CN115841864B - 一种康复运动质量评估方法及系统 - Google Patents
一种康复运动质量评估方法及系统 Download PDFInfo
- Publication number
- CN115841864B CN115841864B CN202310145520.0A CN202310145520A CN115841864B CN 115841864 B CN115841864 B CN 115841864B CN 202310145520 A CN202310145520 A CN 202310145520A CN 115841864 B CN115841864 B CN 115841864B
- Authority
- CN
- China
- Prior art keywords
- joint
- vector
- plane
- movement
- angle
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开了一种康复运动质量评估方法及系统，包括步骤：采集患者康复运动过程中的肢体运动信息，从肢体运动信息中标记位置并提取肢体特征，从肢体特征得到运动质量评定参数，根据运动质量评定参数进行运动质量评估。本发明实现了评定每次康复训练时的运动质量，同时基于多次康复运动的评定结果变化趋势，预测患者最终的康复的结果，该方法也可以评定患者居家康复的结果。
Description
技术领域
本发明涉及医疗康复技术领域，具体涉及一种康复运动质量评估方法及系统。
背景技术
在脑卒中等疾病治疗过程中，康复运动训练是一项重要的治疗手段，康复运动训练效果将直接影响到最终肢体功能恢复的最佳时机。康复运动训练主要是由医生开康复处方，患者在康复治疗师指导下依据处方进行运动训练，医生在患者训练一段时间后进行肢体功能评定，确定患者康复进展。
然而患者在实际训练中会面临许多问题，例如，患者没有准确训练而发生代偿运动，或者患者不能及时了解自己的训练效果等。本发明提出的上肢康复运动质量的实时评定方法，不仅能够准确评定患者运动结果，同时能够实时指导患者的康复训练，实现康复评定与训练指导的融合。
发明内容
本发明的目的在于提出一种康复运动质量评估方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为实现上述技术目的，本发明技术方案如下：
一种康复运动质量评估方法，所述方法包括以下步骤：
步骤1，采集患者康复运动过程中的肢体运动信息；
步骤2，从肢体运动信息中标记位置并提取肢体特征；
步骤3，从肢体特征得到运动质量评定参数；
步骤4，根据运动质量评定参数进行运动质量评估。
进一步地，步骤1中，采集患者康复运动过程中的肢体运动信息的子步骤为：
步骤1.1：建立三维空间坐标系：以盆骨为原点，建立右手坐标系，以人体中轴线为y轴，以人体正前方为z轴，以人体左侧为x轴；
步骤1.2，通过运动捕捉摄像头采集患者康复运动过程中的肢体运动的关节点信息，获得关节点的位置；
步骤1.3：标记关节点的位置；
其中，需要标记的关节点数量为9个，包括盆骨、第12胸椎、第7颈椎棘突、左肩关节、左肘关节、左腕关节、右肩关节、右肘关节、右腕关节。
进一步地，步骤2中，从肢体运动信息中标记关节点位置并提取关节点特征的子步骤为：
通过关节点的位置提取出30个特征，其中包括23个初级特征，记为R1~R23，7个高级特征，记为R24~R30。
初级特征中第一类R1~R12为上肢双臂在空间平面即xoy平面、yoz平面和zox平面的偏差角，其中，一只手臂中分为大臂和小臂，小臂在3个平面的偏差角就有3个特征，2小臂加2大臂即有12个特征，用来判断肢体在运动中的偏差的数据值；第二类R13~R17是用来判断躯干及肩膀在运动中偏差的数据值，其中，R13和R14分别为躯干与y轴单位向量角度在水平和垂直分量上偏移量，R15和R16为左侧肩部和右侧肩部分别与胸椎之间的角度，R17为躯干旋转偏移量，偏差指当出现一些不规范的动作时，这些数值会发生变化，而这些变化的数值即为偏差的数值；例如手臂外展时要求在冠状面完成，但实际手臂抬起时在矢状面，可以认为手臂抬起时偏差了90度；第三类R18~R23为手臂运动中关节角度值，可以用来评定运动中肢体运动范围，其中，R18和R19分别为左右肩关节水平分量运动角度，R20和R21分别为左右肩关节垂直分量运动的角度，R22和R23分别为左右肘关节夹角。
高级特征中，R24~R27为速度变化值，其中，R24和R25分别为左肩和右肩关节运动角度速度变化值，R26和R27分别为左腕和右腕关节速度变化值；R28~R30为在速度值的基础上提取的高级特征，其中，R28和R29分别为左手腕和右手腕抖动数值，R30为加速度异常数，可用来描述运动中加速度异常变化和运动方向异常变化等。
三个平面(即xoy平面、yoz平面和zox平面)的偏差角定义为：
目标向量与xoy平面偏差角是目标向量投影到yoz面形成新的向量，新的向量与单位y向量的夹角；
目标向量与yoz平面偏差角是目标向量投影到zox平面形成新的向量，新的向量与单位z向量的夹角；
目标向量与zox平面偏差角是目标向量投影到xoy平面形成新的向量，新的向量与单位x向量的夹角。
偏差角的计算方法，例如，某个向量A与xoy平面的偏差角设为φ0，先向量A先投影到yoz平面形成新的向量B，再向量B与单位y向量的夹角记为φ0。
优选地，目标向量是一种假设向量，用来下定义的，相当于方程中的未知量x，可代入任何非零向量；初级特征中第一类R1-R12为上肢双臂在空间平面（xoy平面、yoz平面、zox平面）的偏差角，是用来判断肢体在运动中的偏差的数据值；第二类R13-R17是用来判断躯干及肩膀在运动中偏差的数据值；第三类R18-R23为手臂运动中关节角度值，可以用来评定运动中肢体运动范围；R24-R27为速度变化值；R28-R30为在速度值的基础上提取的高级特征，R28和R29根据一段运动中腕关节速度矢量的变化次数计算得到的数值。R30是从速度序列 求导数到一序列加速度值，在这一序列中异常值中计算出R30，这累计的异常值与R30负相关，可用来描述运动中加速度异常变化和运动方向异常变化。
分别计算R1~R30。
步骤2.1，记R1、R2和R3分别为左小臂在三维坐标系中分别与xoy平面、yoz平面、zox平面的偏差角，其中o为原点；由左腕关节和左肘关节这两个关节点的标记位置构成目标向量，目标向量命名为，左肘关节的标记位置为目标向量起点，左腕关节的标记位置为目标向量终点，目标向量投影到xoy平面、yoz平面、zox平面分别为：；
；
；
；
步骤2.2，
；
；
；
式中，R4、R5和R6分别为左大臂在三维坐标系中分别与xoy平面、yoz平面、zox平面的偏差角，左肘关节和左肩关节两点构成目标向量，左肩关节为目标向量起点，左肘关节为目标向量终点，目标向量命名为，目标向量投影到xoy平面、yoz平面、zox平面分别为：；
；
；
；
步骤2.3，
；
；
；
式中，R10、R11和R12为右大臂在三维坐标系中分别与xoy平面、yoz平面、zox平面的偏差角，右肩关节和右肘关节两点构成目标向量，右肩关节为目标向量起点，右肘关节为目标向量终点，目标向量命名为，目标向量投影到xoy平面、yoz平面、zox平面分别记为:；
步骤2.4，
；
；
式中，R13和R14分别为躯干与y轴单位向量角度在水平和垂直分量上偏移量，为第12胸椎、第7颈椎棘突两者构造的向量投影到xoy平面的向量，为第12胸椎、第7颈椎棘突两者构造的向量投影到yoz平面的向量，y轴单位向量为。
优选地，在上肢康复运动中，正常情况下，躯干应当为垂直状态，但在实际运动中出现了躯干的弯曲或者倾斜，并且检测到的偏差角度超过设定的阈值，那么可以认为躯干在一定程度上代偿上肢运动，即出现了康复训练的代偿现象。
步骤2.5，
；
；
式中，R15和R16为左侧肩部和右侧肩部分别与胸椎之间的角度，当该角度出现偏离并超过设定的阈值，表明肩部出现代偿现象。通过提取第12胸椎、第7颈椎棘突、左肩关节、右肩关节得到，R15为左侧肩部角度，R16为右侧肩部角度，第12胸椎和左肩关节点向量为。第12胸椎和右肩关节点向量为；
步骤2.6，
；
；
其中，R17为躯干旋转偏移量，在上肢康复运动中，正常情况下，躯干应当为垂直状态，当肩部有旋转量超过正常阈值时可认为是发生了代偿现象，比如：在下肢不动情况下，胸口从正面前方向左侧或右侧转动，躯干扭动肩部旋转产生的变量用旋转量来表示，主要体现肩部的旋转变化，旋转量由第7颈椎和肩关节构成的向量的旋转的角度。通过使第7颈椎棘突的坐标为（x3，y3，z3）、左肩关节的坐标为（x4，y4，z4），开始旋转量为，当前旋转量为，得到R17为当前躯干旋转偏移量；
步骤2.7：
；
；
其中，R18和R19分别为修正后的左右肩关节水平分量运动角度，表示在上肢肩关节锻炼中，肩关节角度的变化信息，提取标签左肩关节和左肘关节构成向量，投影到xoy平面为；右肩关节和右肘关节构成向量，投影到xoy平面为，R13为躯干偏差角度，即躯干与y轴单位向量角度在水平分量上偏移量；
步骤2.8，
；
；
其中，R20和R21分别为修正后的左右肩关节垂直分量运动的角度，提取左肩关节和左肘关节构成向量，投影到yoz平面为；右肩关节和右肘关节的位置构成向量，投影到yoz平面为，R13为躯干偏差角度。
R20和R21表示在上肢肩关节锻炼中，肩关节角度的变化信息。肩部关节计算中需要考虑到如果身体躯干发生旋转时可能出现的计算偏差，R13为躯干偏差角度。R20和R21为修正后的角度。
步骤2.9：
；
；
R22和R23分别为左右肘关节夹角，为左腕关节和左肘关节构成的向量，为右腕关节和右肘关节构成的向量；
步骤2.10：
；
；
其中，R24和R25分别为左肩和右肩关节运动角度速度变化值；
在一段运动中，采集到的n帧数据，肩关节角度的速度定义为：当前帧速度值是当前帧角度值与前一帧角度值的差值对于时间的计算，帧角度值表示为θi(i=2,3,……,n)，θi为当前帧值，θi-1为前一帧值，t为两帧间隔时间，为速度值，表示运动中，肩关节角度变化速度值。该速度体现的是在运动中肩关节角度变化快慢。左肩关节角度速度变化为，右肩关节角度速度变化为，求得R24、R25分别为速度变化的，的均值，
步骤2.11：
；
；
其中，R26和R27分别为左腕和右腕关节速度变化值，在一段运动中，采集到的n帧数据，左腕关节速度变化为，右腕关节速度变化为，计算标记点左腕关节和左肩关节的距离为，标记点右腕关节和右肩关节的距离为，R26和R27分别得到左腕和右腕关节的n 帧的归一化距离的平均值；
步骤2.12：
；
；
其中，R28和R29分别为左手腕和右手腕抖动数值，抖动次数与计算结果负相关，抖动次数越多，R28和R29越小。康复运动过程中，如果控制力不佳，可能存在着在运动过程中肢体出现的小范围来回抖动现象，当出现速度矢量方向发生偏转时记为一次抖动；
步骤2.13：
；
其中，R30为加速度异常数，如果在运动中控制不足，出现运动速度不均衡，速度控制快慢不定，表现在加速度会出现异常。根据阈值a判断加速度的异常，阈值a为正常运动中加速度的n帧均值，加速度ai(i=1,2,3,……,m)记为大于a的数值。
优选地，如果在运动中控制不足，出现运动速度不均衡，速度控制快慢不定，表现在加速度里就会出现异常。
进一步地，步骤3中，从肢体特征得到运动质量评定参数的子步骤为：
运动质量评定参数包括运动范围评定结果运动范围评定S1、运动偏差评定S2和运动平滑评定S3。
步骤3.1：计算运动范围评定结果S1，
；
；
；
其中，S1H为水平方向的评估值，S1V为垂直方向的评估值，input_H为水平方向的输入参数，target_H为水平方向的目标参数，input_V为垂直方向的输入参数，target_V为垂直方向的目标参数，限定WH+WV=1，输入参数input取对应关节在一段运动中运动角度在相应方向上的最大值，输入参数input对应R18~R21，其中input_H输入是R18或R19；input_V输入是R20或R21；输入参数和输出参数指关节运动的角度值。
默认手臂抬起后左右移动的水平方向最大活动角度为135°，手臂上下移动的垂直方向最大活动角度为180°；即target_H=135，target_V=180。
水平方向活动角度即手臂抬起然后左右移动时在水平方向移动的角度。垂直方向活动角度即手臂抬起上下移动的垂直移动角度。
步骤3.2：计算运动偏差评估结果S2，参数主要来源R1-R17，设定条件阈值的参数n，测量到的实际值为xi(i=1,2,3,……,n)=(x1,x2,x3,……,xn)对应的阈值VPTi(i=1,2,3,……,n)=(VPT1,VPT2,VPT3,……,VPTn)，xi对应Ri，阈值来源于正常成人上肢运动时相对应关节的偏离范围最大值的统计平均值；
；
；
其中，S2数值越高表明康复运动的偏差越少，运动质量越高。例如在肩关节运动中如果要求手臂在矢状面上进行屈伸运动，那么小臂和大臂就应该尽量贴近矢状面，偏差来源可能有小臂和大臂偏离矢状面、躯干有倾斜情况、肩部抬高等等代偿运动，这些可以作为S2参数的输入特征。
优选地，某些动作被允许的情况下，该动作对应的初级特征参数不应该被输入到S2中，例如以曲肘锻炼运动中，肘关节角度的变化应当作为运动范围输入参数而不是偏差输入参数。
步骤3.3，计算运动平滑评估结果S3：
。
S3的主要影响因素为R30，R30可以是各个关节点速度值得到的，可以是关节运动角度速度变化值得到的。理想状态下，一段运动中运动加速度越小肢体运动越趋于平稳，控制力越好。实际康复训练中由于多种因素影响加速度变化很大，这些变化很大的峰值区间，会被记录到R30参数中，当加速度有多次超出正常值的峰值区间时，R30就越小，从这个因素考虑使用R26初级特征做运动平滑评估结果S3。S3可由单个或者多个R30参数均值得到，R30个数为k，结果进行百分制化。
进一步地，步骤4中，根据运动质量评定参数进行运动质量评估的子步骤为：
根据权重对运动范围评定结果计算后进行相加得到康复运动质量评估结果S：
S=w1×S1+w2×S2+w3×S3；
式中，w1为S1的权重，w2为S2的权重，w3为S3的权重，w1+w2+w3=1，可以根据不同的康复要求进行设定不同的权重。
在一个实施例里，康复训练过程中只关注运动范围，w1设置为1，w2和w3为0，此时运动质量评估中不包括运动偏差和运动平滑的评估结果。
在一个实施例里，康复训练过程中综合考虑三个评定特征，w1，w2，w3的取值为0.5，0.3，0.2。
优选地，其中，本发明中所有未定义的变量，若未有明确定义，均可为人工设置的阈值。
一种康复运动质量评估系统，所述系统包括：
图像采集模块：用于采集患者康复运动过程中的肢体运动信息，包括运动捕捉摄像头；
数据处理模块：用于处理采集的肢体运动信息，进行轮廓提取并进行位置标记，根据肢体的位置进行执行所述一种康复运动质量评估方法得到运动质量评定参数，并输出康复运动质量评估结果；
结果输出模块：输出康复运动质量评估结果。
第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面提供的所述一种康复运动质量评估方法的步骤。
第四方面，本发明提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本发明提供的所述一种康复运动质量评估方法的步骤。
与现有技术相比，本发明具有以下有益的技术效果：
康复运动中，该方案可以评定每次康复训练时的运动质量，同时基于多次康复运动的评定结果变化趋势，预测患者最终的康复的结果，该方法也可以评定患者居家康复的结果。
附图说明
图1为本发明提供的一种康复运动质量评估方法的流程图；
图2为本发明一个实施例的一种康复运动质量评估系统结构示意框图；
图3为本发明采集的人体肢体关节的简要示意图；
图4是本发明的偏差角的简要示意图；
图中，1-盆骨，2-第12胸椎，3-第7颈椎棘突，4-左肩关节，5-左肘关节，6-左腕关节，7-右肩关节，8-右肘关节，9-右腕关节。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰，以下结合附图及实施例，对本发明进行进一步详尽说明。此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
同样应理解，以下实施例只用于对本发明进行进一步说明，不能理解为对本发明保护范围的限制，本领域的技术人员根据本发明上述内容做出的一些非本质的改进和调整均属于本发明的保护范围。下述示例具体的工艺参数等也仅是合适范围内的一个示例，即本领域技术人员可以通过本文的说明做合适的范围内选择，而并非要限定于下文示例的具体数值。
以下示例性地说明本发明提供的一种康复运动质量评估方法。
如图1所示为一种康复运动质量评估方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种康复运动质量评估方法，所述方法包括以下步骤：
步骤1，采集患者康复运动过程中的肢体运动信息；
步骤2，从肢体运动信息中标记位置并提取肢体特征；
步骤3，从肢体特征得到运动质量评定参数；
步骤4，根据运动质量评定参数进行运动质量评估。
进一步地，步骤1中，采集患者康复运动过程中的肢体运动信息的子步骤为：
步骤1.1：建立三维空间坐标系：以盆骨为原点，建立右手坐标系，以人体中轴线为y轴，以人体正前方为z轴，以人体左侧为x轴；
步骤1.2，通过运动捕捉摄像头采集患者康复运动过程中的肢体运动信息，获得关节点的位置；
步骤1.3：标记关节点的位置；
其中，参阅图3，图3描述了需要标记的9个关节点的位置，记为盆骨、第12胸椎、第7颈椎棘突、左肩关节、左肘关节、左腕关节、右肩关节、右肘关节、右腕关节。
进一步地，步骤2中，从肢体运动信息中标记位置并提取肢体特征的子步骤为：
通过关节点的位置提取出30个特征，其中包括23个初级特征，记为R1~R23，7个高级特征，记为R24~R30。
初级特征中第一类R1~R12为上肢双臂在空间平面即xoy平面、yoz平面和zox平面的偏差角，其中，一只手臂中分为大臂和小臂，小臂在3个平面的偏差角就有3个特征，2小臂加2大臂即有12个特征，用来判断肢体在运动中的偏差的数据值；第二类R13~R17是用来判断躯干及肩膀在运动中偏差的数据值，其中，R13和R14分别为躯干与y轴单位向量角度在水平和垂直分量上偏移量，R15和R16为左侧肩部和右侧肩部分别与胸椎之间的角度，R17为躯干旋转偏移量，偏差指当出现一些不规范的动作时，这些数值会发生变化，而这些变化的数值即为偏差的数值；例如手臂外展时要求在冠状面完成，但实际手臂抬起时在矢状面，可以认为手臂抬起时偏差了90度；第三类R18~R23为手臂运动中关节角度值，可以用来评定运动中肢体运动范围，其中，R18和R19分别为左右肩关节水平分量运动角度，R20和R21分别为左右肩关节垂直分量运动的角度，R22和R23分别为左右肘关节夹角。
高级特征中，R24~R27为速度变化值，其中，R24和R25分别为左肩和右肩关节运动角度速度变化值，R26和R27分别为左腕和右腕关节速度变化值；R28~R30为在速度值的基础上提取的高级特征，其中，R28和R29分别为左手腕和右手腕抖动数值，R30为加速度异常数，可用来描述运动中加速度异常变化和运动方向异常变化等。
三个平面(即xoy平面、yoz平面和zox平面)的偏差角定义为：
目标向量与xoy平面偏差角是目标向量投影到yoz面形成新的向量，新的向量与单位y向量的夹角；
目标向量与yoz平面偏差角是目标向量投影到zox平面形成新的向量，新的向量与单位z向量的夹角；
目标向量与zox平面偏差角是目标向量投影到xoy平面形成新的向量，新的向量与单位x向量的夹角。
偏差角的计算方法，例如，某个向量A与xoy平面的偏差角设为φ0，先向量A先投影到yoz平面形成新的向量B，再向量B与单位y向量的夹角记为φ0。
优选地，目标向量是一种假设向量，用来下定义的，相当于方程中的未知量x，可代入任何非零向量；初级特征中第一类R1-R12为上肢双臂在空间平面（xoy平面、yoz平面、zox平面）的偏差角，是用来判断肢体在运动中的偏差的数据值；第二类R13-R17是用来判断躯干及肩膀在运动中偏差的数据值；第三类R18-R23为手臂运动中关节角度值，可以用来评定运动中肢体运动范围；R24-R27为速度变化值；R28-R30为在速度值的基础上提取的高级特征，R28和R29根据一段运动中腕关节速度矢量的变化次数计算得到的数值。
R30是从速度序列 求导数到一序列加速度值，在这一序列中异常值中计算出R30，这累计的异常值与R30负相关，可用来描述运动中加速度异常变化和运动方向异常变化。
以下步骤分别计算R1~R30。
步骤2.1，记R1、R2和R3分别为左小臂在三维坐标系中分别与xoy平面、yoz平面、zox平面的偏差角，其中o为原点；由左腕关节和左肘关节这两个关节点的标记位置构成目标向量，目标向量命名为，左肘关节的标记位置为目标向量起点，左腕关节的标记位置为目标向量终点，目标向量投影到xoy平面、yoz平面、zox平面分别为：；
；
；
；
步骤2.2，
；
；
；
式中，R4、R5和R6分别为左大臂在三维坐标系中分别与xoy平面、yoz平面、zox平面的偏差角，左肘关节和左肩关节两点构成目标向量，左肩关节为目标向量起点，左肘关节为目标向量终点，目标向量命名为，目标向量投影到xoy平面、yoz平面、zox平面分别为：；
；
；
；
步骤2.3，
；
；
；
式中，R10、R11和R12为右大臂在三维坐标系中分别与xoy平面、yoz平面、zox平面的偏差角，右肩关节和右肘关节两点构成目标向量，右肩关节为目标向量起点，右肘关节为目标向量终点，目标向量命名为，目标向量投影到xoy平面、yoz平面、zox平面分别记为:；
步骤2.4，
；
；
式中，R13和R14分别为躯干与y轴单位向量角度在水平和垂直分量上偏移量，为第12胸椎、第7颈椎棘突两者构造的向量投影到xoy平面的向量，为第12胸椎、第7颈椎棘突两者构造的向量投影到yoz平面的向量，y轴单位向量为。
优选地，在上肢康复运动中，正常情况下，躯干应当为垂直状态，但在实际运动中出现了躯干的弯曲或者倾斜，并且检测到的偏差角度超过设定的阈值，那么可以认为躯干在一定程度上代偿上肢运动，即出现了康复训练的代偿现象。
步骤2.5，
；
；
式中，R15和R16为左侧肩部和右侧肩部分别与胸椎之间的角度，当该角度出现偏离并超过设定的阈值，表明肩部出现代偿现象。通过提取第12胸椎、第7颈椎棘突、左肩关节、右肩关节得到，R15为左侧肩部角度，R16为右侧肩部角度，第12胸椎和左肩关节点向量为。第12胸椎和右肩关节点向量为；
步骤2.6，
；
；
其中，R17为躯干旋转偏移量，在上肢康复运动中，正常情况下，躯干应当为垂直状态，当肩部有旋转量超过正常阈值时可认为是发生了代偿现象，比如：在下肢不动情况下，胸口从正面前方向左侧或右侧转动，躯干扭动肩部旋转产生的变量用旋转量来表示，主要体现肩部的旋转变化，旋转量由第7颈椎和肩关节构成的向量的旋转的角度。通过使第7颈椎棘突的坐标为（x3，y3，z3）、左肩关节的坐标为（x4，y4，z4），开始旋转量为，当前旋转量为，得到R17为当前躯干旋转偏移量；
步骤2.7：
；
；
其中，R18和R19分别为修正后的左右肩关节水平分量运动角度，表示在上肢肩关节锻炼中，肩关节角度的变化信息，提取标签左肩关节和左肘关节构成向量，投影到xoy平面为；右肩关节和右肘关节构成向量，投影到xoy平面为，R13为躯干偏差角度，即躯干与y轴单位向量角度在水平分量上偏移量；
步骤2.8，
；
；
其中，R20和R21分别为修正后的左右肩关节垂直分量运动的角度，提取左肩关节和左肘关节构成向量，投影到yoz平面为；右肩关节和右肘关节的位置构成向量，投影到yoz平面为，R13为躯干偏差角度。
R20和R21表示在上肢肩关节锻炼中，肩关节角度的变化信息。肩部关节计算中需要考虑到如果身体躯干发生旋转时可能出现的计算偏差，R13为躯干偏差角度。R20和R21为修正后的角度。
步骤2.9：
；
；
R22和R23分别为左右肘关节夹角，为左腕关节和左肘关节构成的向量，为右腕关节和右肘关节构成的向量；
步骤2.10：
；
；
其中，R24和R25分别为左肩和右肩关节运动角度速度变化值；
在一段运动中，采集到的n帧数据，肩关节角度的速度定义为：当前帧速度值是当前帧角度值与前一帧角度值的差值对于时间的计算，帧角度值表示为θi(i=2,3,……,n)，θi为当前帧值，θi-1为前一帧值，t为两帧间隔时间，为速度值，表示运动中，肩关节角度变化速度值。该速度体现的是在运动中肩关节角度变化快慢。左肩关节角度速度变化为，右肩关节角度速度变化为，求得R24、R25分别为速度变化的，的均值，
步骤2.11：
；
；
其中，R26和R27分别为左腕和右腕关节速度变化值，在一段运动中，采集到的n帧数据，左腕关节速度变化为，右腕关节速度变化为，计算标记点左腕关节和左肩关节的距离为，标记点右腕关节和右肩关节的距离为，R26和R27分别得到左腕和右腕关节的n 帧的归一化距离的平均值；
步骤2.12：
；
；
其中，R28和R29分别为左手腕和右手腕抖动数值，抖动次数与计算结果负相关，抖动次数越多，R28和R29越小。康复运动过程中，如果控制力不佳，可能存在着在运动过程中肢体出现的小范围来回抖动现象，当出现速度矢量方向发生偏转时记为一次抖动；
步骤2.13：
；
其中，R30为加速度异常数，如果在运动中控制不足，出现运动速度不均衡，速度控制快慢不定，表现在加速度会出现异常。根据阈值a判断加速度的异常，阈值a为正常运动中加速度的n帧均值，加速度ai(i=1,2,3,……,m)记为大于a的数值。
优选地，如果在运动中控制不足，出现运动速度不均衡，速度控制快慢不定，表现在加速度里就会出现异常。
进一步地，步骤3中，从肢体特征得到运动质量评定参数的子步骤为：
运动质量评定参数包括运动范围评定结果运动范围评定S1、运动偏差评定S2和运动平滑评定S3。
步骤3.1：计算运动范围评定结果S1，
；
；
；
其中，S1H为水平方向的评估值，S1V为垂直方向的评估值，input_H为水平方向的输入参数，target_H为水平方向的目标参数，input_V为垂直方向的输入参数，target_V为垂直方向的目标参数，限定WH+WV=1，输入参数input取对应关节在一段运动中运动角度在相应方向上的最大值；输入参数input对应R18~R21，其中input_H输入是R18或R19；input_V输入是R20或R21；输入参数和输出参数指关节运动的角度值。
默认手臂抬起后左右移动的水平方向最大活动角度为135，手臂上下移动的垂直方向最大活动角度为180；即target_H=135，target_V=180。
步骤3.2：计算运动偏差评估结果S2，参数主要来源R1-R17，设定条件阈值的参数n，测量到的实际值为xi(i=1,2,3,……,n)=(x1,x2,x3,……,xn)对应的阈值VPTi(i=1,2,3,……,n)=(VPT1,VPT2,VPT3,……,VPTn)，xi对应Ri，阈值来源于正常成人上肢运动时相对应关节的偏离范围最大值的统计平均值；
；
；
其中，S2数值越高表明康复运动的偏差越少，运动质量越高。例如在肩关节运动中如果要求手臂在矢状面上进行屈伸运动，那么小臂和大臂就应该尽量贴近矢状面，偏差来源可能有小臂和大臂偏离矢状面、躯干有倾斜情况、肩部抬高等等代偿运动，这些可以作为S2参数的输入特征。
优选地，某些动作被允许的情况下，该动作对应的初级特征参数不应该被输入到S2中，例如以曲肘锻炼运动中，肘关节角度的变化应当作为运动范围输入参数而不是偏差输入参数。
步骤3.3，计算运动平滑评估结果S3：
。
S3的主要影响因素为R30，R30可以是各个关节点速度值得到的，可以是关节运动角度速度变化值得到的。理想状态下，一段运动中运动加速度越小肢体运动越趋于平稳，控制力越好。实际康复训练中由于多种因素影响加速度变化很大，这些变化很大的峰值区间，会被记录到R30参数中，当加速度有多次超出正常值的峰值区间时，R30就越小，从这个因素考虑使用R26初级特征做运动平滑评估结果S3。S3可由单个或者多个R30参数均值得到，R30个数为k，结果进行百分制化。
进一步地，步骤4中，根据运动质量评定参数进行运动质量评估的子步骤为：
根据权重对运动范围评定结果计算后进行相加得到康复运动质量评估结果S：
S=w1×S1+w2×S2+w3×S3；
式中，w1为S1的权重，w2为S2的权重，w3为S3的权重，w1+w2+w3=1，可以根据不同的康复要求进行设定不同的权重。
在一个实施例里，康复训练过程中只关注运动范围，w1设置为1，w2和w3为0，此时运动质量评估中不包括运动偏差和运动平滑的评估结果。
在一个实施例里，康复训练过程中综合考虑三个评定特征，w1，w2，w3的取值为0.5，0.3，0.2。
优选地，其中，本发明中所有未定义的变量，若未有明确定义，均可为人工设置的阈值。
如图2所示是本发明一个实施例的一种康复运动质量评估系统结构示意框图。
一种康复运动质量评估系统，所述系统包括：
图像采集模块：用于采集患者康复运动过程中的肢体运动信息，包括运动捕捉摄像头；
数据处理模块：用于处理采集的肢体运动信息，进行轮廓提取并进行位置标记，根据肢体的位置进行执行所述一种康复运动质量评估方法得到运动质量评定参数，并输出康复运动质量评估结果；
结果输出模块：输出康复运动质量评估结果。
所述基于一种康复运动质量评估系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端服务器等计算设备中。所述一种康复运动质量评估系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种康复运动质量评估系统的示例，并不构成对一种康复运动质量评估系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种康复运动质量评估系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种康复运动质量评估系统运行系统的控制中心，利用各种接口和线路连接整个一种康复运动质量评估系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种康复运动质量评估系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨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。
Claims (7)
1.一种康复运动质量评估方法，其特征在于，所述方法包括以下步骤：
步骤1，采集患者康复运动过程中的肢体运动信息；
步骤2，从肢体运动信息中标记位置并提取肢体特征；
步骤3，从肢体特征得到运动质量评定参数；
步骤4，根据运动质量评定参数进行运动质量评估；
其中，从肢体运动信息中标记位置并提取肢体特征的子步骤为：
通过关节点的位置提取出30个特征，其中包括23个初级特征，记为R1~R23，7个高级特征，记为R24~R30；
初级特征中第一类R1~R12为上肢双臂在空间平面即xoy平面、yoz平面和zox平面的偏差角，用来判断肢体在运动中的偏差的数据值；
第二类R13~R17是用来判断躯干及肩膀在运动中偏差的数据值；
第三类R18~R23为手臂运动中关节角度值，可以用来评定运动中肢体运动范围；
高级特征中，R24~R27为速度变化值；R28~R30为在速度值的基础上提取的高级特征，可用来描述运动中加速度异常变化和运动方向异常变化；
三个平面的偏差角定义为：
目标向量与xoy平面偏差角是目标向量投影到yoz面形成新的向量，新的向量与单位y向量的夹角；
目标向量与yoz平面偏差角是目标向量投影到zox平面形成新的向量，新的向量与单位z向量的夹角；
目标向量与zox平面偏差角是目标向量投影到xoy平面形成新的向量，新的向量与单位x向量的夹角；
分别计算R1~R30；
步骤2.1，记R1、R2和R3分别为左小臂在三维坐标系中分别与xoy平面、yoz平面、zox平面的偏差角，其中o为原点；由左腕关节和左肘关节这两个关节点的标记位置构成目标向量，目标向量命名为，左肘关节的标记位置为目标向量起点，左腕关节的标记位置为目标向量终点，目标向量投影到xoy平面、yoz平面、zox平面分别为：；
；
；
；
步骤2.2，
；
；
；
式中，R4、R5和R6分别为左大臂在三维坐标系中分别与xoy平面、yoz平面、zox平面的偏差角，左肘关节和左肩关节两点构成目标向量，左肩关节为目标向量起点，左肘关节为目标向量终点，目标向量命名为，目标向量投影到xoy平面、yoz平面、zox平面分别为：；
；
；
；
步骤2.3，
；
；
；
式中，R10、R11和R12为右大臂在三维坐标系中分别与xoy平面、yoz平面、zox平面的偏差角，右肩关节和右肘关节两点构成目标向量，右肩关节为目标向量起点，右肘关节为目标向量终点，目标向量命名为，目标向量投影到xoy平面、yoz平面、zox平面分别记为:；
步骤2.4，
；
；
式中，R13和R14分别为躯干与y轴单位向量角度在水平和垂直分量上偏移量，为第12胸椎、第7颈椎棘突两者构造的向量投影到xoy平面的向量，为第12胸椎、第7颈椎棘突两者构造的向量投影到yoz平面的向量，y轴单位向量为；
步骤2.5，
；
；
式中，R15和R16为左侧肩部和右侧肩部分别与胸椎之间的角度，通过提取第12胸椎、第7颈椎棘突、左肩关节、右肩关节得到，R15为左侧肩部角度，R16为右侧肩部角度，第12胸椎和左肩关节点向量为，第12胸椎和右肩关节点向量为；
步骤2.6，
；
；
其中，R17为躯干旋转偏移量，通过使第7颈椎棘突的坐标为（x3，y3，z3）、左肩关节的坐标为（x4，y4，z4），开始旋转量为，当前旋转量为，得到R17为当前躯干旋转偏移量；
步骤2.7：
；
；
其中，R18和R19分别为修正后的左右肩关节水平分量运动角度，表示在上肢肩关节锻炼中，肩关节角度的变化信息，提取标签左肩关节和左肘关节构成向量，投影到xoy平面为；右肩关节和右肘关节构成向量，投影到xoy平面为，R13为躯干偏差角度，即躯干与y轴单位向量角度在水平分量上偏移量；
步骤2.8，
；
；
其中，R20和R21分别为修正后的左右肩关节垂直分量运动的角度，提取左肩关节和左肘关节构成向量，投影到yoz平面为；右肩关节和右肘关节的位置构成向量，投影到yoz平面为，R13为躯干偏差角度；
步骤2.9：
；
；
R22和R23分别为左右肘关节夹角，为左腕关节和左肘关节构成的向量，为右腕关节和右肘关节构成的向量；
步骤2.10：
；
；
其中，R24和R25分别为左肩和右肩关节运动角度速度变化值；
在一段运动中，采集到的n帧数据，肩关节角度的速度定义为：当前帧速度值是当前帧角度值与前一帧角度值的差值对于时间的计算，帧角度值表示为θi(i=2,3,……,n)，θi为当前帧值，θi-1为前一帧值，t为两帧间隔时间，为速度值，左肩关节角度速度变化为，右肩关节角度速度变化为，求得R24、R25分别为速度变化的，的均值，
步骤2.11：
；
；
其中，R26和R27分别为左腕和右腕关节速度变化值，在一段运动中，采集到的n帧数据，左腕关节速度变化为，右腕关节速度变化为，计算标记点左腕关节和左肩关节的距离为，标记点右腕关节和右肩关节的距离为，R26和R27分别得到左腕和右腕关节的n 帧的归一化距离的平均值；
步骤2.12：
；
；
其中，R28和R29分别为左手腕和右手腕抖动数值，抖动次数与计算结果负相关，抖动次数越多，R28和R29越小；康复运动过程中，如果控制力不佳，可能存在着在运动过程中肢体出现的小范围来回抖动现象，当出现速度矢量方向发生偏转时记为一次抖动；
步骤2.13：
；
其中，R30为加速度异常数，根据阈值判断加速度的异常，阈值a为正常运动中加速度的n帧均值，加速度ai(i=1,2,3,……,m)记为大于a的数值。
2.根据权利要求1所述的一种康复运动质量评估方法，其特征在于，步骤1中，采集患者康复运动过程中的肢体运动信息的子步骤为：
步骤1.1：建立三维空间坐标系：以盆骨为原点，建立右手坐标系，以人体中轴线为y轴，以人体正前方为z轴，以人体左侧为x轴；
步骤1.2，通过运动捕捉摄像头采集患者康复运动过程中的肢体运动信息，获得关节点的位置；
步骤1.3：标记关节点的位置；
其中，需要标记的关节点数量为9个，包括盆骨、第12胸椎、第7颈椎棘突、左肩关节、左肘关节、左腕关节、右肩关节、右肘关节、右腕关节。
3.根据权利要求1所述的一种康复运动质量评估方法，其特征在于，步骤3中，从肢体特征得到运动质量评定参数的子步骤为：
运动质量评定参数包括运动范围评定结果运动范围评定S1、运动偏差评定S2和运动平滑评定S3；
步骤3.1：计算运动范围评定结果S1，
；
；
；
其中，S1H为水平方向的评估值，S1V为垂直方向的评估值，input_H为水平方向的输入参数，target_H为水平方向的目标参数，input_V为垂直方向的输入参数，target_V为垂直方向的目标参数，限定WH+WV=1，输入参数input取对应关节在一段运动中运动角度在相应方向上的最大值；输入参数input对应R18~R21，其中input_H输入是R18或R19；input_V输入是R20或R21；输入参数和输出参数指关节运动的角度值；
默认手臂抬起后左右移动的水平方向最大活动角度为135，手臂上下移动的垂直方向最大活动角度为180 ；
步骤3.2：计算运动偏差评估结果S2，参数主要来源R1-R17，设定条件阈值的参数n，测量到的实际值为xi(i=1,2,3,……,n)=(x1,x2,x3,……,xn)对应的阈值VPTi(i=1,2,3,……,n)=(VPT1,VPT2,VPT3,……,VPTn)，xi对应Ri，阈值来源于正常成人上肢运动时相对应关节的偏离范围最大值的统计平均值；
；
；
其中，S2数值越高表明康复运动的偏差越少，运动质量越高；
步骤3.3，计算运动平滑评估结果S3：
。
4.根据权利要求3所述的一种康复运动质量评估方法，其特征在于，步骤4中，根据运动质量评定参数进行运动质量评估的子步骤为：
根据权重对运动范围评定结果计算后进行相加得到康复运动质量评估结果S：
S=w1×S1+w2×S2+w3×S3；
式中，w1为S1的权重，w2为S2的权重，w3为S3的权重，w1+w2+w3=1。
5.一种康复运动质量评估系统，其特征在于，所述系统包括：
图像采集模块：用于采集患者康复运动过程中的肢体运动信息，包括运动捕捉摄像头；
数据处理模块：用于处理采集的肢体运动信息，进行轮廓提取并进行位置标记，根据肢体的位置进行如权利要求1~4中任一权利要求的运算得到运动质量评定参数，并输出康复运动质量评估结果；
结果输出模块：输出康复运动质量评估结果。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1~4中任一项所述一种康复运动质量评估方法的步骤。
7.一种电子设备，其特征在于，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1~4中任一项所述一种康复运动质量评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310145520.0A CN115841864B (zh) | 2023-02-22 | 2023-02-22 | 一种康复运动质量评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310145520.0A CN115841864B (zh) | 2023-02-22 | 2023-02-22 | 一种康复运动质量评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115841864A CN115841864A (zh) | 2023-03-24 |
| CN115841864B true CN115841864B (zh) | 2023-05-16 |
Family
ID=85579994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310145520.0A Active CN115841864B (zh) | 2023-02-22 | 2023-02-22 | 一种康复运动质量评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115841864B (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4021137B2 (ja) * | 2000-09-07 | 2007-12-12 | マイクロストーン株式会社 | 身体動作センシング装置 |
| JP2011078728A (ja) * | 2009-03-10 | 2011-04-21 | Shinsedai Kk | 身体状態評価装置、状態推測装置、歩幅推測装置、及び、健康管理システム |
| CN104524742A (zh) * | 2015-01-05 | 2015-04-22 | 河海大学常州校区 | 一种基于Kinect传感器的脑瘫儿童康复训练方法 |
| CN113436736A (zh) * | 2021-06-16 | 2021-09-24 | 深圳英鸿骏智能科技有限公司 | 一种康复评估方法、系统、装置和存储介质 |
| CN115497626A (zh) * | 2022-10-17 | 2022-12-20 | 北京新清泰克科技有限公司 | 基于关节点识别的身体健康评估方法 |
-
2023
- 2023-02-22 CN CN202310145520.0A patent/CN115841864B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115841864A (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111402290B (zh) | 一种基于骨骼关键点的动作还原方法以及装置 | |
| Bodenheimer et al. | The process of motion capture: Dealing with the data | |
| US20190228330A1 (en) | Handstate reconstruction based on multiple inputs | |
| US11720185B2 (en) | Method and system for determining a correct reproduction of a movement | |
| Cerveri et al. | Finger kinematic modeling and real-time hand motion estimation | |
| WO2017210654A2 (en) | Methods and devices for assessing a captured motion | |
| CN112083800A (zh) | 基于自适应手指关节规则滤波的手势识别方法及系统 | |
| WO2021064963A1 (ja) | 運動認識方法、運動認識プログラムおよび情報処理装置 | |
| CN115546365A (zh) | 一种虚拟人驱动方法及系统 | |
| CN109448105A (zh) | 基于多深度图像传感器的三维人体骨架生成方法及系统 | |
| CN113146634A (zh) | 机器人姿态的控制方法、机器人及存储介质 | |
| Xiao et al. | Machine learning for placement-insensitive inertial motion capture | |
| CN111433783B (zh) | 手部模型生成方法、装置、终端设备及手部动作捕捉方法 | |
| CN115841864B (zh) | 一种康复运动质量评估方法及系统 | |
| CN111968206B (zh) | 动画对象的处理方法、装置、设备及存储介质 | |
| CN115601505B (zh) | 一种人体三维姿态还原方法、装置、电子设备及存储介质 | |
| CN113012268A (zh) | 静态行人图像的运动动态化方法、系统、装置及介质 | |
| CN115205737B (zh) | 基于Transformer模型的运动实时计数方法和系统 | |
| JP2019045967A (ja) | 姿勢推定装置、方法、及びプログラム | |
| CN112712030A (zh) | 三维姿态信息还原方法及装置 | |
| CN109531578B (zh) | 仿人机械手臂体感控制方法及装置 | |
| WO2019152566A1 (en) | Systems and methods for subject specific kinematic mapping | |
| CN115223240A (zh) | 基于动态时间规整算法的运动实时计数方法和系统 | |
| JP2018110672A (ja) | 表示制御装置及び表示制御プログラム | |
| CN113362431A (zh) | 数据的迁移方法及装置、电子设备、可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |