买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北大学

摘要：本发明公开一种基于桡屈动静态特征的腕关节康复训练效果评估方法，该方法由深度摄像头采集患者在康复过程中的骨骼点信息，接着对采集的骨骼点信息数据进行预处理后，分别计算桡屈的静态特征集合和动态特征集合，根据静态特征集合和预设的康复动作的静态特征集合计算桡屈动作完成度；然后将患者所完成的康复动作的静态特征、动态特征以及动作完成度，上传到服务器中，由服务器根据训练结果评估患者的完成速度、动作流畅性以及动作的难易程度，结合桡屈动作完成度为患者打分。本发明消除因不同患者患肢体型差异对评价准确性的影响，基于桡屈动静态特征，结合医学量表—FMA量表，科学准确的对患者的腕关节康复训练效果和康复程度的定量化评价。

主权项：1.一种基于桡屈动静态特征的腕关节康复训练效果评估方法，其特征在于，包括如下步骤：步骤1：患者根据动作示例视频的提示，按照示例动作进行康复训练，同时由深度摄像头采集患者在康复过程中的骨骼点信息即患者上肢的骨骼关节点的三维坐标；步骤2：对步骤1采集的骨骼点信息数据进行预处理后，分别计算桡屈的静态特征集合N和动态特征集合M；对所述骨骼点信息数据进行预处理的方法如下：利用Holt双参数指数平滑法进行平滑处理：首先通过患者训练动作时间序列中前期帧的骨骼关节点数据对关节点的运动趋势进行估计，再通过运动趋势对之后帧中的关节点数据进行预测，公式如下：St＝αYt+1-αSt-1+Rt-1Rt＝βSt+St-1+1-βRt-1 其中，α和β表示平滑参数，取值范围为[0,1]，St表示根据前t帧数据得到的关节点数据平滑估计值，Rt表示利用前t帧数据对当前帧趋势增量的估计值，Yt表示第t帧数据的实际值，表示对第t+k帧数据的预测值，k表示超前预测的帧数；所述计算桡屈的静态特征集合N的过程如下：步骤2.1.1：计算关节点之间的相对距离序列J；利用获取的深度值求出患者到深度摄像头之间的实际距离d，即：d＝KtanHdraw+L-O其中，draw为深度值，H＝3.5×10-4rad，K＝12.36cm，L＝1.18rad，O＝3.7cm；深度图像素坐标为xvirtual，yvirtual，zvirtual，将深度图像素坐标向实际坐标xworld，yworld，zworld的变换公式如下： zworld＝d其中，经过实验发现最佳取值为d′＝-10，F＝0.0021，w×h为深度摄像头的分辨率，深度摄像头中指关节、腕关节和肘关节三个关节点的深度图像素坐标代入上述深度图像素坐标向实际坐标的变换公式中，得到指关节的实际坐标为Ax1，y1，z1，腕关节的实际坐标为Bx2，y2，z2，肘关节的实际坐标为Cx3，y3，z3；最后利用欧氏距离，算出关节点之间的相对距离序列J＝{J0,J1,J2,…,Jt,…,Jn}: Jt＝{DtA,B,DtA,C,DtB,C}其中，DA,B为指关节和腕关节之间的相对距离，DA,C为指关节和肘关节之间的相对距离，DB,C为腕关节和肘关节之间的相对距离，Jt为t桢时刻上述3个相对距离的集合；步骤2.1.2：计算关节点连线后之间的夹角序列θ；利用三点法求解人体关节点连线之间的角度：利用关节点的实际坐标计算出人体的指关节、腕关节和肘关节3个相关联的关节点的距离，并利用余弦定理求出关节点连线之间的角度大小： 其中，at为t帧图像时刻腕关节和肘关节之间的连线长度，bt为t帧图像时刻指关节和肘关节之间的连线长度，ct为t帧图像时刻指关节和腕关节之间的连线长度，将患者在完成动作t帧图像时刻的角度θt计算出来，然后将所有时刻的角度组和在一起，成为桡屈的角度值序列为θ＝{θ0,θ1,θ2,…,θt,…,θn}；步骤2.1.3：将关节点连线后之间的夹角序列和相对距离序列进行特征融合，得到桡屈的静态特征集合：N＝[θ；J]；步骤3：根据计算得到的静态特征集合和预设的康复动作的静态特征集合计算桡屈动作完成度comp；步骤4：患者完成一个康复动作之后，将患者所完成的康复动作的静态特征、动态特征以及动作完成度，上传到服务器中，由服务器根据训练结果评估患者的完成速度、动作流畅性以及动作的难易程度，结合步骤3计算的桡屈动作完成度comp为患者打分，患者康复训练得分公式如下：患者康复训练得分＝з×桡屈动作完成度comp+完成速度+动作流畅性+动作的难易程度其中，з为桡屈动作完成度的比例系数；步骤5：患者在完成康复动作之后可以看到腕关节桡屈的得分，也可以在手机终端查看历史一段时间内的腕关节桡屈康复得分信息。

全文数据：

权利要求：

百度查询： 东北大学 一种基于桡屈动静态特征的腕关节康复训练效果评估方法