弯评估信息用于指示所述用户的脊柱侧弯的程度。
该技术方案的有益效果在于:一般而言,相比于未发生脊柱侧弯的用户,发生脊柱侧弯的用户在做上身前屈和上身后仰的两种动作时,对应的第一折弯角度和第二折弯角度之间的差距会更大一些,例如,用户因为骨盆前倾导致脊柱侧弯,做上身前屈的动作可能会比上身后仰的动作更为困难,通过比对第一折弯角度和第二折弯角度,可以反映出用户的脊柱侧弯的程度,这种非接触检测脊柱侧弯的方式成本较低,检测结果较为准确。
在一些可选的实施例中,所述预设动作还包括第三折弯动作和第四折弯动作,所述第三折弯动作是上身向左侧髋关节折弯的动作,所述第四折弯动作是上身向右侧髋关节折弯的动作;
所述处理器还被配置成实现以下步骤:
基于所述第三折弯动作的全身图像,获取所述用户对应的第三折弯角度;
基于所述第四折弯动作的全身图像,获取所述用户对应的第四折弯角度;
所述处理器被配置成采用以下方式获取所述用户的脊柱侧弯评估信息:
基于所述第一折弯角度、所述第二折弯角度、所述第三折弯角度和所述第四折弯角度,获取所述用户的脊柱侧弯评估信息。
该技术方案的有益效果在于:一般而言,未发生脊柱侧弯的用户,左侧屈身和右侧屈身对应的折弯角度差距较小,相比于未发生脊柱侧弯的用户,发生脊柱侧弯的用户在做上身向左侧髋关节折弯(左侧屈身)和上身向右侧髋关节折弯(右侧屈身)的两种动作时,对应的第三折弯角度和第四折弯角度之间的差距会更大一些,通过比对第一折弯角度和第二折弯角度,结合第一折弯角度和第二折弯角度的比对结果,可以进一步反映出用户的脊柱侧弯的程度,提高检测结果的准确性。
在一些可选的实施例中,所述处理器还被配置成实现以下步骤:
分别获取所述用户在预设时长内做每种折弯动作的抖动次数,基于每种折弯动作对应的抖动次数,获取每种折弯动作对应的平衡度;
所述处理器被配置成采用以下方式获取所述用户的脊柱侧弯评估信息:
基于所述第一折弯角度、所述第二折弯角度、所述第三折弯角度、所述第四折弯角度以及每种折弯动作对应的平衡度,获取所述用户的脊柱侧弯评估信息。
该技术方案的有益效果在于:用户在做折弯动作时会促使肌肉疲劳,因此会产生一定程度的抖动,可以利用计算机视觉检测技术获取用户在预设时长内的抖动次数,抖动次数越少,表明用户做该动作的平衡度越好,抖动次数越多,表明用户做该动作的平衡度越差。
用户在发生脊柱侧弯时,不仅在做不同折弯动作时对应的折弯角度不同,在做不同折弯动作时对应的平衡度也会不同,平衡度可以通过预设时长内做每种折弯动作的抖动次数计算得出。从平衡度和折弯程度(折弯角度)两方面评估用户做每种折弯动作的表现,进而得出用户的脊柱侧弯评估信息,进一步提高检测结果的准确性。
在一些可选的实施例中,所述处理器还被配置成实现以下步骤:
利用第一压力传感器获取所述用户左脚对应的第一压力,利用第二压力传感器获取所述用户右脚对应的第二压力,所述第一压力传感器设置于所述用户的左脚脚底,所述第二压力传感器设置于所述用户的右脚脚底;
基于所述第一压力和所述第二压力,获取所述用户的脊柱侧弯评估信息。
该技术方案的有益效果在于:一般而言,发生脊柱侧弯的用户的双脚所承受的压力不同,在用户做站立动作的条件下,通过比对左脚对应的第一压力和右脚对应的第二压力,可以反映出用户的脊柱侧弯的程度,检测过程较为简单,易于实现。
在一些可选的实施例中,所述处理器还被配置成实现以下步骤:
利用红外热成像设备获取所述用户的红外热图;
基于所述红外热图,获取所述用户的脊柱两侧的第一温差信息,所述第一温差信息用于指示脊柱两侧的对称部位的温度差值;
基于所述第一温差信息,获取所述用户的脊柱侧弯评估信息。
该技术方案的有益效果在于:由于发生炎症的部位的温度会高于其他部位的温度,因此,可以根据温度信息来诊断疾病,红外热成像检测技术检查时不受主客观因素的影响,可视化地反映了组织损伤及代谢变化。
一般而言,正常人体(未发生脊柱侧弯)背部的红外热图表达是呈左右对称性分布,并且沿脊柱正中向两侧温度呈递减趋势,如果用户发生脊柱侧弯,温度不会呈左右对称性分布,脊柱两侧的对称部位的温差较大,可以利用红外热成像设备获取所述用户的红外热图,从而获取用户的脊柱两侧的第一温差信息,根据脊柱两侧的对称部位的温度差值评估用户的脊柱侧弯的程度。
在一些可选的实施例中,所述处理器被配置成采用以下步骤获取所述用户的脊柱侧弯评估信息:
基于所述红外热图,获取所述用户的第二类预设关节的第二温差信息,所述第二温差信息用于指示所述第二类预设关节的温度与其邻近区域的温度差值,所述第二类预设关节是以下任意一种:肩关节、髋关节和膝关节;
基于所述第一温差信息和所述第二温差信息,获取所述用户的脊柱侧弯评估信息。
该技术方案的有益效果在于:多数脊柱侧弯用户的四肢关节受力不均匀,个别关节(肩关节、髋关节或者膝关节)会产生劳损,进而发生炎症,造成炎症位置的体温偏高,可以根据第二类预设关节的温度与其邻近区域的温度差值,判断第二类预设关节的劳损程度,结合脊柱两侧的对称部位的温度差值,评估用户的脊柱侧弯的程度。
第二方面,本申请提供了一种脊柱侧弯检测系统,所述脊柱侧弯检测系统包括图像采集设备和上述任一项脊柱侧弯检测装置,所述图像采集设备和所述脊柱侧弯检测装置电连接;
所述图像采集设备用于采集用户做预设动作的全身图像。
在一些可选的实施例中,所述脊柱侧弯检测系统还包括红外热成像设备、温度传感器、第一压力传感器和第二压力传感器;
所述脊柱侧弯检测装置分别与所述红外热成像设备、所述温度传感器、所述第一压力传感器和所述第二压力传感器电连接;
所述红外热成像设备用于获取所述用户的红外热图,所述温度传感器用于获取环境温度信息,所述第一压力传感器用于获取所述用户左脚对应的第一压力,所述第二压力传感器用于获取所述用户右脚对应的第二压力。
第三方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项脊柱侧弯检测装置的功能。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种脊柱侧弯检测方法的流程示意图。
图2是本申请实施例提供的一种脊柱侧弯检测装置的结构框图。
图3是本申请实施例提供的一种脊柱侧弯检测系统的结构框图。
图4是本申请实施例提供的一种程序产品的结构框图。
具体实施方式
下面,结合附图以及具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
在本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,a和b,a和c,b和c,a和b和c,其中a、b和c可以是单个,也可以是多个。值得注意的是,“至少一项(个)”还可以解释成“一项(个)或多项(个)”。
还需说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施方式或设计方案不应被解释为比其他实施方式或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
参见图1,图1是本申请实施例提供的一种脊柱侧弯检测方法的流程示意图。
步骤S101:利用图像采集设备获取用户做预设动作的全身图像,所述预设动作包括站立动作;
步骤S102:采用细化算法对所述站立动作的全身图像进行细化线提取,以获取所述用户的第一类预设关节的细化线,所述第一类预设关节包括脊柱关节、肩关节和髋关节;
步骤S103:基于所述第一类预设关节的细化线,获取所述用户的姿态信息,并计算所述用户的姿态信息与标准姿态信息的相似度;
步骤S104:当所述相似度小于预设相似度阈值时,生成提示信息并发送至用户设备,所述提示信息用于指示所述用户发生脊柱侧弯。
由此,利用图像采集设备获取用户做站立动作的全身图像,采用细化算法提取全身图像中第一类预设关节的细化线,第一类预设关节可以是脊柱关节、肩关节和髋关节,在标准姿态信息中(对应未发生脊柱侧弯的用户),脊柱关节、肩关节和髋关节的细化线可以抽象为“士”字的形状,如果做站立动作的用户的姿态信息与标准姿态信息的相似度比较小,小于预设相似度时,表明用户的脊柱可能发生侧方弯曲,生成提示信息并发送至用户设备,从而提醒该用户自身发生脊柱侧弯,便于该用户及时采取相应的应对措施。
该脊柱侧弯检测装置可以采用细化算法自动对用户的全身图像进行分析处理,并且可以自动计算用户的姿态信息与标准姿态信息的相似度,根据相似度判断用户是否发生脊柱侧弯,无需人工进行筛查,检测的准确率较高,可以满足大批量的脊柱侧弯筛查工作。
本申请实施例对图像采集设备不作限定,图像采集设备例如是光学摄像头、红外摄像头或者深度摄像头,全身图像是指用户全身出镜的图像。
细化算法是数字图像处理里面一种重要的图像预处理方法,主要过程是在不影响原始图像的拓扑结构的情况下,逐渐删除边界点,最后变为单像素宽度的图像,同时又不产生新的孔或者新的区域。细化线也常被称为中轴线或者骨架线,它是二维物体或者三维物体的低维表示,能表达物体的形状特征以及拓扑结构,极大的消除图像中的繁杂信息,常用于模式识别、数据压缩、数据存储等领域。
细化算法的基本思想是遍历每个像素,判断像素是否为要删除的边界点,将边界点删去,判断下一个像素,如此循环直至收敛。
细化算法的一次迭代由如下步骤组成:1、标记将被删除的边界点;2、删除做了标记的点;3、继续标记将被删除的剩余的边界点;4、删除标记过的点。反复进行迭代,直到再也没有被删除的点为止,此时算法终止,生成了该区域的骨架。将细化算法应用于人物图像的细化线提取,即可得到对应的姿态信息。
本申请实施例对细化算法不作限定,细化算法例如可以是以下任意一种:中轴距离变换细化算法、ZS细化算法、形态学细化算法、2.5D细化算法和3D细化算法。
在一些实施方式中,细化算法采用2.5D细化算法,图像采集设备例如是深度摄像头。
相比于普通的光学摄像头,深度摄像头除了能够获取平面图像以外,还可以获取拍摄对象的深度信息,也就是三维的位置和尺寸信息。深度摄像头搭建方便而且价格低廉。它提供的数据对于运动跟踪来说有很大的吸引力,原因在于深度图像对于光照和外表颜色信息不敏感,并且即便只用1个摄像机也可提供丰富的几何信息,非常方便于去除背景。
针对2.5D细化算法,在深度图像中,每个像素的灰度值代表了对象到摄像机之间的距离,该信息对于分割或者跟踪起着非常重要的作用。而传统的细化算法只能逐渐删除轮廓点,不能发挥出深度摄像头的优势,没有考虑到提供的深度信息。
2.5D细化算法的具体流程如下:
a、搜索深度图中每一个像素,计算其二值模板;
b、将二值模板与删除表模板进行匹配;
c、删除满足匹配的像素;
d、迭代进行步骤a~c直到没有像素可以被修改,剩下的就是带深度信息的细化线。
相似度可以用数字或者百分比表示,数值越高,相似度越高。
本申请对预设相似度阈值不作限定,预设相似度阈值例如是80%、90%或者95%。
在一些实施方式中,用户的姿态信息与标准姿态信息的相似度的计算过程如下:
获取多个相似度训练数据,每个所述相似度训练数据包括用于训练的样本姿态信息、标准姿态信息以及二者的标注相似度;
利用多个所述相似度训练数据训练预设的深度学习模型,得到相似度模型;
将所述用户的姿态信息和所述标准姿态信息输入所述相似度模型,得到所述相似度。
由此,可以根据相似度训练数据训练预设的深度学习模型,得到相似度模型,只需将用户的姿态信息与标准姿态信息输入相似度模型,即可实时地自动生成对应的相似度,智能化程度较高。通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的深度学习模型,通过该预设的深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的相似度模型,可以实时输出对应的相似度,且输出结果可靠性高。
本申请实施例对用户设备不作限定,其例如可以是手机、平板电脑、笔记本电脑、台式计算机、智能穿戴设备等智能终端设备,或者,用户设备可以是工作站或者控制台。
在一些实施方式中,提示信息可以是文字信息、图像信息、视频信息、语音信息中的一种或几种。发送提示信息的方式例如是短信推送、邮件推送、应用内推送、电话通知等,应用例如是微信APP、支付宝APP、小程序等。
在一些可选的实施例中,所述预设动作还包括第一折弯动作和第二折弯动作,所述第一折弯动作是上身前屈的动作,所述第二折弯动作是上身后仰的动作;
所述方法还可以包括:
基于所述第一折弯动作的全身图像,获取所述用户对应的第一折弯角度;
基于所述第二折弯动作的全身图像,获取所述用户对应的第二折弯角度;
基于所述第一折弯角度和所述第二折弯角度,获取所述用户的脊柱侧弯评估信息,所述脊柱侧弯评估信息用于指示所述用户的脊柱侧弯的程度。
由此,一般而言,相比于未发生脊柱侧弯的用户,发生脊柱侧弯的用户在做上身前屈和上身后仰的两种动作时,对应的第一折弯角度和第二折弯角度之间的差距会更大一些,例如,用户因为骨盆前倾导致脊柱侧弯,做上身前屈的动作可能会比上身后仰的动作更为困难,通过比对第一折弯角度和第二折弯角度,可以反映出用户的脊柱侧弯的程度,这种非接触检测脊柱侧弯的方式成本较低,检测结果较为准确。
在一些实施方式中,可以利用用户设备显示预设动作对应的动作提示信息,引导用户更规范地做出预设动作。动作提示信息可以是文字信息、图像信息、视频信息、语音信息中的一种或几种。
例如,当预设动作是上身前屈的动作时,在用户设备上显示“以山式站立,双手置于两跨;呼气,从髋关节向前屈体,而不要从腰部向前弯”的文字信息,并配以做上身前屈的动作的人物的图像信息或者视频信息。
当预设动作是上身后仰的动作时,在用户设备上显示“挺直腰背站立,双脚并拢伸直;吸气,向上伸直双臂,左右肩膀保持平直,不要一高一低;呼气,双臂带动身体向后弯,髋部朝前送,尾骨内收,脊椎向后上方伸展”的文字信息,并配以做上身后仰的动作的人物的图像信息或者视频信息。
当预设动作是上身向左侧髋关节折弯的动作时,在用户设备上显示“双腿并拢伸直,吸气,双臂由体侧上举,两手合掌,手臂伸直,吐气,慢慢地把上身倒向左侧,做左侧屈,使左侧腰充分伸展”的文字信息,并配以做上身向左侧髋关节折弯的动作的人物的图像信息或者视频信息。
当预设动作是上身向右侧髋关节折弯的动作时,在用户设备上显示“双腿并拢伸直,吸气,双臂由体侧上举,两手合掌,手臂伸直,吐气,慢慢地把上身倒向右侧,做右侧屈,使右侧腰充分伸展”的文字信息,并配以做上身向右侧髋关节折弯的动作的人物的图像信息或者视频信息。
在一些可选的实施例中,所述预设动作还包括第三折弯动作和第四折弯动作,所述第三折弯动作是上身向左侧髋关节折弯的动作,所述第四折弯动作是上身向右侧髋关节折弯的动作;
所述方法还可以包括:
基于所述第三折弯动作的全身图像,获取所述用户对应的第三折弯角度;
基于所述第四折弯动作的全身图像,获取所述用户对应的第四折弯角度;
所述处理器被配置成采用以下方式获取所述用户的脊柱侧弯评估信息:
基于所述第一折弯角度、所述第二折弯角度、所述第三折弯角度和所述第四折弯角度,获取所述用户的脊柱侧弯评估信息。
由此,一般而言,未发生脊柱侧弯的用户,左侧屈身和右侧屈身对应的折弯角度差距较小,相比于未发生脊柱侧弯的用户,发生脊柱侧弯的用户在做上身向左侧髋关节折弯(左侧屈身)和上身向右侧髋关节折弯(右侧屈身)的两种动作时,对应的第三折弯角度和第四折弯角度之间的差距会更大一些,通过比对第一折弯角度和第二折弯角度,结合第一折弯角度和第二折弯角度的比对结果,可以进一步反映出用户的脊柱侧弯的程度,提高检测结果的准确性。
在一些实施方式中,第一折弯角度可以是用户的背部与臀部之间的夹角,第二折弯角度可以是用户的腹部与大腿之间的夹角,第三折弯角度可以是用户的左侧腰部与大腿之间的夹角,第四折弯角度可以是用户的右侧腰部与大腿之间的夹角。
在一些可选的实施例中,所述方法还可以包括:
获取每种折弯动作对应的平衡度;
所述处理器被配置成采用以下方式获取所述用户的脊柱侧弯评估信息:
基于所述第一折弯角度、所述第二折弯角度、所述第三折弯角度、所述第四折弯角度以及每种折弯动作对应的平衡度,获取所述用户的脊柱侧弯评估信息。
在另一些可选的实施例中,所述方法还可以包括:
分别获取所述用户在预设时长内做每种折弯动作的抖动次数,基于每种折弯动作对应的抖动次数,获取每种折弯动作对应的平衡度;
所述处理器被配置成采用以下方式获取所述用户的脊柱侧弯评估信息:
基于所述第一折弯角度、所述第二折弯角度、所述第三折弯角度、所述第四折弯角度以及每种折弯动作对应的平衡度,获取所述用户的脊柱侧弯评估信息。
由此,用户在做折弯动作时会促使肌肉疲劳,因此会产生一定程度的抖动,可以利用计算机视觉检测技术获取用户在预设时长内的抖动次数,抖动次数越少,表明用户做该动作的平衡度越好,抖动次数越多,表明用户做该动作的平衡度越差。
用户在发生脊柱侧弯时,不仅在做不同折弯动作时对应的折弯角度不同,在做不同折弯动作时对应的平衡度也会不同,平衡度可以通过预设时长内做每种折弯动作的抖动次数计算得出。从平衡度和折弯程度(折弯角度)两方面评估用户做每种折弯动作的表现,进而得出用户的脊柱侧弯评估信息,进一步提高检测结果的准确性。
在一具体实施方式中,分别采集用户躯干(上身)向前、后、左、右四个方向做折弯动作(即第一折弯动作、第二折弯动作、第三折弯动作和第四折弯动作)的全身图像,将这些全身图像做360度多方位立体动态成像处理,在对应的显示设备上显示三维视图(三维模型),方便医生做相关分析判断。
例如,医生可以旋转该三维视图,观察用户在不同方向的姿态。
脊柱侧弯的表现是脊柱朝向某一侧凸,比如腰椎向右侧凸,应该为脊柱右侧弯,相应地,腰椎向左侧凸,应该为脊柱左侧弯。
对于脊柱右侧弯的用户,在做上身向右弯折的动作时,由于方向与侧弯方向一致,对应的折弯角度会更大一些,平衡度也会相应高一些(具体表现为身体抖动频次较低),而在做上身向左弯折的动作时,由于方向与侧弯方向相反,身体是拧着的,会感到不适,对应的折弯角度会更小一些,平衡度也会相应低一些(具体表现为身体抖动频次较高)。
本申请实施例对预设时长不作限定,预设时长例如是1分钟、2分钟或者3分钟。
平衡度例如可以采用分数或者等级表示,分数、等级越高表示用户做该预设动作的平衡能力越优秀,而采用较低的分数、等级表示用户做该预设动作的平衡能力越差。
在一具体应用中,平衡度可以用0到1之间的数字表示。
获取每种折弯动作对应的平衡度的过程如下:
1分钟内抖动次数不大于5次,则该折弯动作对应的平衡度为1;
1分钟内抖动次数大于5次且不大于10次,则该折弯动作对应的平衡度为0.5;
1分钟内抖动次数大于10次,则该折弯动作对应的平衡度为0.2。
脊柱侧弯评估信息例如可以采用分数或者等级表示,分数、等级越高表示用户脊柱侧弯的程度越严重,而采用较低的分数、等级表示用户脊柱侧弯的程度较为轻微。
在一些实施方式中,用户的脊柱侧弯评估信息可以用脊柱侧弯评分表示,计算脊柱侧弯评分的过程如下:
脊柱侧弯评分=第二折弯角度×第二折弯动作对应的平衡度-第一折弯角度×第一折弯动作对应的平衡度+第四折弯角度×第四折弯动作对应的平衡度-第三折弯角度×第三折弯动作对应的平衡度。
在一具体应用中,用户甲的第一折弯角度为70度,第一折弯动作对应的平衡度为0.5,第二折弯角度为100度,第一折弯动作对应的平衡度为0.5,第三折弯角度为120度,第三折弯动作对应的平衡度为1,第四折弯角度为130度,第四折弯动作对应的平衡度为1,用户小王的脊柱侧弯评分=100×0.5-70×0.5+130×1-120×1=25。
在一些可选的实施例中,所述方法还可以包括:
利用第一压力传感器获取所述用户左脚对应的第一压力,利用第二压力传感器获取所述用户右脚对应的第二压力,所述第一压力传感器设置于所述用户的左脚脚底,所述第二压力传感器设置于所述用户的右脚脚底;
基于所述第一压力和所述第二压力,获取所述用户的脊柱侧弯评估信息。
由此,一般而言,发生脊柱侧弯的用户的双脚所承受的压力不同,在用户做站立动作的条件下,通过比对左脚对应的第一压力和右脚对应的第二压力,可以反映出用户的脊柱侧弯的程度,检测过程较为简单,易于实现。
在一些实施方式中,第一压力传感器和第二压力传感器可以是平板式压力传感器。用户直立于地面,用户的肩部和髋部与地面保持水平,两脚与肩同宽,第一压力传感器设置于用户左脚脚底,第二压力传感器设置于用户右脚脚底,第一压力传感器和第二压力传感器检测用户两脚的重力分布(左脚对应的第一压力和右脚对应的第二压力)。
用户的脊柱侧弯评估信息可以用脊柱侧弯评分表示,计算脊柱侧弯评分的过程如下:
获取所述第一压力和所述第二压力的压差,基于所述压差,获取所述用户的脊柱侧弯评分。
脊柱侧弯评分可以与压差成正比,压差越高,脊柱侧弯评分越高,用户脊柱侧弯的程度越严重。
在一些可选的实施例中,所述方法还可以包括:
利用红外热成像设备获取所述用户的红外热图;
基于所述红外热图,获取所述用户的脊柱两侧的第一温差信息,所述第一温差信息用于指示脊柱两侧的对称部位的温度差值;
基于所述第一温差信息,获取所述用户的脊柱侧弯评估信息。
由此,由于发生炎症的部位的温度会高于其他部位的温度,因此,可以根据温度信息来诊断疾病,红外热成像检测技术检查时不受主客观因素的影响,可视化地反映了组织损伤及代谢变化。
一般而言,正常人体(未发生脊柱侧弯)背部的红外热图表达是呈左右对称性分布,并且沿脊柱正中向两侧温度呈递减趋势,如果用户发送脊柱侧弯,温度不会呈左右对称性分布,脊柱两侧的对称部位的温差较大(温度较高的一侧是脊柱侧弯的侧凸方向),可以利用红外热成像设备获取所述用户的红外热图,从而获取用户的脊柱两侧的第一温差信息,根据脊柱两侧的对称部位的温度差值评估用户的脊柱侧弯的程度。
在一些实施方式中,红外热成像设备可以是红外热像仪,红外热像仪可实现远距离非接触测温,并且相较于热电堆对具体的点(小区域)测温,热成像仪对整个相面(大范围)进行测温,并形成温度图像(红外热图),用户可直观地了解到被测物体的温度分布情况。
红外热像仪是一种利用红外热成像技术,通过对标的物的红外辐射探测,并加以信号处理、光电转换等手段,将标的物的温度分布的图像转换成可视图像的设备。红外热像仪将实际探测到的热量进行精确的量化,以面的形式实时成像标的物的整体,因此能够准确识别正在发热的疑似故障区域。操作人员通过屏幕上显示的图像色彩和热点追踪显示功能来初步判断发热情况和故障部位。
在一些可选的实施例中,所述获取所述用户的脊柱侧弯评估信息可以包括:
基于所述红外热图,获取所述用户的第二类预设关节的第二温差信息,所述第二温差信息用于指示所述第二类预设关节的温度与其邻近区域的温度差值,所述第二类预设关节是以下任意一种:肩关节、髋关节和膝关节;
基于所述第一温差信息和所述第二温差信息,获取所述用户的脊柱侧弯评估信息。
由此,多数脊柱侧弯用户的四肢关节受力不均匀,个别关节(肩关节、髋关节或者膝关节)会产生劳损,进而发生炎症,造成炎症位置的体温偏高,可以根据第二类预设关节的温度与其邻近区域的温度差值,判断第二类预设关节的劳损程度,结合脊柱两侧的对称部位的温度差值,评估用户的脊柱侧弯的程度。
本申请实施例对第二类预设关节的邻近区域不作限定,邻近区域可以是以第二类预设关节的中心为圆心,半径为预设尺寸的区域,预设尺寸可以是1厘米、2厘米或者3厘米。
一般而言,脊柱两侧的对称部位的温度差值越大,和/或,第二类预设关节的温度与其邻近区域的温度差值越大,用户的脊柱侧弯的程度越严重。
在另一些实施方式中,可以利用热电堆传感器实现测温,测得第二类预设关节的温度与其邻近区域的温度差值。
热电堆是一种热释电红外线传感器,是由多个热电偶构成的一种器件,热电堆在耳式体温计、放射温度计、电烤炉、食品温度检测等领域中,作为温度检测器件获得了广泛的应用。
热电堆传感器的结构:辐射接收面分为若干块,每块接一个热电偶,把它们串联起来,就构成热电堆。按用途不同,热电堆可以制成细丝型和薄膜型,亦可制成多通道型和阵列型器件。
热电堆作为一种非接触红外测温传感器,不需要直接接触被测物体就可以快速测得物体表面温度,可以测显高温的、危险的或移动的物体,且不会污染或损坏被测物体。热电偶的优点是具有结实耐用且价格低廉,使用方便和覆盖温度范围宽广,故被广泛用作温度传感器。
热电堆红外传感器是属于非接触式测量的应用,物体会发出辐射,进入热电堆里面的上面由硅芯片上面的一个热电偶,热电偶可以吸收这些红外的能量并产生和输出电信号。所测量的物体的温度越高所产生的红外能量就越多。
在一些实施方式中,所述方法还可以包括:
向所述用户设备推送所述脊柱侧弯评估信息对应的预设的康复训练视频。
对于脊柱侧弯不太严重的用户而言,每天进行针对性的康复训练,可以改善脊柱侧弯的症状。
本申请实施例还提供了一种脊柱侧弯的检测流程,具体过程如下:
1、采集用户做站立动作的全身图像,针对全身图像的主体形态做线性转化,取脊柱、肩膀和腰胯抽象为“士”字,处理后做标准正常姿态对比。
2、分别采集用户躯干(上身)向前、后、左、右四个方向做折弯动作的全身图像,根据折弯动作的折弯程度和平衡度做二次分析。该全身图像可以做360度多方位立体动态成像处理,形成三维视图,方便提供给专业医生做相关分析判断。
3、在用户站姿条件下,两脚与肩同宽,通过平板式压力传感器分别获取用户两脚的重力分布,做进一步侧弯程度分析,得到脊柱侧弯的检测结果(即脊柱侧弯评估信息)。
4、作为辅助诊断手段,采用PIR定向热电堆红外技术做局部体温诊断,帮助判断由于脊柱侧弯可能造成的关节局部受力损伤所形成的炎症(炎症部位的体温偏高)。
本申请实施例的脊柱侧弯检测方法的适用人群可以是18岁以下人群,这些人群的脊柱侧弯发病风险最高,需要的监管力度最大。当然,脊柱侧弯检测方法也可以针对成年用户,使用人群的范围较广,并且检测方式十分简单,青少年以及儿童也可以轻易上手,配合用户设备的软件的使用也能使家长通过远程检测实时关注孩子们的健康。
脊柱侧弯检测方法不仅可以检测单一个体,也可以进行批量筛查,对于一些学校而言,购置2-3款脊柱检测装置放置于食堂或者大厅,就可以实时监管孩子们的健康。对于当今家长而言,孩子的健康和隐私是重中之重,利用脊柱检测装置可以对青少年脊柱侧弯做实时采样分析,实现实时监测,变相地保护了孩子们的隐私。
本申请实施例还提供了一种脊柱侧弯检测装置,所述脊柱侧弯检测装置的具体实现方式与上述方法实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
所述脊柱侧弯检测装置包括处理器,所述处理器被配置成实现以下步骤:
利用图像采集设备获取用户做预设动作的全身图像,所述预设动作包括站立动作;
采用细化算法对所述站立动作的全身图像进行细化线提取,以获取所述用户的第一类预设关节的细化线,所述第一类预设关节包括脊柱关节、肩关节和髋关节;
基于所述第一类预设关节的细化线,获取所述用户的姿态信息,并计算所述用户的姿态信息与标准姿态信息的相似度;
当所述相似度小于预设相似度阈值时,生成提示信息并发送至用户设备,所述提示信息用于指示所述用户发生脊柱侧弯。
在一些可选的实施例中,所述预设动作还包括第一折弯动作和第二折弯动作,所述第一折弯动作是上身前屈的动作,所述第二折弯动作是上身后仰的动作;
所述处理器还被配置成实现以下步骤:
基于所述第一折弯动作的全身图像,获取所述用户对应的第一折弯角度;
基于所述第二折弯动作的全身图像,获取所述用户对应的第二折弯角度;
基于所述第一折弯角度和所述第二折弯角度,获取所述用户的脊柱侧弯评估信息,所述脊柱侧弯评估信息用于指示所述用户的脊柱侧弯的程度。
在一些可选的实施例中,所述预设动作还包括第三折弯动作和第四折弯动作,所述第三折弯动作是上身向左侧髋关节折弯的动作,所述第四折弯动作是上身向右侧髋关节折弯的动作;
所述处理器还被配置成实现以下步骤:
基于所述第三折弯动作的全身图像,获取所述用户对应的第三折弯角度;
基于所述第四折弯动作的全身图像,获取所述用户对应的第四折弯角度;
所述处理器被配置成采用以下方式获取所述用户的脊柱侧弯评估信息:
基于所述第一折弯角度、所述第二折弯角度、所述第三折弯角度和所述第四折弯角度,获取所述用户的脊柱侧弯评估信息。
在一些可选的实施例中,所述处理器还被配置成实现以下步骤:
分别获取所述用户在预设时长内做每种折弯动作的抖动次数,基于每种折弯动作对应的抖动次数,获取每种折弯动作对应的平衡度;
所述处理器被配置成采用以下方式获取所述用户的脊柱侧弯评估信息:
基于所述第一折弯角度、所述第二折弯角度、所述第三折弯角度、所述第四折弯角度以及每种折弯动作对应的平衡度,获取所述用户的脊柱侧弯评估信息。
在一些可选的实施例中,所述处理器还被配置成实现以下步骤:
利用第一压力传感器获取所述用户左脚对应的第一压力,利用第二压力传感器获取所述用户右脚对应的第二压力,所述第一压力传感器设置于所述用户的左脚脚底,所述第二压力传感器设置于所述用户的右脚脚底;
基于所述第一压力和所述第二压力,获取所述用户的脊柱侧弯评估信息。
在一些可选的实施例中,所述处理器还被配置成实现以下步骤:
利用红外热成像设备获取所述用户的红外热图;
基于所述红外热图,获取所述用户的脊柱两侧的第一温差信息,所述第一温差信息用于指示脊柱两侧的对称部位的温度差值;
基于所述第一温差信息,获取所述用户的脊柱侧弯评估信息。
在一些可选的实施例中,所述处理器被配置成采用以下步骤获取所述用户的脊柱侧弯评估信息:
基于所述红外热图,获取所述用户的第二类预设关节的第二温差信息,所述第二温差信息用于指示所述第二类预设关节的温度与其邻近区域的温度差值,所述第二类预设关节是以下任意一种:肩关节、髋关节和膝关节;
基于所述第一温差信息和所述第二温差信息,获取所述用户的脊柱侧弯评估信息。
参见图2,图2是本申请实施例提供的一种脊柱侧弯检测装置200的结构框图。
脊柱侧弯检测装置200包括至少一个存储器210和至少一个处理器220,脊柱侧弯检测装置200还可以包括连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)211和/或高速缓存存储器212,还可以进一步包括只读存储器(ROM)213。
其中,存储器210还存储有计算机程序,计算机程序可以被处理器220执行,使得处理器220实现上述任一项装置的功能或者实现上述任一项方法的步骤,其具体实现方式与上述方法实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
存储器210还可以包括具有至少一个程序模块215的实用工具214,这样的程序模块215包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例的每一个或某种组合中可能包括网络环境的实现。
相应的,处理器220可以执行上述计算机程序,以及可以执行实用工具214。
处理器220可以采用一个或多个应用专用集成电路(ASIC,Application SpecificIntegrated Circuit)、DSP、可编程逻辑器件(PLD,ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)或其他电子元件。
总线230可以为表示几类总线结构的一种或多种,包括存储器总线或者存储器自动驾驶车辆、外围总线、图形加速端口、处理器或者使用多种总线结构的任意总线结构的局域总线。
脊柱侧弯检测装置200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信,还可与一个或者多个能够与该脊柱侧弯检测装置200交互的设备通信,和/或与使得该脊柱侧弯检测装置200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口250进行。并且,脊柱侧弯检测装置200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与脊柱侧弯检测装置200的其它模块通信。应当明白,尽管图中未示出,可以结合脊柱侧弯检测装置200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
参见图3,图3是本申请实施例提供的一种脊柱侧弯检测系统100的结构框图。
所述脊柱侧弯检测系统100的具体实现方式与上述方法实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
所述脊柱侧弯检测系统100包括图像采集设备300和上述任一项脊柱侧弯检测装置200,所述图像采集设备300和所述脊柱侧弯检测装置200电连接;
所述图像采集设备300用于采集用户做预设动作的全身图像。
在一些可选的实施例中,所述脊柱侧弯检测系统100还包括红外热成像设备400、设置于所述用户的左脚脚底的第一压力传感器500和设置于所述用户的右脚脚底的第二压力传感器600;
所述脊柱侧弯检测装置200分别与所述红外热成像设备400、所述第一压力传感器500和所述第二压力传感器600电连接;
所述红外热成像设备400用于获取所述用户的红外热图,所述第一压力传感器500用于获取所述用户左脚对应的第一压力,所述第二压力传感器600用于获取所述用户右脚对应的第二压力。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质用于存储计算机程序,所述计算机程序被执行时实现上述任一项方法的步骤,其具体实现方式与上述方法实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
参见图4,图4示出了本申请实施例提供的一种程序产品的结构示意图。
所述程序产品用于实现上述任一项方法。程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本申请中,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。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
计算机可读存储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,其中承载了可读程序代码。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。可读存储介质还可以是任何可读介质,该可读介质可以发送、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。可读存储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、有线、光缆、RF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的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,已符合专利法所强调的功能增进及使用要件,本申请以上的说明书及说明书附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (10)
1.一种脊柱侧弯检测装置,其特征在于,所述脊柱侧弯检测装置包括处理器,所述处理器被配置成实现以下步骤:
利用图像采集设备获取用户做预设动作的全身图像,所述预设动作包括站立动作;
采用细化算法对所述站立动作的全身图像进行细化线提取,以获取所述用户的第一类预设关节的细化线,所述第一类预设关节包括脊柱关节、肩关节和髋关节;
基于所述第一类预设关节的细化线,获取所述用户的姿态信息,并计算所述用户的姿态信息与标准姿态信息的相似度;
当所述相似度小于预设相似度阈值时,生成提示信息并发送至用户设备,所述提示信息用于指示所述用户发生脊柱侧弯。
2.根据权利要求1所述的脊柱侧弯检测装置,其特征在于,所述预设动作还包括第一折弯动作和第二折弯动作,所述第一折弯动作是上身前屈的动作,所述第二折弯动作是上身后仰的动作;
所述处理器还被配置成实现以下步骤:
基于所述第一折弯动作的全身图像,获取所述用户对应的第一折弯角度;
基于所述第二折弯动作的全身图像,获取所述用户对应的第二折弯角度;
基于所述第一折弯角度和所述第二折弯角度,获取所述用户的脊柱侧弯评估信息,所述脊柱侧弯评估信息用于指示所述用户的脊柱侧弯的程度。
3.根据权利要求2所述的脊柱侧弯检测装置,其特征在于,所述预设动作还包括第三折弯动作和第四折弯动作,所述第三折弯动作是上身向左侧髋关节折弯的动作,所述第四折弯动作是上身向右侧髋关节折弯的动作;
所述处理器还被配置成实现以下步骤:
基于所述第三折弯动作的全身图像,获取所述用户对应的第三折弯角度;
基于所述第四折弯动作的全身图像,获取所述用户对应的第四折弯角度;
所述处理器被配置成采用以下方式获取所述用户的脊柱侧弯评估信息:
基于所述第一折弯角度、所述第二折弯角度、所述第三折弯角度和所述第四折弯角度,获取所述用户的脊柱侧弯评估信息。
4.根据权利要求3所述的脊柱侧弯检测装置,其特征在于,所述处理器还被配置成实现以下步骤:
分别获取所述用户在预设时长内做每种折弯动作的抖动次数,基于每种折弯动作对应的抖动次数,获取每种折弯动作对应的平衡度;
所述处理器被配置成采用以下方式获取所述用户的脊柱侧弯评估信息:
基于所述第一折弯角度、所述第二折弯角度、所述第三折弯角度、所述第四折弯角度以及每种折弯动作对应的平衡度,获取所述用户的脊柱侧弯评估信息。
5.根据权利要求1所述的脊柱侧弯检测装置,其特征在于,所述处理器还被配置成实现以下步骤:
利用第一压力传感器获取所述用户左脚对应的第一压力,利用第二压力传感器获取所述用户右脚对应的第二压力,所述第一压力传感器设置于所述用户的左脚脚底,所述第二压力传感器设置于所述用户的右脚脚底;
基于所述第一压力和所述第二压力,获取所述用户的脊柱侧弯评估信息。
6.根据权利要求1所述的脊柱侧弯检测装置,其特征在于,所述处理器还被配置成实现以下步骤:
利用红外热成像设备获取所述用户的红外热图;
基于所述红外热图,获取所述用户的脊柱两侧的第一温差信息,所述第一温差信息用于指示脊柱两侧的对称部位的温度差值;
基于所述第一温差信息,获取所述用户的脊柱侧弯评估信息。
7.根据权利要求6所述的脊柱侧弯检测装置,其特征在于,所述处理器被配置成采用以下步骤获取所述用户的脊柱侧弯评估信息:
基于所述红外热图,获取所述用户的第二类预设关节的第二温差信息,所述第二温差信息用于指示所述第二类预设关节的温度与其邻近区域的温度差值,所述第二类预设关节是以下任意一种:肩关节、髋关节和膝关节;
基于所述第一温差信息和所述第二温差信息,获取所述用户的脊柱侧弯评估信息。
8.一种脊柱侧弯检测系统,其特征在于,所述脊柱侧弯检测系统包括图像采集设备和权利要求1-7任一项所述的脊柱侧弯检测装置,所述图像采集设备和所述脊柱侧弯检测装置电连接;
所述图像采集设备用于采集用户做预设动作的全身图像。
9.根据权利要求8所述的脊柱侧弯检测系统,其特征在于,所述脊柱侧弯检测系统还包括红外热成像设备、第一压力传感器和第二压力传感器;
所述脊柱侧弯检测装置分别与所述红外热成像设备、所述第一压力传感器和所述第二压力传感器电连接;
所述红外热成像设备用于获取所述用户的红外热图,所述第一压力传感器用于获取所述用户左脚对应的第一压力,所述第二压力传感器用于获取所述用户右脚对应的第二压力。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述脊柱侧弯检测装置的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211165918.2A CN115578789A (zh) | 2022-09-23 | 2022-09-23 | 脊柱侧弯检测装置、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211165918.2A CN115578789A (zh) | 2022-09-23 | 2022-09-23 | 脊柱侧弯检测装置、系统及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115578789A true CN115578789A (zh) | 2023-01-06 |
Family
ID=84580817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211165918.2A Pending CN115578789A (zh) | 2022-09-23 | 2022-09-23 | 脊柱侧弯检测装置、系统及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578789A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116092630A (zh) * | 2023-03-02 | 2023-05-09 | 北京积水潭医院 | 一种针对青少年脊柱侧弯疾病的治疗方法、系统和介质 |
-
2022
- 2022-09-23 CN CN202211165918.2A patent/CN115578789A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116092630A (zh) * | 2023-03-02 | 2023-05-09 | 北京积水潭医院 | 一种针对青少年脊柱侧弯疾病的治疗方法、系统和介质 |
CN116092630B (zh) * | 2023-03-02 | 2023-10-20 | 北京积水潭医院 | 一种针对青少年脊柱侧弯疾病的治疗方法、系统和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Muneer et al. | Smart health monitoring system using IoT based smart fitness mirror | |
Bonnechere et al. | Determination of the precision and accuracy of morphological measurements using the Kinect™ sensor: comparison with standard stereophotogrammetry | |
US20150003687A1 (en) | Motion information processing apparatus | |
US20150320343A1 (en) | Motion information processing apparatus and method | |
US20180184947A1 (en) | Integrated Goniometry System and Method for Use of Same | |
JP2022516586A (ja) | ボディの分析 | |
Loureiro et al. | Using a skeleton gait energy image for pathological gait classification | |
CN114999646B (zh) | 新生儿运动发育评估系统、方法、装置及存储介质 | |
CN115346670A (zh) | 基于姿态识别的帕金森病评级方法、电子设备及介质 | |
Bumacod et al. | Image-processing-based digital goniometer using OpenCV | |
CN115578789A (zh) | 脊柱侧弯检测装置、系统及计算机可读存储介质 | |
Jin et al. | Estimating human weight from a single image | |
Papež et al. | Infrared thermography based on artificial intelligence as a screening method for carpal tunnel syndrome diagnosis | |
US20160310791A1 (en) | Activity and Exercise Monitoring System | |
Wang et al. | A webcam-based machine learning approach for three-dimensional range of motion evaluation | |
Nahavandi et al. | A low cost anthropometric body scanning system using depth cameras | |
Blythman et al. | Assessment of deep learning pose estimates for sports collision tracking | |
JP7459658B2 (ja) | 身体能力提示方法および身体能力提示装置 | |
JP7169213B2 (ja) | 身体健康状態映像分析装置、方法並びにシステム | |
Matzner et al. | Standoff human identification using body shape | |
Kusunoki et al. | Evaluating activities of daily living using an infrared depth sensor: KINECTTM | |
Xiahou et al. | A Feature-Level Fusion-Based Multimodal Analysis of Recognition and Classification of Awkward Working Postures in Construction | |
Preethi et al. | Digital anthropometry for health screening from an image using FETTLE App | |
Hu et al. | Acrnet: Attention cube regression network for multi-view real-time 3d human pose estimation in telemedicine | |
Prima et al. | Evaluation of Joint Range of Motion Measured by Vision Cameras |
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 |