CN117079816A - 儿童身体机能发育评估系统及方法 - Google Patents

Abstract

本发明提供了一种儿童身体机能发育评估系统及方法，涉及医学保健技术领域，其中该系统包括依次连接的数据采集模块、数据处理模块和数据分析模块；数据采集模块用于获取目标儿童在预设的标准评估动作组下的三维运动数据和足底压力数据；数据处理模块用于对三维运动数据和足底压力数据进行数据处理，得到目标评估信息；其中，目标评估信息包括人体运动轨迹和姿态信息，以及足底压力分布信息；数据分析模块用于对目标评估信息进行身体机能发育的分析，得到目标儿童的身体机能发育评估结果。这样通过采集儿童在标准评估动作组下的三维运动数据和足底压力数据，可以实现多个角度下的身体机能发育分析，因此提高了评估的全面性和准确性。

Description

儿童身体机能发育评估系统及方法

技术领域

本发明涉及医学保健技术领域，尤其是涉及一种儿童身体机能发育评估系统及方法。

背景技术

儿童身体机能发育是指儿童在生长过程中，身体各部分和各系统的功能逐渐成熟和完善的过程，包括运动能力、平衡能力、协调能力、感觉能力等方面。儿童身体机能发育的水平不仅影响儿童的健康状况，也影响儿童的认知、情感、社会等方面的发展。因此，对儿童身体机能发育进行评估和监测，对于及时发现和干预儿童存在的发育迟缓或障碍，促进儿童全面和协调的发展，具有重要的意义。

目前已有一些基于生理信号和行为数据的方法用于儿童身体机能发育评估，但这些方法只针对某一方面或某一类别的身体机能，不能全面地覆盖儿童身体机能发育的各个方面和层次。

发明内容

本发明的目的在于提供一种儿童身体机能发育评估系统及方法，以提高评估的全面性。

第一方面，本发明实施例提供了一种儿童身体机能发育评估系统，包括依次连接的数据采集模块、数据处理模块和数据分析模块；

所述数据采集模块用于获取目标儿童在预设的标准评估动作组下的三维运动数据和足底压力数据，并将所述三维运动数据和所述足底压力数据传输至所述数据处理模块；

所述数据处理模块用于对所述三维运动数据和所述足底压力数据进行数据处理，得到目标评估信息，并将所述目标评估信息传输至所述数据分析模块；其中，所述目标评估信息包括人体运动轨迹和姿态信息，以及足底压力分布信息；

所述数据分析模块用于对所述目标评估信息进行身体机能发育的分析，得到所述目标儿童的身体机能发育评估结果。

进一步地，所述数据采集模块包括运动捕捉相机和足底压力感知鞋垫。

进一步地，所述足底压力感知鞋垫包括多个压阻传感器，每个所述压阻传感器串联一个分压电阻形成一个分压电路，每个所述分压电路的两端连接一个电阻电压转换模块。

进一步地，多个所述压阻传感器形成一个矩阵，所述矩阵的每一行或每一列对应一个所述电阻电压转换模块。

进一步地，所述儿童身体机能发育评估系统还包括数据传输模块，所述数据采集模块通过所述数据传输模块与所述数据处理模块建立通信连接。

进一步地，所述数据传输模块包括无线传输设备。

进一步地，所述数据处理模块具体用于利用基于深度学习的运动姿态评估网络，对所述三维运动数据进行预处理和特征提取，并输出由预设的多个关键点构成的人体运动轨迹和姿态信息；其中，所述多个关键点用于描述人体在三维空间中的位置、方向和变化的信息。

进一步地，所述数据分析模块具体用于对所述目标评估信息进行预处理，并将预处理后的信息输入训练后的评估模型，得到所述评估模型输出的所述目标儿童的身体机能发育评估结果；其中，所述评估模型采用基于Transformer模型的金字塔级联多尺度网络，所述金字塔级联多尺度网络包括依次连接的卷积层、全连接层、变压器模型和金字塔网络，所述变压器模型用于捕捉输入特征之间的长距离依赖关系，并输出一个输出向量至所述金字塔网络。

进一步地，所述变压器模型包括多个编码层和与所述编码层一一对应的解码层，所述编码层的数量与所述目标儿童的年龄有关；每个所述编码层和每个所述解码层均包括自注意力机制，所述自注意力机制的注意力头数与所述目标儿童的性别有关，所述自注意力机制的残差块数与所述目标儿童的身体质量指数有关。

第二方面，本发明实施例还提供了一种儿童身体机能发育评估方法，应用于第一方面所述的儿童身体机能发育评估系统；所述儿童身体机能发育评估方法包括：

所述数据采集模块获取目标儿童在预设的标准评估动作组下的三维运动数据和足底压力数据，并将所述三维运动数据和所述足底压力数据传输至所述数据处理模块；

所述数据处理模块对所述三维运动数据和所述足底压力数据进行数据处理，得到目标评估信息，并将所述目标评估信息传输至所述数据分析模块；其中，所述目标评估信息包括人体运动轨迹和姿态信息，以及足底压力分布信息；

所述数据分析模块对所述目标评估信息进行身体机能发育的分析，得到所述目标儿童的身体机能发育评估结果。

本发明实施例提供的儿童身体机能发育评估系统及方法中，该系统包括依次连接的数据采集模块、数据处理模块和数据分析模块；数据采集模块用于获取目标儿童在预设的标准评估动作组下的三维运动数据和足底压力数据，并将三维运动数据和足底压力数据传输至数据处理模块；数据处理模块用于对三维运动数据和足底压力数据进行数据处理，得到目标评估信息，并将目标评估信息传输至数据分析模块；其中，目标评估信息包括人体运动轨迹和姿态信息，以及足底压力分布信息；数据分析模块用于对目标评估信息进行身体机能发育的分析，得到目标儿童的身体机能发育评估结果。这样通过采集儿童在标准评估动作组下的三维运动数据和足底压力数据，可以实现多个角度下的身体机能发育分析，因此提高了评估的全面性和准确性。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种儿童身体机能发育评估系统的结构示意图；

图2为本发明实施例提供的一种儿童身体机能发育评估系统的应用场景示意图；

图3为本发明实施例提供的一种儿童身体机能发育评估系统的工作原理示意图；

图4为本发明实施例提供的一种儿童身体机能发育评估方法的流程示意图。

图标：100-数据采集模块；200-数据传输模块；300-数据处理模块；400-数据分析模块。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。

目前已有一些基于生理信号和行为数据的方法用于儿童身体机能发育评估，例如：

基于心率变异性的儿童运动能力评估方法，该方法通过采集儿童在进行不同强度的运动时的心率信号，计算心率变异性参数，如标准差、均方根差、频域指标等，利用支持向量机分类器，对儿童的运动能力进行评估。该方法可以反映儿童的心血管适应能力和自主神经系统功能，但不能反映儿童的其他身体机能，如平衡能力、协调能力等。

基于眼动数据的儿童精细动作评估方法，该方法通过采集儿童在进行精细动作任务时的眼动数据，如注视点、扫视次数、注视时间等，利用线性判别分析法，对儿童的精细动作能力进行评估。该方法可以反映儿童的注意力、视觉感知和执行功能，但不能反映儿童的其他身体机能，如大运动能力、语言能力等。

基于手势识别的儿童大运动评估方法，该方法通过采集儿童在进行大运动任务时的手势数据，如手部位置、速度、加速度等，利用深度神经网络模型，对儿童的大运动能力进行评估。该方法可以反映儿童的肢体协调和空间感知能力，但不能反映儿童的其他身体机能，如平衡能力、语言能力等。

以上方法虽然都可以利用生理信号和行为数据对儿童身体机能发育进行评估，但都只针对某一方面或某一类别的身体机能，不能全面地覆盖儿童身体机能发育的各个方面和层次。此外，这些方法都需要针对不同的身体机能设计不同的测试任务和数据采集设备，增加了测评的复杂度和成本。基于此，本发明实施例提供的一种儿童身体机能发育评估系统及方法，使用诸如运动捕捉相机和足底压力感知鞋垫来实现对儿童在标准评估动作组下的动作标准度评估，通过运动捕捉相机采集头部、手势、肢体运动情况，对包括俯卧、翻身等在内的标准动作进行精细化对比评估，利用足底压力感知鞋垫，得到足底压力分布情况，以评估步态发育期、足弓演进模型等，综合多个评估角度，利用深度神经网络实现儿童身体机能发育的个性化精准评估。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种儿童身体机能发育评估系统进行详细介绍。

本发明实施例提供了一种儿童身体机能发育评估系统，如图1所示，儿童身体机能发育评估系统包括依次连接的数据采集模块100、数据处理模块300和数据分析模块400；

数据采集模块100用于获取目标儿童在预设的标准评估动作组下的三维运动数据和足底压力数据，并将三维运动数据和足底压力数据传输至数据处理模块300；

数据处理模块300用于对三维运动数据和足底压力数据进行数据处理，得到目标评估信息，并将目标评估信息传输至数据分析模块400；其中，目标评估信息包括人体运动轨迹和姿态信息，以及足底压力分布信息；

数据分析模块400用于对目标评估信息进行身体机能发育的分析，得到目标儿童的身体机能发育评估结果。

其中，数据处理模块300和数据分析模块400可以位于一台上位机中。

本发明实施例提供的儿童身体机能发育评估系统包括依次连接的数据采集模块、数据处理模块和数据分析模块；数据采集模块用于获取目标儿童在预设的标准评估动作组下的三维运动数据和足底压力数据，并将三维运动数据和足底压力数据传输至数据处理模块；数据处理模块用于对三维运动数据和足底压力数据进行数据处理，得到目标评估信息，并将目标评估信息传输至数据分析模块；其中，目标评估信息包括人体运动轨迹和姿态信息，以及足底压力分布信息；数据分析模块用于对目标评估信息进行身体机能发育的分析，得到目标儿童的身体机能发育评估结果。这样通过采集儿童在标准评估动作组下的三维运动数据和足底压力数据，可以实现多个角度下的身体机能发育分析，因此提高了评估的全面性和准确性。

可选地，如图2所示，数据采集模块100可以包括运动捕捉相机和足底压力感知鞋垫。如此可以方便地采集三维运动数据和足底压力数据。

运动捕捉相机不局限于RGB相机，也可以使用立体相机、深度相机或红外相机等。足底压力感知鞋垫不局限于压阻传感器实现，也可以利用压电传感器、电容传感器或应变片传感器等实现。

可选地，足底压力感知鞋垫包括多个压阻传感器，每个压阻传感器串联一个分压电阻形成一个分压电路，每个分压电路的两端连接一个电阻电压转换模块。压阻传感器具有精度高、体积小、重量轻、便于安装的优点。需要说明的是，本实施例对压阻传感器的数量不做限定，压阻传感器的数量可以根据实际需求设置。

可选地，多个压阻传感器形成一个矩阵，矩阵的每一行或每一列对应一个电阻电压转换模块。矩阵形式的压阻传感器，便于搜集足底各个位置的压力信号。

可选地，如图1所示，上述儿童身体机能发育评估系统还包括数据传输模块200，数据采集模块100通过数据传输模块200与数据处理模块300建立通信连接。如此可以降低数据采集模块100的传输压力。

可选地，数据传输模块200包括无线传输设备。无线传输设备采用了无线传输技术，将数据从数据采集模块100传输到上位机，可以保证数据的实时性和完整性，而不是仅仅依靠有线连接或离线存储，从而提高了传输的便捷性和安全性。

可选地，数据处理模块300具体用于利用基于深度学习的运动姿态评估网络，对三维运动数据进行预处理和特征提取，并输出由预设的多个关键点构成的人体运动轨迹和姿态信息；其中，多个关键点用于描述人体在三维空间中的位置、方向和变化的信息。如此可以提高人体运动轨迹和姿态信息的准确度。

可选地，数据分析模块400具体用于对目标评估信息进行预处理，并将预处理后的信息输入训练后的评估模型，得到评估模型输出的目标儿童的身体机能发育评估结果；其中，评估模型采用基于Transformer模型的金字塔级联多尺度网络，金字塔级联多尺度网络包括依次连接的卷积层、全连接层、变压器模型和金字塔网络，变压器模型用于捕捉输入特征之间的长距离依赖关系，并输出一个输出向量至金字塔网络。这种金字塔网络结构可以利用变压器模型的强大表达能力，并通过级联和多尺度的方式增强其泛化能力和鲁棒性；可以适应不同维度和类型的儿童运动数据，并输出准确和可解释的儿童身体机能发育水平的评估结果。

可选地，变压器模型包括多个编码层和与编码层一一对应的解码层，编码层的数量与目标儿童的年龄有关；每个编码层和每个解码层均包括自注意力机制，自注意力机制的注意力头数与目标儿童的性别有关，自注意力机制的残差块数与目标儿童的身体质量指数(Body Mass Index，简称BMI)有关。这样根据目标儿童的个人信息自适应调节变压器模型的参数，可以提高儿童身体机能发育评估结果的准确度。

为了便于理解，下面对上述儿童身体机能发育评估系统进行详细介绍。

本发明实施例的设备构成主要包括运动捕捉相机、足底压力感知鞋垫、无线传输设备和上位机四个部分。运动捕捉相机从RGB图像中获取三维运动数据，足底压力感知鞋垫测量足底压力分布，用于评估步态发育期、足弓演进模型等，无线传输设备将运动捕捉相机和足底压力感知鞋垫采集到的数据以无线方式传输到上位机中，上位机接收和处理运动捕捉相机和足底压力感知鞋垫传输过来的数据，并进行可视化和分析，配合深度神经网络工具，以实现儿童身体机能发育水平的评估和干预。

本发明实施例的系统组成主要包括数据采集模块、数据传输模块、数据处理模块和数据分析模块四个部分。数据采集模块是指运动捕捉相机和足底压力感知鞋垫两个设备，负责从儿童运动的全域信息中获取三维运动数据和足底压力数据，并将其转换为可传输的格式。数据传输模块是指无线传输设备，负责将数据采集模块采集到的数据以无线方式传输到上位机中，并进行必要的编码和解码等操作，数据传输模块可以采用蓝牙模块。数据处理模块是指上位机中运行的深度神经网络等软件，负责对数据传输模块接收到的数据进行预处理和特征提取，并输出人体运动轨迹、姿态、足底压力分布等信息。数据分析模块是指上位机中运行的可视化和分析等软件，负责对数据处理模块输出的信息进行可视化和分析，并得到儿童身体机能发育水平的评估结果，并根据评估结果给出相应的建议和干预措施。

运动捕捉相机根据不同的场景和需求进行安装和调整，以保证覆盖到儿童运动的所有区域。捕捉得到儿童的三维运动数据，利用基于深度学习的运动姿态评估网络，从三维运动数据中检测和分析人体关节位置和姿态的模型，采用卷积神经网络等结构来提取特征和预测输出，得到由24个关键点构成的人体运动轨迹和姿态，这一组预定义的关键点(如头部、肩膀、手肘、手腕等)描述人体在三维空间中的位置、方向和变化的信息。人体运动轨迹和姿态可以用于分析儿童的步态、平衡、协调、灵活性等身体机能发育水平，以及对比不同儿童之间或同一儿童在不同时间点之间的差异。

压力感知鞋垫能够测量足底压力分布，由96个压阻传感器组成。压阻传感器能够根据外力作用改变其电阻值，由聚酯薄膜、高导电材料和纳米压感级材料组成。当压力作用于压阻传感器时，高导电材料层和压感材料层贴合，线路导通，电阻由此发生变化。压阻传感器的输出电阻与压力呈一定的线性关系，因此可以通过测量电阻值来反映压力的大小。压力感知鞋垫的结构如下：每个压阻传感器都与一个分压电阻串联，形成一个分压电路。分压电路的两端接入一个电阻电压转换模块，将电阻变化转换为模拟电压信号。96个压阻传感器按照8行12列的方式排列在鞋垫中，形成一个矩阵。每一行或每一列都对应一个唯一的电阻电压转换模块，输出一个模拟电压信号。通过行列扫描的方式，每次同时读取一行或一列的模拟电压信号，并将其发送到蓝牙模块中。蓝牙模块将信号以无线方式传输到上位机中，上位机对信号进行解析、处理和显示，得到足底压力分布图，用于评估儿童的步态发育期、足弓演进模型等。

通过预先训练的基于Transformer模型的金字塔级联多尺度网络，并将其部署在计算机或移动设备上，以实现儿童运动的身体关键点和足底压力作为输入，输出儿童身体机能发育的个性化精准评估。该深度学习模型基于PyTorch深度学习框架，具体来说，该模型将儿童运动的身体关键点和足底压力作为输入，分别经过一个卷积层和一个全连接层，得到两个特征向量。然后，将两个特征向量拼接起来，作为变压器模型的输入。变压器模型由多个编码层和多个解码层组成，每个编码层和每个解码层都包含一个自注意力机制和一个前馈神经网络。变压器模型可以捕捉输入特征之间的长距离依赖关系，并生成一个输出向量。接着，将变压器模型的输出向量作为金字塔网络的输入。金字塔网络由多个级联的子网络组成，每个子网络都是一个小型的变压器模型。每个子网络都有一个上采样层和一个下采样层，分别将输入向量放大和缩小，形成不同尺度的特征图。每个子网络都有一个输出层，将特征图转换为评估结果的概率分布。最后，将所有子网络的输出层的概率分布进行加权平均，得到最终的评估结果。这种金字塔网络结构可以利用变压器模型的强大表达能力，并通过级联和多尺度的方式增强其泛化能力和鲁棒性。它可以适应不同维度和类型的儿童运动数据，并输出准确和可解释的儿童身体机能发育水平的评估结果。为了训练这个模型，需要收集大量的标注数据，即包含不同年龄、性别、身体状况等因素的儿童在标准评估动作组下的运动数据和足底压力数据，以及对应的身体机能发育水平的评分。为了提高算法对儿童运动数据的准确性和稳定性，输入模型之前数据依次使用高通滤波器去除噪声、异常值和无关信息，再使用Z-score标准化对数据进行归一化处理，然后使用指数移动平均法对数据进行平滑处理，再使用动态时间规整算法对数据进行分段、对齐和同步。针对不同年龄、性别、身体状况等因素的儿童，以及不同标准和指标的评估需求，该模型根据儿童年龄段自动选择合适的编码层和解码层的数量N，其中3-6岁使用2层，7-10岁使用4层，11-16岁使用6层，即

其中a是儿童的年龄。多头注意力机制的注意力头数h和残差块数r根据儿童性别和身体状况进行动态选择，即

其中g是儿童的性别，m表示男性，f表示女性。残差块数为

其中b是儿童的BMI。为了使算法能够实时地响应儿童运动数据的变化，并根据评估结果给出相应的建议和干预措施，该模型使用滑动窗口或递增式学习的方式更新模型输入，每隔一定时间或采集到一定数量的数据就更新一次输入向量x_t，同时使用反馈机制更新模型输出y_t，根据评估结果调整输出概率分布p(y_t|x_t；θ)。模型使用随机梯度下降或Adam优化算法，来调整模型中的参数θ，使其能够最小化预测误差，并达到最佳的泛化能力。最后，将训练好的模型部署在计算机或移动设备上，使其能够实时地接收运动捕捉相机和压力感知鞋垫采集到的数据x，进行预处理、特征提取、分类和评分y_t＝f(x_t；θ)，得到儿童身体机能发育水平的评估结果，并根据结果给出相应的建议和干预措施。

该儿童身体机能发育评估系统的评估实施过程为，准备运动捕捉相机和足底压力感知鞋垫，将运动捕捉相机安装在合适的位置，使其能够清晰地捕捉到儿童的头部、手部、肢体的运动情况，将足底压力感知鞋垫放入儿童的鞋中，使其能够准确地感知到儿童的足底压力分布情况。选择合适的标准评估动作组，根据儿童的年龄、性别、身体状况等因素，从大运动、精细动作、平衡能力、协调能力等方面，选择一组适合儿童的标准评估动作，如俯卧、翻身、站立、行走、跳跃、抓取、拼图等。指导儿童按照标准评估动作组进行动作表现，通过语音或图像等方式，向儿童展示每一个标准评估动作的正确姿势和要求，让儿童尽量模仿并完成每一个动作，并在此过程中通过运动捕捉相机和足底压力感知鞋垫采集儿童的生理信号和行为数据。利用设计的深度神经网络对儿童的身体机能发育进行评估，将采集到的生理信号和行为数据输入到预先训练好的深度神经网络模型中，对数据进行预处理、特征提取、分类和评分，得到儿童的身体机能发育水平的评估结果，并根据结果给出相应的建议和干预措施。

需要注意的是，在具体实施时，需要注意以下一些问题：运动捕捉相机的数量、位置、角度、分辨率、帧率等参数会影响运动数据的质量和精度，需要根据具体情况进行调整和优化；基于深度学习的运动姿态评估网络的结构、参数、训练数据集、损失函数等因素会影响网络的性能和泛化能力，需要根据具体任务进行设计和训练；儿童的年龄、性别、身高、体重、服装、发型等因素会影响运动数据的特征和差异，需要根据具体对象进行分类和归一化；运动数据的采集、传输、处理、分析等过程可能会存在噪声、丢失、延迟、错误等问题，需要进行有效的检测和纠正。

综上，如图3所示，该儿童身体机能发育评估系统采用运动捕捉相机和足底压力感知鞋垫采集数据，并进行多维数据压缩传输与噪声抑制；然后利用深度学习个性化评估算法进行模型训练，并进行评估算法优化与评估能力泛化；最终利用训练好的模型进行身体机能发育评估。

本发明实施例提供的儿童身体机能发育评估系统具有如下有益效果：

1)本发明实施例采用了运动捕捉相机和足底压力感知鞋垫两种设备，可以从多个角度对儿童在标准评估动作组下的动作标准度进行评估，而不是仅仅依靠单一的设备或数据，从而提高了评估的全面性和准确性。

2)本发明实施例采用了金字塔级联多尺度网络对运动数据和压力数据进行处理和分析，可以自动地学习和提取数据的特征和规律，而不是仅仅依靠人工的规则或模型，从而提高了处理和分析的效率和智能性。

3)本发明实施例采用了无线传输技术将数据从设备传输到上位机，可以保证数据的实时性和完整性，而不是仅仅依靠有线连接或离线存储，从而提高了传输的便捷性和安全性。

4)本发明实施例采用了可视化和分析软件对数据进行展示和解读，可以直观地呈现儿童身体机能发育水平的评估结果，并给出相应的建议和干预措施，而不是仅仅依靠数字或文字的描述，从而提高了展示和解读的易懂性和有效性。

本发明实施例提供的儿童身体机能发育评估系统的关键技术点如下：

1.一种基于运动捕捉相机和足底压力感知鞋垫的儿童身体机能发育评估系统，可以从多个角度对儿童在标准评估动作组下的动作标准度进行评估，可以提高评估的全面性和准确性。

2.上述系统中，运动捕捉相机采集头部、手势、肢体运动情况，对包括俯卧、翻身等在内的标准动作进行精细化对比评估，足底压力感知鞋垫采集足底压力分布情况，以评估步态发育期、足弓演进模型等，可以综合多个评估角度，提高评估的有效性和针对性。

3.上述系统中，设计了一种新型的金字塔级联多尺度网络对运动数据和压力数据进行处理和分析，得到人体运动轨迹、姿态、足底压力分布等信息，并将其可视化和分析，得到儿童身体机能发育水平的评估结果，并根据结果给出相应的建议和干预措施，可以提高处理和分析的效率和智能性，提高展示和解读的易懂性和有效性。

本发明实施例还提供了一种儿童身体机能发育评估方法，该方法应用于上述的儿童身体机能发育评估系统。参见图4所示的一种儿童身体机能发育评估方法的流程示意图，该方法主要包括如下步骤S402～步骤S406：

步骤S402，数据采集模块获取目标儿童在预设的标准评估动作组下的三维运动数据和足底压力数据，并将三维运动数据和足底压力数据传输至数据处理模块；

步骤S404，数据处理模块对三维运动数据和足底压力数据进行数据处理，得到目标评估信息，并将目标评估信息传输至数据分析模块；其中，目标评估信息包括人体运动轨迹和姿态信息，以及足底压力分布信息；

步骤S406，数据分析模块对目标评估信息进行身体机能发育的分析，得到目标儿童的身体机能发育评估结果。

本实施例所提供的儿童身体机能发育评估方法，其实现原理及产生的技术效果和前述儿童身体机能发育评估系统实施例相同，为简要描述，儿童身体机能发育评估方法实施例部分未提及之处，可参考前述儿童身体机能发育评估系统实施例中相应内容。

在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种儿童身体机能发育评估系统，其特征在于，包括依次连接的数据采集模块、数据处理模块和数据分析模块；

所述数据采集模块用于获取目标儿童在预设的标准评估动作组下的三维运动数据和足底压力数据，并将所述三维运动数据和所述足底压力数据传输至所述数据处理模块；

所述数据处理模块用于对所述三维运动数据和所述足底压力数据进行数据处理，得到目标评估信息，并将所述目标评估信息传输至所述数据分析模块；其中，所述目标评估信息包括人体运动轨迹和姿态信息，以及足底压力分布信息；

所述数据分析模块用于对所述目标评估信息进行身体机能发育的分析，得到所述目标儿童的身体机能发育评估结果。

2.根据权利要求1所述的儿童身体机能发育评估系统，其特征在于，所述数据采集模块包括运动捕捉相机和足底压力感知鞋垫。

3.根据权利要求2所述的儿童身体机能发育评估系统，其特征在于，所述足底压力感知鞋垫包括多个压阻传感器，每个所述压阻传感器串联一个分压电阻形成一个分压电路，每个所述分压电路的两端连接一个电阻电压转换模块。

4.根据权利要求3所述的儿童身体机能发育评估系统，其特征在于，多个所述压阻传感器形成一个矩阵，所述矩阵的每一行或每一列对应一个所述电阻电压转换模块。

5.根据权利要求1所述的儿童身体机能发育评估系统，其特征在于，所述儿童身体机能发育评估系统还包括数据传输模块，所述数据采集模块通过所述数据传输模块与所述数据处理模块建立通信连接。

6.根据权利要求5所述的儿童身体机能发育评估系统，其特征在于，所述数据传输模块包括无线传输设备。

7.根据权利要求1所述的儿童身体机能发育评估系统，其特征在于，所述数据处理模块具体用于利用基于深度学习的运动姿态评估网络，对所述三维运动数据进行预处理和特征提取，并输出由预设的多个关键点构成的人体运动轨迹和姿态信息；其中，所述多个关键点用于描述人体在三维空间中的位置、方向和变化的信息。

8.根据权利要求1所述的儿童身体机能发育评估系统，其特征在于，所述数据分析模块具体用于对所述目标评估信息进行预处理，并将预处理后的信息输入训练后的评估模型，得到所述评估模型输出的所述目标儿童的身体机能发育评估结果；其中，所述评估模型采用基于Transformer模型的金字塔级联多尺度网络，所述金字塔级联多尺度网络包括依次连接的卷积层、全连接层、变压器模型和金字塔网络，所述变压器模型用于捕捉输入特征之间的长距离依赖关系，并输出一个输出向量至所述金字塔网络。

9.根据权利要求8所述的儿童身体机能发育评估系统，其特征在于，所述变压器模型包括多个编码层和与所述编码层一一对应的解码层，所述编码层的数量与所述目标儿童的年龄有关；每个所述编码层和每个所述解码层均包括自注意力机制，所述自注意力机制的注意力头数与所述目标儿童的性别有关，所述自注意力机制的残差块数与所述目标儿童的身体质量指数有关。

10.一种儿童身体机能发育评估方法，其特征在于，应用于权利要求1-9中任一项所述的儿童身体机能发育评估系统；所述儿童身体机能发育评估方法包括：

所述数据采集模块获取目标儿童在预设的标准评估动作组下的三维运动数据和足底压力数据，并将所述三维运动数据和所述足底压力数据传输至所述数据处理模块；

所述数据处理模块对所述三维运动数据和所述足底压力数据进行数据处理，得到目标评估信息，并将所述目标评估信息传输至所述数据分析模块；其中，所述目标评估信息包括人体运动轨迹和姿态信息，以及足底压力分布信息；

所述数据分析模块对所述目标评估信息进行身体机能发育的分析，得到所述目标儿童的身体机能发育评估结果。