CN117392746A - 康复训练评估辅助方法、装置、计算机设备和存储介质 - Google Patents

康复训练评估辅助方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN117392746A
CN117392746A CN202311284865.0A CN202311284865A CN117392746A CN 117392746 A CN117392746 A CN 117392746A CN 202311284865 A CN202311284865 A CN 202311284865A CN 117392746 A CN117392746 A CN 117392746A
Authority
CN
China
Prior art keywords
point cloud
gait
cloud data
limb
rehabilitation
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
CN202311284865.0A
Other languages
English (en)
Inventor
晏箐阳
张湘东
张文安
孙梦琳
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.)
China Telecom Technology Innovation Center
China Telecom Corp Ltd
Original Assignee
China Telecom Technology Innovation Center
China Telecom Corp 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 China Telecom Technology Innovation Center, China Telecom Corp Ltd filed Critical China Telecom Technology Innovation Center
Priority to CN202311284865.0A priority Critical patent/CN117392746A/zh
Publication of CN117392746A publication Critical patent/CN117392746A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • 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
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • 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
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Dentistry (AREA)
  • Multimedia (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Social Psychology (AREA)
  • Databases & Information Systems (AREA)
  • Psychiatry (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)

Abstract

本申请涉及一种康复训练评估辅助方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取可穿戴视觉设备采集的待评估对象在康复活动过程中的点云数据；将所述点云数据和预设的人体肢体特征进行匹配，识别出所述点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据；对所述肢体点云数据与地面对应的点云数据进行进一步识别，得到所述待评估对象的步态参数；所述步态参数中至少包含所述目标肢体的活动姿态信息以及与地面的接触分离信息；基于所述步态参数确定所述待评估对象的目标肢体的康复训练评估结果，并通过所述可穿戴视觉设备展示所述评估结果。采用本方法能够实时提供评估辅助信息。

Description

康复训练评估辅助方法、装置、计算机设备和存储介质
技术领域
本申请涉及人工智能技术领域，特别是涉及一种康复训练评估辅助方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
目前在康复治疗过程中，康复医师面临着需要对所管理的患者反复进行评估、决策和训练的复杂工作任务。准确、高效的康复评估和训练辅助系统在辅助康复治疗与确定康复训练计划中至关重要。现有的康复评估技术一般包括人工评估方法、基于固定于场地中的光学运动捕捉系统、基于惯性测量单元或足底压力传感器的可穿戴传感器、基于激光测距仪传感器的移动机器人等获取人体行走数据从而进行步态评估等方法。然而，目前的评估方法，存在评估结果滞后的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够实时提供评估辅助信息的康复训练评估辅助方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种康复训练评估辅助方法，包括：
获取可穿戴视觉设备采集的待评估对象在康复活动过程中的点云数据；
将所述点云数据和预设的人体肢体特征进行匹配，识别出所述点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据；
对所述肢体点云数据与地面对应的点云数据进行进一步识别，得到所述待评估对象的步态参数；所述步态参数中至少包含所述目标肢体的活动姿态信息以及与地面的接触分离信息；
基于所述步态参数确定所述待评估对象的目标肢体的康复训练评估结果，并通过所述可穿戴视觉设备展示所述评估结果。
在其中一个实施例中，将所述点云数据和预设的人体肢体特征进行匹配，识别出所述点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据，包括：
基于人体运动模型识别算法，将所述点云数据和预设的人体肢体特征进行匹配，得到点云数据中与康复训练目标肢体对应的肢体点云数据；
基于所述肢体点云数据对所述点云数据进行分割，得到地面对应的点云数据。
在其中一个实施例中，对所述肢体点云数据与地面对应的点云数据进行进一步识别，得到所述待评估对象的步态参数，包括：
将所述肢体点云数据利用人体运动模型识别算法进行特征提取处理，得到所述目标肢体的活动姿态信息，以及所述肢体点云数据与地面对应的点云数据的接触信息和离开信息。
在其中一个实施例中，还包括：
根据所述肢体点云数据与地面对应的点云数据的接触信息和离开信息，得到得到步态周期；
基于所述步态周期对所述活动姿态信息进行序列分割处理，得到步长、步宽、支撑相周期和摆动相周期，并添加至所述步态参数。
在其中一个实施例中，基于所述步态参数确定所述待评估对象目标肢体的康复训练评估结果，包括：
获取预设的推荐步态特征和至少两种步态评估表；
将所述步态参数、所述推荐步态特征和所述至少两种步态评估表作为输入，输入预设的模糊专家系统，基于所述模糊专家系统的输出得到步态评估结果。
在其中一个实施例中，将所述步态参数、所述推荐步态特征和所述至少两种步态评估表作为输入，输入预设的模糊专家系统，基于所述模糊专家系统的输出得到步态评估结果，包括：
将所述推荐步态特征和所述至少两种步态评估表的量表中的非数值数据进行量化处理，得到量化后的推荐步态特征和量化后的至少两种步态评估表的量表；
将所述步态参数、所述量化后的推荐步态特征和量化后的至少两种步态评估表的量表作为输入数据，输入预设的模糊专家系统，通过所述模糊专家系统对所述输入数据进行模糊化处理，并基于量化后推荐步态特征和至少两种步态评估表的量表对输入数据中的步态参数进行模糊推理，得到模糊推理结果，对所述模糊推理结果进行解模糊处理得到与所述步态参数对应的步态评估结果。
在其中一个实施例中，基于所述步态参数确定所述待评估对象的目标肢体的康复训练评估结果之后，还包括：
在所述康复训练评估结果表征所述目标肢体的康复训练未达到预期结果的情况下，调用预设的康复训练策略混合推荐系统对所述步态评估结果进行预测，得到与所述步态评估结果对应的康复策略；
通过所述可穿戴视觉设备展示所述康复策略。
在其中一个实施例中，调用预设的康复训练策略混合推荐系统对所述步态评估结果进行预测，得到与所述步态评估结果对应的康复策略，包括：
获取待评估对象的生理数据特征和预设的多种标准化康复策略；
调用预设的康复训练策略混合推荐系统将所述步态评估结果、所述步态参数和和所述待评估对象的生理数据特征作为第一数据集，计算所述第一数据集与所述多种标准化康复策略对应的多个第二数据集之间的相关度，得到多个相关度结果；
将与所述第一数据集的相关度最高的标准化康复策略，作为康复策略。
在其中一个实施例中，还包括：
将所述待评估对象的目标肢体的步态评估结果康复训练评估结果和/或所述康复策略保存至所述可穿戴视觉设备对应的外接设备。
第二方面，本申请还提供了一种康复训练评估辅助装置，包括：
点云数据获取模块，用于获取可穿戴视觉设备采集的待评估对象在康复活动过程中的点云数据；
点云数据处理模块，用于将所述点云数据和预设的人体肢体特征进行匹配，识别出所述点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据；
步态参数获取模块，用于对所述肢体点云数据与地面对应的点云数据进行进一步识别，得到所述待评估对象的步态参数；所述步态参数中至少包含所述目标肢体的活动姿态信息以及与地面的接触分离信息；
步态评估模块，用于基于所述步态参数确定所述待评估对象的目标肢体的康复训练评估结果，并通过所述可穿戴视觉设备展示所述评估结果。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取可穿戴视觉设备采集的待评估对象在康复活动过程中的点云数据；
将所述点云数据和预设的人体肢体特征进行匹配，识别出所述点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据；
对所述肢体点云数据与地面对应的点云数据进行进一步识别，得到所述待评估对象的步态参数；所述步态参数中至少包含所述目标肢体的活动姿态信息以及与地面的接触分离信息；
基于所述步态参数确定所述待评估对象的目标肢体的康复训练评估结果，并通过所述可穿戴视觉设备展示所述评估结果。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取可穿戴视觉设备采集的待评估对象在康复活动过程中的点云数据；
将所述点云数据和预设的人体肢体特征进行匹配，识别出所述点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据；
对所述肢体点云数据与地面对应的点云数据进行进一步识别，得到所述待评估对象的步态参数；所述步态参数中至少包含所述目标肢体的活动姿态信息以及与地面的接触分离信息；
基于所述步态参数确定所述待评估对象的目标肢体的康复训练评估结果，并通过所述可穿戴视觉设备展示所述评估结果。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取可穿戴视觉设备采集的待评估对象在康复活动过程中的点云数据；
将所述点云数据和预设的人体肢体特征进行匹配，识别出所述点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据；
对所述肢体点云数据与地面对应的点云数据进行进一步识别，得到所述待评估对象的步态参数；所述步态参数中至少包含所述目标肢体的活动姿态信息以及与地面的接触分离信息；
基于所述步态参数确定所述待评估对象的目标肢体的康复训练评估结果，并通过所述可穿戴视觉设备展示所述评估结果。
上述康复训练评估辅助方法、装置、计算机设备、存储介质和计算机程序产品，通过获取可穿戴视觉设备采集的待评估对象的点云数据，将点云数据进行识别匹配得到待评估对象的步态参数，并且该步态参数中至少包含所述目标肢体的活动姿态信息以及与地面的接触分离信息，然后对步态参数进行实时分析、评估以及通过可穿戴视觉设备显示评估结果，使得对待评估对象的康复训练结果的评估辅助信息得到实时反馈，且通过本申请的评估辅助信息进行结果评估时，对于相关人员的经验依赖度降低，因此还有利于保障康复训练结果评估的准确度。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为一个实施例中康复训练评估辅助方法的应用环境图；
图2为一个实施例中康复训练评估辅助方法的流程示意图；
图3为一个实施例中确定待评估对象目标肢体的康复训练评估结果步骤的流程示意图；
图4为另一个实施例中一种智能康复评估及训练辅助系统的结构示意图；
图5为一个实施例中识别模块的执行操作的流程示意图；
图6为一个实施例中评估模块的执行操作的流程示意图；
图7为一个实施例中策略推荐模块的执行操作的流程示意图；
图8为一个实施例中康复训练评估辅助装置的结构示意图；
图9为一个实施例中计算机设备的内部结构图；
图10另一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的康复训练评估辅助方法，可以应用于如图1所示的应用环境中。其中，数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104可以作为外设服务器与可穿戴视觉设备102通过网络进行通信。服务器104获取可穿戴视觉设备102采集的待评估对象在康复活动过程中的点云数据，从而将点云数据和预设的人体肢体特征进行匹配，识别出点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据；服务器104对肢体点云数据与地面对应的点云数据进行进一步识别，得到待评估对象的步态参数；步态参数中至少包含目标肢体的活动姿态信息以及与地面的接触分离信息；基于步态参数确定待评估对象的目标肢体的康复训练评估结果，并通过可穿戴视觉设备102展示评估结果。在另一种实现方式中，可穿戴视觉设备102采集的待评估对象在康复活动过程中的点云数据，在本地将点云数据和预设的人体肢体特征进行匹配，识别出点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据；进而在可穿戴视觉设备102本地对肢体点云数据与地面对应的点云数据进行进一步识别，得到待评估对象的步态参数；步态参数中至少包含目标肢体的活动姿态信息以及与地面的接触分离信息；然后通过可穿戴视觉设备102基于步态参数确定待评估对象的目标肢体的康复训练评估结果，并展示评估结果。其中，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个示例性的实施例中，如图2所示，提供了一种康复训练评估辅助方法，以该方法应用于图1中的可穿戴视觉设备102为例进行说明，包括以下步骤202至步骤206。其中：
步骤S202，获取可穿戴视觉设备采集的待评估对象在康复活动过程中的点云数据。
其中，穿戴视觉设备为可以佩戴在身体上的电子设备，用于提供增强现实(AR)或虚拟现实(VR)体验。本申请中，这些设备可包括头戴式显示器、智能眼镜，由评估人员佩戴。
其中，待评估对象是指处于康复训练中需要评估康复训练结果的对象。点云数据是由大量离散的点组成的三维空间数据集合。每个点都包含了其在三维空间中的坐标信息，以及可能的其他属性，如颜色、法线等。
可选地，可穿戴视觉设备采集的待评估对象在进行康复训练活动过程中的点云数据，采集点云数据的方式可以为结构光扫描，使用结构光投射器和相机，通过投射结构化光纹到待评估对象上，再通过相机捕捉光纹的形状和变形获得待评估对象的行走数据，从而重建出点云数据。
步骤S204，将点云数据和预设的人体肢体特征进行匹配，识别出点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据。
其中，肢体点云数据是人体肢体的点云数据。这些点云数据可以用于人体肢体的姿态估计、动作识别、虚拟现实等领域。地面点云数据是指经过分割后获取的地面表面的点云数据。
可选地，将可穿戴视觉设备采集的点云数据和预设的人体肢体特征进行匹配，如通过人体肢体特征模拟人体三维模型，基于人体三维模型识别并进行分割出点云数据中与待评估对象的进行康复训练目标肢体对应的肢体点云数据，以及与之对应的地面对应的点云数据。
步骤S206，对肢体点云数据与地面对应的点云数据进行进一步识别，得到待评估对象的步态参数；本申请的步态参数中至少包含目标肢体的活动姿态信息以及与地面的接触分离信息。
其中，活动姿态信息可以为待评估对象的肢体运动信息如肢体的关键部位，肢体动作等。与地面的接触分离信息可以指肢体与地面接触和分离的时间信息、距离位置信息等。
可选地，可穿戴视觉设备对肢体点云数据与地面对应的点云数据进行进一步的识别得到人体肢体与地面的接触点和接触时间，从而进行步态分割得到待评估对象的步态参数，该步态参数中至少包含待评估对象目标肢体活动姿态信息和与地面接触分离信息。
步骤S208，基于步态参数确定待评估对象的目标肢体的康复训练评估结果，并通过可穿戴视觉设备展示评估结果。
其中，康复训练评估结果可以为待评估对象的步态参数所表征的训练效果与预设的评估标准进行分析对比后得到的。
可选地，可穿戴视觉设备基于识别得到的步态参数与预设的评估标准进行分析对比后确定待评估对象的目标肢体当前的康复训练评估结果，并通过可穿戴视觉设备展示评估结果给当前的评估人员。
上述康复训练评估辅助方法中，通过获取可穿戴视觉设备采集的待评估对象的点云数据，将点云数据进行识别匹配得到待评估对象的步态参数，并且该步态参数中至少包含所述目标肢体的活动姿态信息以及与地面的接触分离信息，然后对步态参数进行实时分析、评估以及通过可穿戴视觉设备显示评估结果，使得对待评估对象的康复训练结果的评估辅助信息得到实时反馈，且通过本申请的评估辅助信息进行结果评估时，对于相关人员的经验依赖度降低，因此还有利于保障康复训练结果评估的准确度。
在一个示例性的实施例中，步骤S204将点云数据和预设的人体肢体特征进行匹配，识别出点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据，包括：
基于人体运动模型识别算法，将点云数据和预设的人体肢体特征进行匹配，得到点云数据中与目标肢体对应的肢体点云数据；基于肢体点云数据对点云数据进行分割，得到地面对应的点云数据。
其中，人体运动模型识别算法可以为将穿戴视觉设备采集到的点云数据与预设人体特征进行特征提取与结合，再将全局提取到的特征与点云数据进行逐点分割从而得到更精细和全面的步态参数的计算过程。
可选地，可穿戴视觉设备基于人体运动模型识别算法，将点云数据和预设得人体肢体特征进行特征提取与结合，得到点云数据中与目标肢体对应的点云肢体点云数据，基于肢体点云数据对可穿戴视觉设备采集的点云数据进行分割，分割时利用运动物理模型，该运动物理模型通过运动规律预估每个时刻人体肢体点云三维数据与高度数据几乎不变的地面点云数据，建立识别两者分割的模型，得到地面点云数据。
本实施例种，通过调用人体运动模型识别算法识别出肢体点云数据，并进一步分割得到地面点云数据，为后续获得步态参数做铺垫。
在一个示例性的实施例中，步骤S206对肢体点云数据与地面对应的点云数据进行进一步识别，得到待评估对象的步态参数，包括：
将肢体点云数据利用人体运动模型识别算法进行进一步的特征提取处理，得到目标肢体的活动姿态信息，以及肢体点云数据与地面对应的点云数据的接触信息和离开信息。
其中，特征提取是指从输入数据中提取出具有代表性、区分性和可用性的特征，以便用于数据分析、模式识别、机器学习等任务，提取方法包括集合特征提取、图像特征提取等。
可选地，可穿戴视觉设备在初步分割出肢体点云数据和地面点云数据之后，进一步地将肢体点云数据利用人体运动模型识别算法进行特征提取处理，在处理过程中，通过输入预设的人体肢体特征与当前识别出的肢体点云数据分别进行几何注意边缘卷积计算，得到各自不同精细度的特征信息，再利用运动模型辅助对各自的特征信息进行结合计算边缘卷积提取出目标肢体的活动姿态信息，并进行进一步的点云分割，得到肢体点云数据与地面对应的点云数据的接触信息和离开信息。
本实施例中，通过调用人体运动模型识别算法对肢体点云数据地面点云数据进一步进行步态分割处理，得到待评估对象的姿态信息和肢体点云数据与地面对应的点云数据的接触信息和离开信息，能够达到为后续获得目标肢体精细化的步态参数做铺垫，进一步提高数据分析准确性。
在一个示例性的实施例中，将肢体点云数据利用人体运动模型识别算法进行进一步特征提取处理，得到目标肢体的活动姿态信息，以及目标肢体的活动姿态信息以及与地面的接触分离信息还包括：
根据肢体点云数据与地面对应的点云数据的接触信息和离开信息，得到得到步态周期；基于步态周期对活动姿态信息进行序列分割处理，得到步长、步宽、支撑相周期和摆动相周期，并添加至步态参数。
其中，步态周期可以指行走过程中一侧足跟着地至该侧足跟再次着地所经过的时间，也可以指行走过程中一侧足尖着地至该侧足尖再次着地所经过的时间。每一侧下肢有各自的步行周期；步长是指行走的时候，左右足跟或足尖先后着地时两点间的纵向直线距离；步宽是指两侧足之间的横向距离，通常指两侧足跟中点之间的横向距离；支撑相周期和摆动相周期分别是指每一个步行周期分为站立相和迈步相两个阶段，站立相又称作支撑相，为足底和地面接触的时期；迈步相有称作摆动相，指支撑腿离开地面向前摆动的阶段。
可选地，可穿戴视觉设备根据肢体点云数据与地面对应的点云数据的接触信息和离开信息，得到肢体与地面接触的时刻和肢体离开地面的时刻，得到步态周期，基于步态周期对姿态信息按照预设的条件，如支撑相大约占步行周期的60％，摆动相占40％，进行对活动姿态信息进行分割处理，得到多个步态参数，包括：步长、步宽、支撑相周期、摆动相周期和偏移角、跨步长、步速和启动时间等。
本实施例中，通过识别到的肢体点云数据与地面对应的点云数据的接触信息和离开信息进行处理，得到步态参数，因为对接触和离开信息的使用，使得获得的步态参数准确性更高。
在一个示例性的实施例中，如图3所示，步骤S208基于步态参数确定待评估对象目标肢体的康复训练评估结果，包括步骤S302至步骤S304，其中：
步骤S302，获取预设的推荐步态特征和至少两种步态评估表；
其中，推荐步态特征是专家推荐的步态特征，比如足下垂、外八等医学特征；至少两种步态评估表包括Tinetti量表(Tinetti Balance and Gait Analysis，步态评估量表)、Holden量表(步行功能分级量表)和康复评定量表等。
可选地，可穿戴视觉设备可以从服务器端获取推荐步态特征和至少两种步态评估表，或者基于本地的配置信息获取推荐步态特征和至少两种步态评估表。
步骤S304，将步态参数、推荐步态特征和至少两种步态评估表作为输入，输入预设的模糊专家系统，基于模糊专家系统的输出得到步态评估结果。
其中，模糊专家系统是指计算机系统解决问题的一种形式，常用于人工智能的创建。专家系统是基于布尔逻辑的决策计算机软件，意思是系统使用一系列是或否的答案来尝试解决一个问题。模糊专家系统是在传统专家系统的基础上扩展而来的，它是基于模糊逻辑而不是布尔逻辑。模糊逻辑，意味着答案不是一个明确的是或否。它落在中间的某个地方，计算机必须尝试根据可能不完全正确但也可能不完全错误的答案来计算答案。
可选地，可穿戴视觉设备将步态参数、推荐步态特征和至少两种步态评估表作为输入，输入预设的模糊专家系统，经过模糊专家系统的推理后得到输出针对待评估对象的步态评估结果。
本实施例中，通过将步态参数和获取的推荐步态特征和至少两种步态评估表作为输入预设的模糊专家系统，得到输出的步态评估结果，使得模糊专家的推理过程和决策依据可以被提前解释和理解具有可解释性，处理步态评估的推理过程也具有灵活性和容错性。
在一个示例性的实施例中，步骤S304将步态参数、推荐步态特征和至少两种步态评估表作为输入，输入预设的模糊专家系统，基于模糊专家系统的输出得到步态评估结果，包括：
将推荐步态特征和至少两种步态评估表中的非数值数据进行量化处理，得到量化后的推荐步态特征和量化后的至少两种步态评估表；将步态参数、量化后的推荐步态特征和量化后的至少两种步态评估表作为输入数据，输入预设的模糊专家系统，通过模糊专家系统对输入数据进行模糊化处理，并基于量化后推荐步态特征和至少两种步态评估表对输入数据中的步态参数进行模糊推理，得到模糊推理结果，对模糊推理结果进行解模糊处理得到与待评估对象当前的步态参数对应的步态评估结果。
其中，量化处理是指将非结构化或半结构化的数据转化为结构化数据的过程。在量化处理中，常用的方法包括将文本转化为数字表示、对图像进行特征提取、对音频进行信号处理等。通过量化处理，可以将原本难以处理的数据转化为可用于机器学习、数据分析等任务的数据形式，从而实现对数据的更深入分析和利用。
其中，模糊化处理是指确定对应各语言变量的模糊子集，然后根据量化的结果，我们就可以判断该输入所属的集合并计算出对应的隶属度。计算隶属度的方法有很多，最常用的是使用三角形隶属度函数或梯形隶属度函数等来计算获得。模糊推理是指模糊推理是指在模糊专家系统中使用模糊逻辑进行推理的过程。模糊推理是一种基于模糊集合理论的推理方法，它能够处理不确定性和模糊性的信息。模糊推理可以通过模糊逻辑运算，如模糊交集、模糊并集、模糊关系等，对模糊集合进行处理和计算，从而得到模糊的推理结果。模糊推理能够在不确定性和模糊性的环境中进行有效的推理和决策，适用于许多实际问题的建模和解决。
可选地，可穿戴视觉设备将推荐步态特征和至少两种步态评估表中的非数值数据进行量化处理，得到量化后的推荐步态特征和量化后的至少两种步态评估表，例如对步态特征的数据量化是将足下垂、外八等医学特征量化为具有数据评判标准的医学特征，将至少两种步态评估表中的评估项目对应的评分规则量化为数据评判标准。将步态参数、量化后的推荐步态特征和量化后的至少两种步态评估表作为输入数据，输入预设的模糊专家系统，通过模糊专家系统对输入数据进行模糊化处理转为模糊集合，并基于量化后推荐步态特征和至少两种步态评估表对输入数据作为定义的规则，将步态参数与定义的规则进行匹配，根据匹配情况进行推理操作，可以通过模糊逻辑运算进行，得到模糊推理结果，对模糊推理结果进行解模糊处理得到与步态参数对应的步态评估结果。
本实施例中，通过获取推荐步态特征和多样化步态评估量表和步态参数，将上述数据进行量化后输入模糊专家系统进行模糊化和模糊推理得到推理结果，再经过解模糊后得到输出得评估结果。使得能够避免由于不同专家自身不同的康复评估经验、对评估细节不同的注意程度带来的误差。
在一个示例性的实施例中，步骤S208基于步态参数确定待评估对象的目标肢体的康复训练评估结果之后，还包括：
在康复训练评估结果表征目标肢体的康复训练未达到预期结果的情况下，调用预设的康复训练策略混合推荐系统对步态评估结果进行预测，得到与步态评估结果对应的康复策略；通过可穿戴视觉设备展示康复策略。
其中，预期结果可以为评估结果评分高于预设的康复良好对应的评分阈值；康复训练策略是指预先制定的针对不同恢复状况对应的训练策略，使得待评估对象能得到一定的康复效果。
可选地，可穿戴视觉设备再康复训练评估结果表征待评估对象的目标肢体的康复训练未达到预期结果的情况下，调用预设的康复训练策略混合推荐系统对步态评估结果进行预测，匹配该评估结果对应的康复策略，并通过可穿戴视觉设备对该康复策略进行展示。
本实施例中，通过将步态评估结果输入康复训练策略混合推荐系统对该评估结果对应的康复策略进行预测，预测得到的康复策略通过可穿戴设备进行展示，使得根据评估结果进行策略建议过程实现自动化。
在一个示例性的实施例中，在康复训练评估结果表征目标肢体的康复训练未达到预期结果的情况下，调用预设的康复训练策略混合推荐系统对步态评估结果进行预测，得到与步态评估结果对应的康复策略，包括：
获取待评估对象的生理数据特征和预设的多种标准化康复策略；调用预设的康复训练策略混合推荐系统将步态评估结果、步态参数和和待评估对象的生理数据特征作为第一数据集，计算第一数据集与多种标准化康复策略对应的多个第二数据集之间的相关度，得到多个相关度结果；将与第一数据集的相关度最高的标准化康复策略，作为康复策略。
其中，待评估对象的生理数据特征可以为待评估对象的性别、年龄、身高、体重、基础疾病状况等。
可选地，可穿戴视觉设备获取待评估对象的生理数据特征和预设的多种标准化康复策略，调用预设的康复训练策略混合推荐系统，通过基于XDeepFM算法(一种用于推荐系统的深度学习模型)进行计算得到相关度结果，计算公式如下所示：
其中，MMD(Maximum Mean Discrepancy，最大均值差异)，当计算得到最大均值差异越小，则表示其对应的第一数据集和第二数据集之间的相关度越大。X可表示基于识别模块中获取的步态参数、参考医师提出的步态评估特征参数以及模糊专家系统的评估结果等步态数据集合，x表示集合中每个数据结果中的样本，m为样本数。Y可表示基于与标准化康复策略对应的步态数据集合，小写y表示集合中每个标准样本数据，n为对应的标准样本数。此处的推荐机制已经将预设的每种标准化用户的生理数据特征+步态参数+评估结果(每种标准化用户对应一个数据集Y，所以有很多个预设数据集Y)和每个Y对应预设的标准化康复策略已经做了关联。实时检测到用户的生理数据特征+步态参数+评估结果作为数据集X，去计算X与每个Y之间的MMD，取最小的MMD对应的Y，然后将具有最小MMD对应的Y关联的标准化康复策略作为推荐的康复策略。
本实施例中，通过将待评估对象的生理数据、步态参数和步态评估结果与预设的标准化的用户生理数据步态参数和步态评估结果进行最大均值差异的计算，得到该待评估对象对应的康复策略，使得系统进行康复策略匹配时的精确度更高。
在一个示例性的实施例中，上述任一实施例的方法，还包括：
将所述待评估对象的目标肢体的步态评估结果康复训练评估结果和/或所述康复策略保存至所述可穿戴视觉设备对应的外接设备。
其中，外接设备可以为具有显示模块和存储功能的设备。
可选地，可穿戴视觉设备将待评估对象的目标肢体的康复训练评估结果和/或对应的康复策略保存至具有显示模块和存储功能的外接设备，进而可通过该外接设备对评估结果和/或对应的康复策略进行展示和存储。
本实施例中，通过将得到的步态评估结果和/或对应的康复策略保存至外接设备并进行展示，使得评估结果和康复策略的保存和展示方式更具备多样性。
在一个示例性的实施例中，如图4所示，提供了一种智能康复评估辅助系统及方法，该评估辅助系统包括识别模块、评估模块和策略推荐模块，该方法具体包括：
步骤S402，识别模块获取可穿戴视觉设备采集的待评估对象在康复活动过程中的点云数据。
步骤S404，识别模块基于人体运动模型识别算法，将点云数据和预设的人体肢体特征进行匹配，得到点云数据中与康复训练目标肢体对应的肢体点云数据；基于肢体点云数据对点云数据进行分割，得到地面对应的点云数据。
步骤S406，识别模块根据肢体点云数据与地面对应的点云数据的接触信息和离开信息，得到得到步态周期；基于步态周期对活动姿态信息进行序列分割处理，得到步长、步宽、支撑相周期和摆动相周期，并添加至步态参数。如图5所示，提供了识别模块的执行操作的流程示意图，将输入的肢体点云数据和预训练的模拟人体模型参数输入分别进行几何注意边缘卷积计算，得到不同分辨率的特征信息，将不同分辨率的特征信息结合采取运动模型辅助边缘卷积计算，得到肢体活动姿态信息，通过基于步态周期对肢体活动姿态信息进行全局特征提取，将提取到的不同分辨率的特征和不同维度的特征进行拼接，得到待评估对象的步态参数。
步骤S408，评估模块获取预设的推荐步态特征和至少两种步态评估表；将推荐步态特征和至少两种步态评估表中的非数值数据进行量化处理，得到量化后的推荐步态特征和量化后的至少两种步态评估表；将步态参数、量化后的推荐步态特征和量化后的至少两种步态评估表输入预设的模糊专家系统，通过模糊专家系统对输入数据进行模糊化处理，并基于量化后推荐步态特征和至少两种步态评估表对输入数据中的步态参数进行模糊推理，得到模糊推理结果，对模糊推理结果进行解模糊处理得到与步态参数对应的步态评估结果。如图7所示，提供了评估模块的执行操作的流程示意图
步骤S410，策略推荐模块基于步态参数确定待评估对象的目标肢体的康复训练评估结果，在康复训练评估结果表征目标肢体的康复训练未达到预期结果的情况下，进一步提供对应的推荐策略。具体如图7所示，提供了策略推荐模块执行操作的流程示意图，具体包括：获取待评估对象的生理数据特征和预设的多种标准化康复策略；调用预设的康复训练策略混合推荐系统将步态评估结果、步态参数和和待评估对象的生理数据特征作为第一数据集，计算第一数据集与多种标准化康复策略对应的多个第二数据集之间的相关度，得到多个相关度结果；将与第一数据集的相关度最高的标准化康复策略，作为康复策略，并通过可穿戴视觉设备展示评估结果，还可以将待评估对象的目标肢体的康复训练评估结果和康复策略保存至外接设备，并通过外接设备展示评估结果和康复策略。
需要说明的是，通过本申请上述方法实施例得到的待评估对象的步态参数、康复训练评估结果、对应的康复策略等，主要作为一种评估辅助信息，但不代表是对待评估对象的诊断结论，具体的诊断结论还需要专业人员参考上述辅助信息，结合专业知识进行综合性判断。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的康复训练评估辅助方法的康复训练评估辅助装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个康复训练评估辅助装置实施例中的具体限定可以参见上文中对于康复训练评估辅助方法的限定，在此不再赘述。
在一个示例性的实施例中，如图8所示，提供了一种康复训练评估辅助装置800，包括：点云数据获取模块802、点云数据处理模块804、步态参数获取模块806和步态评估模块808，其中：
点云数据获取模块802，用于获取可穿戴视觉设备采集的待评估对象在康复活动过程中的点云数据。
点云数据处理模块804，用于将点云数据和预设的人体肢体特征进行匹配，识别出点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据。
步态参数获取模块806，用于对肢体点云数据与地面对应的点云数据进行进一步识别，得到待评估对象的步态参数；步态参数中至少包含目标肢体的活动姿态信息以及与地面的接触分离信息。
步态评估模块808，用于基于步态参数确定待评估对象的目标肢体的康复训练评估结果，并通过可穿戴视觉设备展示评估结果。
进一步地，在一个实施例中，点云数据处理模块804，还用于基于人体运动模型识别算法，将点云数据和预设的人体肢体特征进行匹配，得到点云数据中与康复训练目标肢体对应的肢体点云数据；基于肢体点云数据对点云数据进行分割，得到地面对应的点云数据。
进一步地，在一个实施例中，步态参数获取模块806，还用于将肢体点云数据利用人体运动模型识别算法进行特征提取处理，得到目标肢体的活动姿态信息，以及目标肢体的活动姿态信息以及与地面的接触分离信息。
进一步地，在一个实施例中，步态参数获取模块806，还用于根据肢体点云数据与地面对应的点云数据的接触信息和离开信息，得到得到步态周期；基于步态周期对活动姿态信息进行序列分割处理，得到步长、步宽、支撑相周期和摆动相周期，并添加至步态参数。
进一步地，在一个实施例中，步态评估模块808，还用于获取预设的推荐步态特征和至少两种步态评估表；将步态参数、推荐步态特征和至少两种步态评估表作为输入，输入预设的模糊专家系统，基于模糊专家系统的输出得到步态评估结果。
进一步地，在一个实施例中，步态评估模块808，还用于将推荐步态特征和至少两种步态评估表的量表中的非数值数据进行量化处理，得到量化后的推荐步态特征和量化后的至少两种步态评估表的量表；将步态参数、量化后的推荐步态特征和量化后的至少两种步态评估表的量表作为输入数据，输入预设的模糊专家系统，通过模糊专家系统对输入数据进行模糊化处理，并基于量化后推荐步态特征和至少两种步态评估表的量表对输入数据中的步态参数进行模糊推理，得到模糊推理结果，对模糊推理结果进行解模糊处理得到与步态参数对应的步态评估结果。
进一步地，在一个实施例中，还包括，策略推荐模块，用于在康复训练评估结果表征目标肢体的康复训练未达到预期结果的情况下，调用预设的康复训练策略混合推荐系统对步态评估结果进行预测，得到与步态评估结果对应的康复策略；通过可穿戴视觉设备展示康复策略。
进一步地，在一个实施例中，所述策略推荐模块，还用于获取待评估对象的生理数据特征和预设的多种标准化康复策略；调用预设的康复训练策略混合推荐系统将步态评估结果、步态参数和和待评估对象的生理数据特征作为第一数据集，计算第一数据集与多种标准化康复策略对应的多个第二数据集之间的相关度，得到多个相关度结果；将与第一数据集的相关度最高的标准化康复策略，作为康复策略。
进一步地，在一个实施例中，还包括同步模块，用于将待评估对象的目标肢体的康复训练评估结果和康复策略至外接设备，并通过外接设备展示评估结果和康复策略。
上述康复训练评估辅助装置800中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待评估对象的点云数据、多样化评估量表等。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种康复训练评估辅助装置方法。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种康复训练评估辅助方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图9和图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (13)

1.一种康复训练评估辅助方法，其特征在于，所述方法包括：
获取可穿戴视觉设备采集的待评估对象在康复活动过程中的点云数据；
将所述点云数据和预设的人体肢体特征进行匹配，识别出所述点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据；
对所述肢体点云数据与地面对应的点云数据进行进一步识别，得到所述待评估对象的步态参数；所述步态参数中至少包含所述目标肢体的活动姿态信息以及与地面的接触分离信息；
基于所述步态参数确定所述待评估对象的目标肢体的康复训练评估结果，并通过所述可穿戴视觉设备展示所述评估结果。
2.根据权利要求1所述的方法，其特征在于，所述将所述点云数据和预设的人体肢体特征进行匹配，识别出所述点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据，包括：
基于人体运动模型识别算法，将所述点云数据和预设的人体肢体特征进行匹配，得到点云数据中与康复训练目标肢体对应的肢体点云数据；
基于所述肢体点云数据对所述点云数据进行分割，得到地面对应的点云数据。
3.根据权利要求1所述的方法，所述对所述肢体点云数据与地面对应的点云数据进行进一步识别，得到所述待评估对象的步态参数，包括：
将所述肢体点云数据利用人体运动模型识别算法进行特征提取处理，得到所述目标肢体的活动姿态信息，以及所述肢体点云数据与地面对应的点云数据的接触信息和离开信息。
4.根据权利要求3所述的方法，其特征在于，还包括：
根据所述肢体点云数据与地面对应的点云数据的接触信息和离开信息，得到得到步态周期；
基于所述步态周期对所述活动姿态信息进行序列分割处理，得到步长、步宽、支撑相周期和摆动相周期，并添加至所述步态参数。
5.根据权利要求1所述的方法，其特征在于，所述基于所述步态参数确定所述待评估对象目标肢体的康复训练评估结果，包括：
获取预设的推荐步态特征和至少两种步态评估表；
将所述步态参数、所述推荐步态特征和所述至少两种步态评估表作为输入，输入预设的模糊专家系统，基于所述模糊专家系统的输出得到步态评估结果。
6.根据权利要求5所述的方法，其特征在于，所述将所述步态参数、所述推荐步态特征和所述至少两种步态评估表作为输入，输入预设的模糊专家系统，基于所述模糊专家系统的输出得到步态评估结果，包括：
将所述推荐步态特征和所述至少两种步态评估表中的非数值数据进行量化处理，得到量化后的推荐步态特征和量化后的至少两种步态评估表的量表；
将所述步态参数、所述量化后的推荐步态特征和量化后的至少两种步态评估表作为输入数据，输入预设的模糊专家系统，通过所述模糊专家系统对所述输入数据进行模糊化处理，并基于量化后推荐步态特征和至少两种步态评估表对输入数据中的步态参数进行模糊推理，得到模糊推理结果，对所述模糊推理结果进行解模糊处理得到与所述步态参数对应的步态评估结果。
7.根据权利要求1所述的方法，其特征在于，所述基于所述步态参数确定所述待评估对象的目标肢体的康复训练评估结果之后，还包括：
在所述康复训练评估结果表征所述目标肢体的康复训练未达到预期结果的情况下，调用预设的康复训练策略混合推荐系统对所述步态评估结果进行预测，得到与所述步态评估结果对应的康复策略；
通过所述可穿戴视觉设备展示所述康复策略。
8.根据权利要求7所述的方法，其特征在于，所述调用预设的康复训练策略混合推荐系统对所述步态评估结果进行预测，得到与所述步态评估结果对应的康复策略，包括：
获取待评估对象的生理数据特征和预设的多种标准化康复策略；
调用预设的康复训练策略混合推荐系统将所述步态评估结果、所述步态参数和和所述待评估对象的生理数据特征作为第一数据集，计算所述第一数据集与所述多种标准化康复策略对应的多个第二数据集之间的相关度，得到多个相关度结果；
将与所述第一数据集的相关度最高的标准化康复策略，作为康复策略。
9.根据权利要求1至8任一项所述的方法，其特征在于，还包括：
将所述待评估对象的目标肢体的步态评估结果康复训练评估结果和/或所述康复策略保存至所述可穿戴视觉设备对应的外接设备。
10.一种康复训练评估辅助装置，其特征在于，所述装置包括：
点云数据获取模块，用于获取可穿戴视觉设备采集的待评估对象在康复活动过程中的点云数据；
点云数据处理模块，用于将所述点云数据和预设的人体肢体特征进行匹配，识别出所述点云数据中与康复训练目标肢体对应的肢体点云数据、以及地面对应的点云数据；
步态参数获取模块，用于对所述肢体点云数据与地面对应的点云数据进行进一步识别，得到所述待评估对象的步态参数；所述步态参数中至少包含所述目标肢体的活动姿态信息以及与地面的接触分离信息；
步态评估模块，用于基于所述步态参数确定所述待评估对象的目标肢体的康复训练评估结果，并通过所述可穿戴视觉设备展示所述评估结果。
11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
12.一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，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
13.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
CN202311284865.0A 2023-09-28 2023-09-28 康复训练评估辅助方法、装置、计算机设备和存储介质 Pending CN117392746A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311284865.0A CN117392746A (zh) 2023-09-28 2023-09-28 康复训练评估辅助方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311284865.0A CN117392746A (zh) 2023-09-28 2023-09-28 康复训练评估辅助方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN117392746A true CN117392746A (zh) 2024-01-12

Family

ID=89471156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311284865.0A Pending CN117392746A (zh) 2023-09-28 2023-09-28 康复训练评估辅助方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN117392746A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117577332A (zh) * 2024-01-16 2024-02-20 中航创世机器人(西安)有限公司 一种基于视觉分析的康复评估方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117577332A (zh) * 2024-01-16 2024-02-20 中航创世机器人(西安)有限公司 一种基于视觉分析的康复评估方法及系统
CN117577332B (zh) * 2024-01-16 2024-04-02 中航创世机器人(西安)有限公司 一种基于视觉分析的康复评估方法及系统

Similar Documents

Publication Publication Date Title
US11986286B2 (en) Gait-based assessment of neurodegeneration
US11763603B2 (en) Physical activity quantification and monitoring
Dikovski et al. Evaluation of different feature sets for gait recognition using skeletal data from Kinect
Chaudhari et al. Yog-guru: Real-time yoga pose correction system using deep learning methods
US11759126B2 (en) Scoring metric for physical activity performance and tracking
CN111160294B (zh) 基于图卷积网络的步态识别方法
CN117392746A (zh) 康复训练评估辅助方法、装置、计算机设备和存储介质
WO2022142854A1 (zh) 一种人体姿态识别模型优化方法、装置和终端设备
CN111401340B (zh) 目标对象的运动检测方法和装置
CN114782497B (zh) 运动功能分析方法和电子设备
CN110738650A (zh) 一种传染病感染识别方法、终端设备及存储介质
Williams et al. Assessment of physical rehabilitation movements through dimensionality reduction and statistical modeling
CN113229807A (zh) 人体康复评估装置、方法、电子设备及存储介质
Francisco et al. Computer vision based on a modular neural network for automatic assessment of physical therapy rehabilitation activities
KR102472190B1 (ko) 사용자 맞춤형 풋웨어 추천 시스템 및 그 방법
Ahmed et al. Kalman filter-based noise reduction framework for posture estimation using depth sensor
KR20190120923A (ko) 발 특성 정보를 이용한 보행 능력 예측 방법 및 시스템
Wei et al. Center of mass estimation for balance evaluation using convolutional neural networks
Seredin et al. The basic assembly of skeletal models in the fall detection problem
CN112861699A (zh) 一种基于单张深度图像和多阶段神经网络的任意姿势人体身高估计方法
KR20230010164A (ko) 두경부 영상 이미지를 이용한 지방량 산출 방법 및 이를 위한 장치
CN110148202B (zh) 用于生成图像的方法、装置、设备和存储介质
Hundall et al. Computer Vision and Abnormal Patient Gait Assessment a Comparison of Machine Learning Models
CN116110584B (zh) 一种人体健康风险评估预警系统
CN118015709B (zh) 一种基于多模态图神经网络的动作识别方法及装置

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