CN118072910A - 一种智能康复训练的监测方法、***、设备及存储介质 - Google Patents
一种智能康复训练的监测方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN118072910A CN118072910A CN202410457894.0A CN202410457894A CN118072910A CN 118072910 A CN118072910 A CN 118072910A CN 202410457894 A CN202410457894 A CN 202410457894A CN 118072910 A CN118072910 A CN 118072910A
- Authority
- CN
- China
- Prior art keywords
- preset
- action
- training
- tested
- information
- 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
- 238000012549 training Methods 0.000 title claims abstract description 201
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 14
- 230000009471 action Effects 0.000 claims abstract description 205
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 239000013598 vector Substances 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000013077 scoring method Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 2
- 230000000386 athletic effect Effects 0.000 claims 1
- 230000036544 posture Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 7
- 210000002414 leg Anatomy 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 210000004197 pelvis Anatomy 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000000629 knee joint Anatomy 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 210000001624 hip Anatomy 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 210000003141 lower extremity Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002980 postoperative effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010060820 Joint injury Diseases 0.000 description 1
- 208000035965 Postoperative Complications Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000008407 joint function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请涉及一种智能康复训练的监测方法、***、设备及存储介质，利用预设的3D人体关键点检测模型得到待测试者的相关动作信息中的预设数量的关键点的3D坐标信息以及可见性信息；若待测试者位于待测试的区域内，且预设的运动处方中的所有预设的训练动作未完成，则调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息；直至运动处方中的所有预设的训练动作全部完成，通过定量的对康复训练过程中待测试者的关节角度、距离、训练姿态进行量化的检测、评估和反馈，对康复训练形成科学有效的指导，提高康复训练的安全性和效果。
Description
技术领域
本发明属于康复器械技术领域，尤其涉及一种智能康复训练的监测方法、***、设备及存储介质。
背景技术
关节损伤的术后康复训练至关重要，康复训练可最大限度重建关节功能，增强患者术后日常生活能力，降低术后并发症。
现有技术中，由于缺少专业康复教练的动作指导与纠正以及数字化的康复训练反馈，患者自主康复训练通常无法保障康复效果且可能造成二次损伤；另一方面，受限于客观条件，患者往往不能经常到康复机构进行训练，而且现有的康复设备多数为较大型的设备，有些需依托大屏幕、深度摄像头或传感器等硬件，存在设备昂贵、安装不便、使用场景受限等问题，因此较难满足多数患者的需求。
发明内容
有鉴于此，本发明的目的在于提供一种智能康复训练的监测方法、***、设备及存储介质，以解决现有技术中存在的问题。
根据本发明实施例的第一方面，提供一种智能康复训练的监测方法，包括：
实时采集待测试者的相关动作信息；
利用预设的3D人体关键点检测模型得到待测试者的相关动作信息中的预设数量的关键点的3D坐标信息以及可见性信息；
通过读取预设数量的关键点的可见性信息，判断待测试者是否在待测试的区域内；
若待测试者位于待测试的区域内，且预设的运动处方中的所有预设的训练动作未完成，则调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息；其中，待测试者当前训练动作的相关信息，包括：动作计数、动作得分、纠正反馈提示信息；其中，运动处方包括：预设的训练动作的合集；
直至运动处方中的所有预设的训练动作全部完成。
进一步地，所述3D人体关键点检测模型，包括：基于Mideapipe框架的3D人体关键点检测模型。
进一步地，所述调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息，包括：
利用预设的运动处方中所有预设的训练动作，得到待测试者当前的训练动作中相关关节角度值和距离值；
若测试者当前的训练动作中相关关节角度值和距离值占主要要素的关节角度值或距离值达到进入有效状态的阈值，则触发进入训练动作有效状态；
利用预设的运动处方中当前的训练动作，得到进入训练动作有效状态下的得分；
若测试者当前的训练动作中相关关节角度值和距离值占主要要素的关节角度值或距离值达到返回状态阈值，则触发返回训练动作准备状态，并输出动作计数、动作得分、纠正反馈提示信息。
进一步地，所述利用预设的运动处方中所有预设的训练动作，得到待测试者当前的训练动作中相关关节角度值和距离值，包括：
利用预设的运动处方中所有预设的训练动作，循环获取待测试者当前的训练动作中相关关节的3D坐标信息；
利用待测试者当前的训练动作中相关关节的3D坐标信息，定义第一空间向量、第二空间向量；
利用第一空间向量、第二空间向量得到待测试者当前的训练动作中相关关节角度值和距离值。
进一步地，所述利用预设的运动处方中当前的训练动作，得到进入训练动作有效状态下的得分，包括：
利用预设的运动处方中当前的训练动作，根据运动处方中定义的第一计分方法计算各项标准的得分和总得分，并记录每一项得分的最大值和加权得分的最大值。
进一步地，所述运动处方中定义的第一计分方法，如下式所示，包括：
其中，总得分；第k项评估标准的得分为sk,该项评估标准的权重wk。
进一步地，所述方法还包括：若测试者当前的训练动作中相关关节角度值和距离值占主要要素的关节角度值或距离值达到返回状态阈值，则动作计数累加。
根据本发明实施例的第二方面，提供一种智能康复训练的监测***，包括：
采集模块，用于实时采集待测试者的相关动作信息；
检测模块，用于利用预设的3D人体关键点检测模型得到待测试者的相关动作信息中的预设数量的关键点的3D坐标信息以及可见性信息；
第一处理模块，用于通过读取预设数量的关键点的可见性信息，判断待测试者是否在待测试的区域内；
第二处理模块，用于若待测试者位于待测试的区域内，且预设的运动处方中的所有预设的训练动作未完成，则调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息；其中，待测试者当前训练动作的相关信息，包括：动作计数、动作得分、纠正反馈提示信息；其中，运动处方包括：预设的训练动作的合集；
直至运动处方中的所有预设的训练动作全部完成。
根据本发明实施例的第三方面，提供一种智能康复训练的监测设备，包括：
存储器，其上存储有可执行程序；
处理器，用于执行所述存储器中的所述可执行程序，以实现上述中任一项所述方法的步骤。
根据本发明实施例的第四方面，提供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指令，所述计算机指令用于使计算机执行上述中任一项所述方法的步骤。
本发明的实施例提供的技术方案可以包括以下有益效果：
1、本发明提供的技术方案，通过实时采集待测试者的相关动作信息；利用预设的3D人体关键点检测模型得到待测试者的相关动作信息中的预设数量的关键点的3D坐标信息以及可见性信息；之后，通过读取预设数量的关键点的可见性信息，判断待测试者是否在待测试的区域内；若待测试者位于待测试的区域内，且预设的运动处方中的所有预设的训练动作未完成，则调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息；直至运动处方中的所有预设的训练动作全部完成，实现了康复运动方案的可视化，解决传统文字化的康复计划不直观、不***，将运动处方变成三维、立体的真人示教视频，按照康复时间维度提供运动处方和康复方案。
2、本发明提供的技术方案，通过深度学习人体姿态估计和关键点检测算法，不仅能实现直观的展示人体模型，更能定量的对关节角度、距离、训练姿态等进行量化的检测、评估和反馈，从而对康复训练形成科学有效的指导，使得康复评估更加智能化和精准化，提高康复训练的安全性和效果；通过对待测试者运动能力和运动行为数据的采集和分析，确定待测试者的活动状态和受伤程度，方便医生根据大数据分析结果给出个人性化诊疗方案和运动处方。
3、本申请的***，具备实时反馈能力，在康复训练过程中，***能够实时监测待测试者的运动轨迹、姿态等参数，通过算法分析，实时给出反馈和指导，帮助患者纠正错误的动作，提高训练效果，医生实时掌握患者的活动度、肌力、生理特征，制定新的康复方案。同时，可实现远程康复和协同合作。患者可以通过互联网与康复专家进行远程沟通和交流，获得专业的指导和建议。
4、本申请的***，通过康复大数据进行集中管理和分析，便于康复专家持续不断优化康复方案，制定科学康复标准和方案，促进康复医学的发展和进步。
5、本申请的方法，使得待测试者无需穿戴传感器，摆脱可穿戴设备对待测试者的限制。
6、本申请的方法，提高了康复训练监测方法及设备的实时性，量化了康复训练过程，给予康复患者和医生量化的、科学的反馈，并可以形成闭环，从而实现康复训练的数字化、智能化。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种智能康复训练的监测方法流程示意图；
图2是根据一示例性实施例示出的一种智能康复训练的监测方法***框图示意图；
图3是根据一示例性实施例示出的一种智能康复训练的训练动作评估算法流程和步骤示意图；
图4是根据一示例性实施例示出的一种智能康复训练的***组成示意图；
图5是根据一示例性实施例示出的一种智能康复训练的设备组成示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例一
请参阅图1，图1是根据一示例性实施例示出的一种智能康复训练的监测方法流程示意图，所述方法包括：
S1.实时采集待测试者的相关动作信息；
S2.利用预设的3D人体关键点检测模型得到待测试者的相关动作信息中的预设数量的关键点的3D坐标信息以及可见性信息；
S3.通过读取预设数量的关键点的可见性信息，判断待测试者是否在待测试的区域内；
S4.若待测试者位于待测试的区域内，且预设的运动处方中的所有预设的训练动作未完成，则调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息；其中，待测试者当前训练动作的相关信息，包括：动作计数、动作得分、纠正反馈提示信息；其中，运动处方包括：预设的训练动作的合集；
S5.直至运动处方中的所有预设的训练动作全部完成。
在一个实施例中，利用预设的摄像头实时采集待测试者的相关动作信息，在本申请实施例中，所述摄像头可以为单目摄像头或其他摄像头。
在一个实施例中，如步骤S2所述，利用预设的3D人体关键点检测模型得到待测试者的相关动作信息中的预设数量的关键点的3D坐标信息以及可见性信息，包括：
1.预先构建用于进行3D人体关键点检测模型，本申请实施例中使用基于Mideapipe框架的3D人体关键点检测模型，具有多功能支持、跨平台支持、精度和性能好等优势；以往常见的基于深度学习的人体姿态估计算法是为每个关节生成热图（heatmap），并细化每个坐标的偏移量，但对于单人检测来说其内存开销和时间开销相对太大，不能满足本申请的场景下实时性的要求，即使能满足实时性也会使计算成本大幅上升；本申请中使用的基于Mideapipe框架的3D人体关键点检测模型在推理时丢弃了heatmap分支，并将计算过程部署在GPU(图形处理器)上，从而使推理运算速度显著加速，达到了实时推理的要求，而质量没有下降。
2.请参阅图2，利用预设的***启动上述3D人体关键点检测模型的相关服务，对摄像头进行初始化，载入上述3D人体关键点检测模型。
3.利用载入的3D人体关键点检测模型，获得待测试者的33个人体关键节点的3D坐标信息[x, y, z]和可见性信息[visibility]。
在一个实施例中，如步骤S3所述，通过读取预设数量的关键点的可见性信息，判断待测试者是否在待测试的区域内，包括：
通过读取33个人体关键节点的可见性信息，对骨架的完整性进行识别，判断待测试者是否在摄像头视野内；
若骨架完整，则说明待测试者站在摄像头视野内，继续执行下一步骤；
否则，提示待测试者站在摄像头视野内。
在一个实施例中，如步骤S4所述，若待测试者位于待测试的区域内，且预设的运动处方中的所有预设的训练动作未完成，则调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息，包括：
利用预设的运动处方中所有预设的训练动作，获取待测试者选择的训练动作的ID；
根据当前训练动作ID，播放该动作预录制的标准示范视频，同时调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息；
当待测试者完成一次训练后，算法模块输出待测试者当前训练动作的计数、得分、纠正反馈提示。
根据运动处方和当前训练动作计数，如果处方开具的当前训练个数已经完成，则退出当前服务，如果没有完成，则返回步骤”利用载入的3D人体关键点检测模型，获得待测试者的33个人体关键节点的3D坐标信息[x, y, z]和可见性信息[visibility]”中，循环执行。
在一个实施例中，请参阅图3，所述调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息，包括：
利用预设的运动处方中所有预设的训练动作，得到待测试者当前的训练动作中相关关节角度值和距离值；
若测试者当前的训练动作中相关关节角度值和距离值占主要要素的关节角度值或距离值达到进入有效状态的阈值，则触发进入训练动作有效状态；
利用预设的运动处方中当前的训练动作，得到进入训练动作有效状态下的得分；
若测试者当前的训练动作中相关关节角度值和距离值占主要要素的关节角度值或距离值达到返回状态阈值，则触发返回训练动作准备状态，并输出动作计数、动作得分、纠正反馈提示信息。
进一步地，所述利用预设的运动处方中所有预设的训练动作，得到待测试者当前的训练动作中相关关节角度值和距离值，包括：
利用预设的运动处方中所有预设的训练动作，循环获取待测试者当前的训练动作中相关关节的3D坐标信息；
利用待测试者当前的训练动作中相关关节的3D坐标信息，定义第一空间向量、第二空间向量；
利用第一空间向量、第二空间向量得到待测试者当前的训练动作中相关关节角度值和距离值。
进一步地，所述利用预设的运动处方中当前的训练动作，得到进入训练动作有效状态下的得分，包括：
利用预设的运动处方中当前的训练动作，根据运动处方中定义的第一计分方法计算各项标准的得分和总得分，并记录每一项得分的最大值和加权得分的最大值。
在具体实施时，训练动作评估算法详细说明如下：
(1)待测试者开始当前训练动作时，流程同步进入算法，即待测试者和算法都在训练动作准备状态；
(2)在训练动作准备状态循环读取运动处方中需要测量的相关关节的坐标，并计算相关角度值和距离值，以计算上述处方第(1)条中的腿抬起角度为例，计算方法如下：
由上述3D人体关键点检测模型，读取患侧左腿膝关节、骨盆中心、右腿膝关节的3D坐标，记为：knee_l[x, y, z], pelvis[x, y, z], knee_r[x, y, z]；腿抬起角度计算步骤和公式为：
定义3D空间的向量1:vector1（第一空间向量）, 向量2:vector2（第二空间向量），如下：
vec1 = [knee_l.x – pelvis.x, knee_l.y – pelvis.y, knee_l.z –pelvis.z]
vec2 = [knee_r.x – pelvis.x, knee_r.y – pelvis.y, knee_r.z –pelvis.z]
计算2个向量的点积：
dot_product = vec1·vec2
计算2个向量的长度：
vec1_len = ||vec1||
vec2_len = ||vec2||
计算2个向量的夹角，即腿抬起的角度：
angle_radian = arccosine(dot_product / (vec1_len * vec2_len))
两点的距离值即两点构成的向量的长度，具体计算方法如上述步骤c所示；同理可计算运动处方中其它动作关键点的角度值和距离值。
如果占主要要素的关节角度或距离值（如上述处方中的第一项）达到进入有效状态的阈值，则触发进入训练动作有效状态。
(3)在训练动作有效状态中，循环读取运动处方中需要测量的相关关节的坐标，计算相关角度值和距离值；再根据运动处方中定义的计分方法计算各项标准的得分和总得分，并记录每一项得分的最大值和加权得分的最大值；设第k项评估标准的得分为sk,该项评估标准的权重wk，则总得分score计算方法为：
待测试者接近完成当前动作时，如果检测到占主要要素的关节角度或距离值（如上述处方中的第一项）达到返回训练动作准备状态的阈值，则触发返回训练动作准备状态，此时训练动作个数计数加1；并输出动作计数、总得分的最大值、单项得分最大值、提示语。
(4)返回训练动作准备状态，待测试者进行下一次训练，算法同步进入下一次评估。
需要说明的是，训练动作评估算法说明如下步骤：
以运动处方中的“站立位直抬腿”训练动作为例，详细说明训练动作评估算法的步骤如下：
[1] 根据康复医生开具的运动处方，待测试者进入“站立位直抬腿”训练动作，处方中此训练动作描述为：
站立稳定情况下，双腿与肩同宽，一侧下肢固定不动，躯干保持直立，另一侧下肢伸直状态下向前方抬起，至能达到的最大角度保持5-10s；动作关键点和计分权重为：
(1) 抬起侧腿抬起（角度范围0-65°，大于等于15°计数阈值算完成一个），权重50％；
(2) 支撑腿直立，足跟贴紧地面，膝关节不弯曲（角度范围0-10°），权重15％；
(3) 抬起侧髋、膝、踝一条直线，权重10%；
(4) 身体不侧倾，不前倾，站立侧肩、髋、膝、踝一条直线（角度范围0-10°），权重20％；
(5) 手辅助下不耸肩（竖直方向活动范围0-2cm），权重5％；
[2] 根据步骤[1]所述康复训练动作的关键点和计分权重，进入动作评估算法，算法采用状态机的方法动态的对训练动作进行计数、计分、提示，算法流程和步骤如图3所示。
利用预设的运动处方中所有预设的训练动作，得到待测试者当前的训练动作中相关关节角度值和距离值；
若测试者当前的训练动作中相关关节角度值和距离值占主要要素的关节角度值或距离值达到进入有效状态的阈值，则触发进入训练动作有效状态；
利用预设的运动处方中当前的训练动作，得到进入训练动作有效状态下的得分；
若测试者当前的训练动作中相关关节角度值和距离值占主要要素的关节角度值或距离值达到返回状态阈值，则触发返回训练动作准备状态，并输出动作计数、动作得分、纠正反馈提示信息。
在一个实施例中，通过实时采集待测试者的相关动作信息；利用预设的3D人体关键点检测模型得到待测试者的相关动作信息中的预设数量的关键点的3D坐标信息以及可见性信息；之后，通过读取预设数量的关键点的可见性信息，判断待测试者是否在待测试的区域内；若待测试者位于待测试的区域内，且预设的运动处方中的所有预设的训练动作未完成，则调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息；直至运动处方中的所有预设的训练动作全部完成。
可以理解的是，本发明提供的技术方案，具备以下有益效果：
1.待测试者无需穿戴传感器，摆脱可穿戴设备对待测试者的限制。
2.设备可以只使用普通的单目摄像头，降低了康复设备的硬件成本和开发成本。
3.通过深度学习人体姿态估计和关键点检测算法，不仅能实现直观的展示人体关键点，更能定量的对关节角度、距离、训练姿态等进行量化的检测、评估和反馈，从而对康复训练形成科学有效的指导，提高康复训练的安全性和效果。
4.提高了康复训练监测方法及设备的实时性。
5.量化康复训练过程，给予康复患者和医生量化的、科学的反馈，并可以形成闭环，从而实现康复训练的数字化、智能化。
请参阅图4，图4是根据一示例性实施例示出的一种智能康复训练的***组成示意图,所述***包括：
采集模块40，用于实时采集待测试者的相关动作信息；
检测模块41，用于利用预设的3D人体关键点检测模型得到待测试者的相关动作信息中的预设数量的关键点的3D坐标信息以及可见性信息；
第一处理模块42，用于通过读取预设数量的关键点的可见性信息，判断待测试者是否在待测试的区域内；
第二处理模块43，用于若待测试者位于待测试的区域内，且预设的运动处方中的所有预设的训练动作未完成，则调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息；其中，待测试者当前训练动作的相关信息，包括：动作计数、动作得分、纠正反馈提示信息；其中，运动处方包括：预设的训练动作的合集；
直至运动处方中的所有预设的训练动作全部完成。
请参阅图5，图5是根据一示例性实施例示出的一种智能康复训练的设备组成示意图,所述设备包括：
存储器51，其上存储有可执行程序；
处理器52，用于执行所述存储器51中的所述可执行程序，以实现上述中任一项所述方法的步骤。
此外，本申请提供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指令，所述计算机指令用于使计算机执行上述任一项所述方法的步骤。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(RandomAccess Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“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。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种智能康复训练的监测方法，其特征在于，所述方法包括：
实时采集待测试者的相关动作信息；
利用预设的3D人体关键点检测模型得到待测试者的相关动作信息中的预设数量的关键点的3D坐标信息以及可见性信息；
通过读取预设数量的关键点的可见性信息，判断待测试者是否在待测试的区域内；
若待测试者位于待测试的区域内，且预设的运动处方中的所有预设的训练动作未完成，则调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息；其中，待测试者当前训练动作的相关信息，包括：动作计数、动作得分、纠正反馈提示信息；其中，运动处方包括：预设的训练动作的合集；
直至运动处方中的所有预设的训练动作全部完成。
2.根据权利要求1所述的方法，其特征在于，所述3D人体关键点检测模型，包括：基于Mideapipe框架的3D人体关键点检测模型。
3.根据权利要求1所述的方法，其特征在于，所述调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息，包括：
利用预设的运动处方中所有预设的训练动作，得到待测试者当前的训练动作中相关关节角度值和距离值；
若测试者当前的训练动作中相关关节角度值和距离值占主要要素的关节角度值或距离值达到进入有效状态的阈值，则触发进入训练动作有效状态；
利用预设的运动处方中当前的训练动作，得到进入训练动作有效状态下的得分；
若测试者当前的训练动作中相关关节角度值和距离值占主要要素的关节角度值或距离值达到返回状态阈值，则触发返回训练动作准备状态，并输出动作计数、动作得分、纠正反馈提示信息。
4.根据权利要求1所述的方法，其特征在于，所述利用预设的运动处方中所有预设的训练动作，得到待测试者当前的训练动作中相关关节角度值和距离值，包括：
利用预设的运动处方中所有预设的训练动作，循环获取待测试者当前的训练动作中相关关节的3D坐标信息；
利用待测试者当前的训练动作中相关关节的3D坐标信息，定义第一空间向量、第二空间向量；
利用第一空间向量、第二空间向量得到待测试者当前的训练动作中相关关节角度值和距离值。
5.根据权利要求1所述的方法，其特征在于，所述利用预设的运动处方中当前的训练动作，得到进入训练动作有效状态下的得分，包括：
利用预设的运动处方中当前的训练动作，根据运动处方中定义的第一计分方法计算各项标准的得分和总得分，并记录每一项得分的最大值和加权得分的最大值。
6.根据权利要求5所述的方法，其特征在于，所述运动处方中定义的第一计分方法，如下式所示，包括：
其中，总得分；第k项评估标准的得分为sk,该项评估标准的权重wk。
7.根据权利要求3所述的方法，其特征在于，所述方法还包括：若测试者当前的训练动作中相关关节角度值和距离值占主要要素的关节角度值或距离值达到返回状态阈值，则动作计数累加。
8.一种智能康复训练的监测***，其特征在于，所述***包括：
采集模块，用于实时采集待测试者的相关动作信息；
检测模块，用于利用预设的3D人体关键点检测模型得到待测试者的相关动作信息中的预设数量的关键点的3D坐标信息以及可见性信息；
第一处理模块，用于通过读取预设数量的关键点的可见性信息，判断待测试者是否在待测试的区域内；
第二处理模块，用于若待测试者位于待测试的区域内，且预设的运动处方中的所有预设的训练动作未完成，则调用预设的训练动作评估算法以及预设数量的关键点的3D坐标信息对待测试者当前的训练动作进行评测，并输出待测试者当前训练动作的相关信息；其中，待测试者当前训练动作的相关信息，包括：动作计数、动作得分、纠正反馈提示信息；其中，运动处方包括：预设的训练动作的合集；
直至运动处方中的所有预设的训练动作全部完成。
9.一种智能康复训练的监测设备，其特征在于，所述设备包括：
存储器，其上存储有可执行程序；
处理器，用于执行所述存储器中的所述可执行程序，以实现权利要求1-7中任一项所述方法的步骤。
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指令，所述计算机指令用于使计算机执行权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410457894.0A CN118072910A (zh) | 2024-04-17 | 2024-04-17 | 一种智能康复训练的监测方法、***、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410457894.0A CN118072910A (zh) | 2024-04-17 | 2024-04-17 | 一种智能康复训练的监测方法、***、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118072910A true CN118072910A (zh) | 2024-05-24 |
Family
ID=91099299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410457894.0A Pending CN118072910A (zh) | 2024-04-17 | 2024-04-17 | 一种智能康复训练的监测方法、***、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118072910A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112185514A (zh) * | 2020-10-12 | 2021-01-05 | 安徽动感智能科技有限公司 | 一种基于动作识别的康复训练效果评估*** |
| DE202023104567U1 (de) * | 2023-08-11 | 2023-10-23 | Katherine Delgado Vargas | Ein System, das Strategien für das Training und die Rehabilitation von Verletzungen der oberen Extremitäten vermittelt |
-
2024
- 2024-04-17 CN CN202410457894.0A patent/CN118072910A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112185514A (zh) * | 2020-10-12 | 2021-01-05 | 安徽动感智能科技有限公司 | 一种基于动作识别的康复训练效果评估*** |
| DE202023104567U1 (de) * | 2023-08-11 | 2023-10-23 | Katherine Delgado Vargas | Ein System, das Strategien für das Training und die Rehabilitation von Verletzungen der oberen Extremitäten vermittelt |
Non-Patent Citations (2)
| Title |
|---|
| 韩志峰 等: "基于体感技术上肢康复游戏***的评价模块", 《中国康复理论与实践》, 30 November 2017 (2017-11-30), pages 1342 - 1343 * |
| 韩志峰;曹磊;杨文璐;贾杰;夏斌;: "基于体感技术上肢康复游戏***的评价模块", 中国康复理论与实践, no. 11, 30 November 2017 (2017-11-30), pages 1342 - 1343 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2017386412B2 (en) | Systems and methods for real-time data quantification, acquisition, analysis, and feedback | |
| US11679300B2 (en) | Systems and methods for real-time data quantification, acquisition, analysis, and feedback | |
| WO2019232899A1 (zh) | 体能和肌肉能力的综合评估***及方法 | |
| CN104274182B (zh) | 动作信息处理装置以及方法 | |
| CN109191588A (zh) | 运动教学方法、装置、存储介质及电子设备 | |
| CN104274183A (zh) | 动作信息处理装置 | |
| EP4021297B1 (en) | Systems for wearable devices that determine balance indices | |
| JP7107264B2 (ja) | 人等の身体動作推定システム | |
| CN107115102A (zh) | 一种骨关节功能评估方法与装置 | |
| JP6844284B2 (ja) | 歩容の評価方法 | |
| US20230355135A1 (en) | Intelligent gait analyzing apparatus | |
| CN112568898A (zh) | 一种基于视觉图像对人体运动动作自动进行伤病风险评估及动作矫正的方法、装置及设备 | |
| CN117503115A (zh) | 用于神经损伤的康复训练***及训练方法 | |
| JP2018187284A (ja) | 運動状態診断システムおよび運動状態診断プログラム | |
| Bernardino et al. | A dataset for the automatic assessment of functional senior fitness tests using kinect and physiological sensors | |
| CN110367996A (zh) | 一种评估人体跌倒风险的方法及电子设备 | |
| CN118072910A (zh) | 一种智能康复训练的监测方法、***、设备及存储介质 | |
| WO2022070651A1 (ja) | 情報処理装置、および情報処理方法 | |
| CN114053679A (zh) | 运动训练方法及其*** | |
| CN112999616A (zh) | 姿态检测***、方法、装置以及可存储介质 | |
| CN113397530B (zh) | 一种可进行膝关节功能评估的智能矫正***和方法 | |
| JP2022178461A (ja) | 筋状態評価装置 | |
| CN118172833A (zh) | 一种对羽毛球运动中运动损伤进行筛查的方法、装置及设备 | |
| CN118236061A (zh) | 一种功能动作筛查智能指示*** | |
| WO2022214872A1 (en) | Predicting user body volume to manage medical treatments and medication |
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 |