[發明專利]基于人體參數的訓練軌跡生成模型構建方法、系統、裝置

有效

• 申請號: 202011192281.7
• 申請日: 2020-10-30
• 公開（公告）號: CN112294599B
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 王衛群;侯增廣;任士鑫
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: A61H1/02
• 分類號: A61H1/02;A61B5/11
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明屬于計算機領域，具體涉及一種基于人體參數的訓練軌跡生成模型構建方法、系統、裝置，旨在為了解決現有下肢康復機器人步態訓練軌跡單一問題。本發明方法包括基于輸入特征集合、傅里葉系數集合，構建訓練樣本集；基于所述訓練樣本集，對預設關節分別進行多個類別回歸模型的訓練，并選擇預測誤差最小的回歸模型作為對應關節的角度生成模型；將得到的多個關節的角度模型進行組合，得到包含預設關節的人體部位的訓練軌跡生成模型。本發明方法構建的訓練軌跡生成模型，可以基于使用者具體的人體參數進行差異化訓練軌跡的生成。

技術領域

本發明屬于計算機領域，具體涉及一種基于人體參數的訓練軌跡生成模型構建方法、系統、裝置。

背景技術

目前，得益于現代醫學的發展，腦卒中、腦外傷和脊柱損傷等疾病的致死率已經大幅降低；但經過急性期的治療后，多數患者都存在下肢運動功能障礙等后遺癥，需要長期的康復訓練，其中以步態康復訓練為主。在傳統步態康復訓練中，往往需要多名康復治療師共同完成。在目前國內康復治療師資源緊缺的情況下，下肢康復機器人常被用于患者的康復訓練中，輔助或主動帶動患者進行步態訓練。在下肢康復機器人采用的步態軌跡主要是髖、膝和踝三個關節在人體矢狀面的角度軌跡。通過采集正常人的行走時步態軌跡數據，然后作為患者步態康復訓練的模板在機器人上使用。然而，研究表明，步態軌跡存在個體差異，與人體特征如性別，年齡和身高等因素具有較強的相關性。根據患者的特征，通過下肢康復機器人提供一個更符合患者的步態軌跡訓練，則對患者康復效果的提升具有促進作用。

本發明提出一種基于人體參數的個性化步態軌跡生成方法，通過傅里葉級數擬合髖、膝和踝三關節角度曲線，采用擬合后的傅里葉系數替代步態軌跡，并在下肢康復機器人上應用；基于14個人體參數，通過機器學習的方法對人體參數與傅里葉系數的關系建模，進而構建了基于人體參數的個性化步態軌跡生成模型。

發明內容

為了解決現有技術中的上述問題，即為了解決現有下肢康復機器人步態訓練軌跡單一問題，本發明的第一方面，提出了一種基于人體參數的訓練軌跡生成模型構建方法，包括以下步驟：

基于輸入特征集合、傅里葉系數集合，構建訓練樣本集；

基于所述訓練樣本集，對預設關節分別進行多個類別回歸模型的訓練，并選擇預測誤差最小的回歸模型作為對應關節的角度生成模型；

將得到的多個關節的角度模型進行組合，得到包含預設關節的人體部位的訓練軌跡生成模型；

其中，

所述輸入特征集合包含多個人體的人體特征類別參數；

所述傅里葉系數集合為基于預設關節的測試數據，通過傅里葉級數方法擬合獲得的關節角度函數中的系數項；

所述預設關節為待生成軌跡的人體部位所包含的關節。

在一些優選實施方式中，所述輸入特征集合，其獲取方法為：

基于初始樣本集，采用最大相關最小冗余度方法獲取輸入特征集合；所述初始樣本集中的每一個樣本包括一個個體的與預設人體特征類別對應的參數。

在一些優選實施方式中，“采用最大相關最小冗余度方法選擇輸入特征集合”，其方法為：

步驟S110，對所述傅里葉系數集合，基于預設人體特征，通過互信息計算獲得每一個傅里葉系數對應的特征排序；

步驟S120，對各傅里葉系數對應的特征排序，通過計算序號均值的方法獲得最終特征排序；

步驟S130，基于所述最終特征排序，按順序依次增加預設人體特征作為備選輸入特征集合，分別與所述傅里葉系數集合進行建模，獲得中間模型，選取均值誤差最小的中間模型對應的備選輸入特征集合作為選定的輸入特征集合。