CN115797972A - 一种居于ai图像识别判定四肢运动能力的系统 - Google Patents

一种居于ai图像识别判定四肢运动能力的系统 Download PDF

Info

Publication number
CN115797972A
CN115797972A CN202211540877.0A CN202211540877A CN115797972A CN 115797972 A CN115797972 A CN 115797972A CN 202211540877 A CN202211540877 A CN 202211540877A CN 115797972 A CN115797972 A CN 115797972A
Authority
CN
China
Prior art keywords
module
identification module
human body
image recognition
limb movement
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
CN202211540877.0A
Other languages
English (en)
Inventor
袁翔
陈明
蔡学良
朱文锋
徐东明
殷斌
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.)
Fu Shou Kang Smart Shanghai Medical Elderly Care Service Co ltd
Original Assignee
Fu Shou Kang Smart Shanghai Medical Elderly Care 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 Fu Shou Kang Smart Shanghai Medical Elderly Care Service Co ltd filed Critical Fu Shou Kang Smart Shanghai Medical Elderly Care Service Co ltd
Priority to CN202211540877.0A priority Critical patent/CN115797972A/zh
Publication of CN115797972A publication Critical patent/CN115797972A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及自动监控技术领域，公开了一种居于AI图像识别判定四肢运动能力的系统，包括数据采集模块、识别模块、算法模块以及预估模块：数据采集模块：所述数据采集模块用于实时采集视频数据；识别模块：所述识别模块用于识别人体关键点位；算法模块：所述算法模块用于对所述识别模块识别的人体关键点位之间角度的计算；所述人体关键点位有33个，所述每个点的坐标都是三维空间中归一化后的点；所述识别模块采用MediaPipe。本发明中，借助MediaPipe轻便可移植性，能随时随地进行运动能力评测，节省人力物力，MediaPipe对姿体的识别便捷高效准确，能准确检测人体关键点位。

Description

一种居于AI图像识别判定四肢运动能力的系统
技术领域
本发明涉及自动监控技术领域，具体为一种居于AI图像识别判定四肢运动能力的系统。
背景技术
随着科技发展，现代人们越来越意识到健康的重要，但是到指定专业机构进行评估对老人而言会有诸多不便，所以需要一款能够随时随地提供相关专业的测评的便民应用或系统。
目前主要通过人工对人体四肢运动能力进行评估，费时且费力，需要去专门的机构找专业人员进行评估，此外人工的评测结果容易因评测人员不同而不同，存在较大误差。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种居于AI图像识别判定四肢运动能力的系统，解决了背景技术提出的问题。
(二)技术方案
为实现上述目的，本发明提供如下技术方案：一种居于AI图像识别判定四肢运动能力的系统，包括数据采集模块、识别模块、算法模块以及预估模块；
数据采集模块：所述数据采集模块用于实时采集视频数据；
识别模块：所述识别模块用于识别人体关键点位；
算法模块：所述算法模块用于对所述识别模块识别的人体关键点位之间角度的计算；
预估模块：所述预估模块用于对所述算法模块计算的评分估算最终比例。
优选的，所述人体关键点位有33个，所述每个点的坐标都是三维空间中归一化后的点。
优选的，所述识别模块采用MediaPipe。
优选的，所述算法模块中的空间向量的夹角公式为：
Figure BDA0003977552650000021
优选的，所述上述公式中的θ为某关节的夹角，所述关节的两个肢体在空间中的向量分别为：
Figure BDA0003977552650000022
则
Figure BDA0003977552650000023
Figure BDA0003977552650000024
所述得到关节夹角的余弦值利用反三角函数计算角度θ。
(三)有益效果
与现有技术对比，本发明具备以下有益效果：
1、本发明中，借助MediaPipe轻便可移植性，能随时随地进行运动能力评测，节省人力物力，MediaPipe对姿体的识别便捷高效准确，能准确检测人体关键点位。
2、本发明中，采用标准化的流程根据关键点位计算关节弯曲角度，再计算的分，然后估计在整体中所处的位置，误差小，不会因观测对象产生不必要的主观误差。
附图说明
图1为本发明的监测流程图；
图2为本发明Mediapipe姿势识别的33个关键点位标记示意图；
图3为本发明实施例中肩关节测量示意图；
图4为本发明实施例中肘关节测量示意图；
图5为本发明实施例中髋关节测量示意图；
图6为本发明实施例中膝关节测量示意图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，一种居于AI图像识别判定四肢运动能力的系统，包括数据采集模块、识别模块、算法模块以及预估模块；
数据采集模块：所述数据采集模块用于实时采集视频数据；
识别模块：所述识别模块用于识别人体关键点位；
算法模块：所述算法模块用于对所述识别模块识别的人体关键点位之间角度的计算；
预估模块：所述预估模块用于对所述算法模块计算的评分估算最终比例。
进一步的，所述人体关键点位有33个，所述每个点的坐标都是三维空间中归一化后的点，下表1中为图2中点位对应表。
Figure BDA0003977552650000031
Figure BDA0003977552650000041
表1为人体关键点位说明表
进一步的，所述识别模块采用MediaPipe，MediaPipe是一款由谷歌开发并开源的多媒体机器学习模型应用框架，里面包含了很多例如姿态、人脸检测、虹膜等各种各样的模型以及机器学习算法。MediaPipe Pose是一种用于高保真身体姿势跟踪的ML解决方案，利用Google的BlazePose研究从RGB视频帧中推断出全身的33个3D坐标(如图2所示)和背景分割蒙版。
进一步的，所述算法模块中的空间向量的夹角公式为：
Figure BDA0003977552650000042
进一步的，所述上述公式中的θ为某关节的夹角，所述关节的两个肢体在空间中的向量分别为：
Figure BDA0003977552650000043
则
Figure BDA0003977552650000044
Figure BDA0003977552650000045
所述得到关节夹角的余弦值利用反三角函数计算角度θ。
本实施例中，如图3-图6所示，计算各个关节的公式如下：
Figure BDA0003977552650000046
其中，θ为某个关节的得分，θmin为该关节得0分的角度，θmax为该关节得100分的角度，当该关节弯曲程度小于等于θmin时，得0分；当该关节弯曲程度大于等于θmax时，得满分100；当关节弯曲角度位于期间时，根据公式进行计算，各个关节的得0分的角度和得满分的角度对应关系如下表：
关节 得0分角度 得100分角度
肩关节 30 170
肘关节 30 150
髋关节 30 150
膝关节 30 150
表2为各个关节的得0分的角度和得满分的角度对应关系表
比如，某一时刻捕获到的视频某帧数据中,右肩关节点位在空间中的坐标P12＝(x12,y12,z12),右肘在空间中的坐标P14＝(x14,y14,z14),右髋在空间中的坐标P24＝(x24,y24,z24)，则可以得到空间中的两向量
Figure BDA0003977552650000051
Figure BDA0003977552650000052
则利用空间中向量夹角的公式求夹角
Figure BDA0003977552650000053
再根据上述得分公式可以计算出右肩的得分；
预估：假设各个年龄阶段的人的四肢的运动能力服从正态分布，通过样本数据计算期望和标准差，可以分别得到各个年龄阶段的正态分布概率密度函数。可以初略估算超过相同阶段人数的百分比；
正态分布是一种极为常见的连续型概率分布，若随机变量X服从概率密度函数：
Figure BDA0003977552650000054
则称X服从均值为μ，方差为σ2的正态分布，记为X～N(μ,σ2)。当μ＝0，σ＝1时称为标准正态分布。一个含有n个样本的集合X＝{X1,X2,…,Xn}；
均值：
Figure BDA0003977552650000061
标准差：
Figure BDA0003977552650000062
在运用中，常使用公式
Figure BDA0003977552650000063
使随机变量标准化，通过查表，得到相应的概率值，下表为标准正态分布概率表；
Figure BDA0003977552650000064
Figure BDA0003977552650000071
Figure BDA0003977552650000081
表3为标准正态分布概率表
比如，通过统计数据得出，在70岁到80岁的人右肩的得分均值是70，标准差为10，即μ＝70，σ＝10，若有一人评分为75，则
Figure BDA0003977552650000091
通过查表可以得到0.5左侧的概率为0.6915，即可初略估计，75分能超过69％的人。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种居于AI图像识别判定四肢运动能力的系统，其特征在于：包括数据采集模块、识别模块、算法模块以及预估模块；
数据采集模块：所述数据采集模块用于实时采集视频数据；
识别模块：所述识别模块用于识别人体关键点位；
算法模块：所述算法模块用于对所述识别模块识别的人体关键点位之间角度的计算；
预估模块：所述预估模块用于对所述算法模块计算的评分估算最终比例。
2.根据权利要求1所述的一种居于AI图像识别判定四肢运动能力的系统，其特征在于：所述人体关键点位有33个，所述每个点的坐标都是三维空间中归一化后的点。
3.根据权利要求1所述的一种居于AI图像识别判定四肢运动能力的系统，其特征在于：所述识别模块采用MediaPipe。
4.根据权利要求1所述的一种居于AI图像识别判定四肢运动能力的系统，其特征在于：所述算法模块中的空间向量的夹角公式为：
Figure FDA0003977552640000011
5.根据权利要求4所述的一种居于AI图像识别判定四肢运动能力的系统，其特征在于：所述上述公式中的θ为某关节的夹角，所述关节的两个肢体在空间中的向量分别为：
Figure FDA0003977552640000012
则
Figure FDA0003977552640000013
Figure FDA0003977552640000014
所述得到关节夹角的余弦值利用反三角函数计算角度θ。
CN202211540877.0A 2022-12-02 2022-12-02 一种居于ai图像识别判定四肢运动能力的系统 Pending CN115797972A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211540877.0A CN115797972A (zh) 2022-12-02 2022-12-02 一种居于ai图像识别判定四肢运动能力的系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211540877.0A CN115797972A (zh) 2022-12-02 2022-12-02 一种居于ai图像识别判定四肢运动能力的系统

Publications (1)

Publication Number Publication Date
CN115797972A true CN115797972A (zh) 2023-03-14

Family

ID=85445155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211540877.0A Pending CN115797972A (zh) 2022-12-02 2022-12-02 一种居于ai图像识别判定四肢运动能力的系统

Country Status (1)

Country Link
CN (1) CN115797972A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117038006A (zh) * 2023-07-21 2023-11-10 筋斗云易行科技(西安)有限责任公司 一种上下肢骨科术后康复训练ai辅助诊断决策的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117038006A (zh) * 2023-07-21 2023-11-10 筋斗云易行科技(西安)有限责任公司 一种上下肢骨科术后康复训练ai辅助诊断决策的方法

Similar Documents

Publication Publication Date Title
CN108229509B (zh) 用于识别物体类别的方法及装置、电子设备
Wang et al. Automatic evaluation of the degree of facial nerve paralysis
JP4860749B2 (ja) 画像中の人物における位置決め指示との適合性を判定する機器、システム、及び方法
US7706601B2 (en) Object posture estimation/correlation system using weight information
Zhou et al. Face recognition from video: A condensation approach
CN104598871B (zh) 一种基于相关回归的面部年龄计算方法
CN106599785B (zh) 人体3d特征身份信息库的建立方法及设备
CN111860157B (zh) 一种运动分析方法、装置、设备和存储介质
CN112200074A (zh) 一种姿态对比的方法和终端
CN113870331B (zh) 一种基于深度学习的胸部ct与x光实时配准算法
CN113255598B (zh) 一种基于Transformer的行人重识别方法
CN114550027A (zh) 基于视觉的运动视频精细分析方法和装置
CN109740659A (zh) 一种图像匹配方法及装置、电子设备、存储介质
CN115797972A (zh) 一种居于ai图像识别判定四肢运动能力的系统
CN106611158A (zh) 人体3d特征信息的获取方法及设备
CN116092199A (zh) 一种员工工作状态识别方法及识别系统
CN109993116B (zh) 一种基于人体骨骼相互学习的行人再识别方法
CN112597847A (zh) 人脸姿态估计方法、装置、电子设备和存储介质
CN112215878B (zh) 一种基于surf特征点的x光图像配准方法
CN110414453A (zh) 一种基于机器视觉的多重视角下人体动作状态监测方法
Zobel et al. Robust facial feature localization by coupled features
CN113221815A (zh) 一种基于骨骼关键点自动检测技术的步态鉴定方法
CN115331153B (zh) 一种用于辅助前庭康复训练的姿态监测方法
Stough et al. Regional appearance in deformable model segmentation
CN113111850A (zh) 基于感兴趣区域变换的人体关键点检测方法、装置与系统

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