[發明專利]一種全自動姿態矯正訓練方法及系統

有效

• 申請號: 202210279983.1
• 申請日: 2022-03-22
• 公開（公告）號: CN114470719B
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 何玉
• 申請（專利權）人: 北京藍田醫療設備有限公司
• 主分類號: A63B71/06
• 分類號: A63B71/06;A63B23/00
• 代理公司: 深圳漢林匯融知識產權代理事務所(普通合伙) 44850
• 代理人: 王淼

1.一種全自動姿態矯正訓練方法，其特征在于，所述方法應用于一種全自動姿態矯正訓練裝置，所述裝置包括一視頻采集裝置，所述方法包括：

獲得第一用戶的第一行走特征；

根據所述第一用戶的行走特征，獲得第一康復訓練計劃；

通過所述視頻采集裝置采集第一視頻信息，所述第一視頻信息包括所述第一用戶的第一行走姿態，所述第一行走姿態包括進行所述第一康復訓練計劃時的行走姿態；

根據所述第一視頻信息，對所述第一用戶的第一行走姿態進行特征識別，獲得第二行走特征；

根據所述第一行走特征，獲得第一指標曲線；

根據所述第二行走特征，獲得第二指標曲線；

根據所述第一指標曲線和所述第二指標曲線，獲得指標變化曲線；

根據所述指標變化曲線，調整所述第一康復訓練計劃，獲得第二康復訓練計劃；

根據所述第二康復訓練計劃，對所述第一用戶進行姿態矯正訓練；

其中，所述獲得第一用戶的第一行走特征，包括：

通過所述視頻采集裝置采集第二視頻信息，所述第二視頻信息包括第一用戶的第二行走姿態，所述第二行走姿態包括訓練前的行走姿態；

根據標準行走姿態確定行走特征過濾器；

根據所述行走特征過濾器對所述第二視頻信息進行逐幀3D卷積特征提取，獲得所述第一用戶的第一行走特征，包括：

從所述第二視頻信息中獲得所述第一用戶在預定時間段內的第一行走姿態集合；

獲得所述第一用戶的第一行走姿態作為無偏估計值；

通過蒙特卡羅方法根據所述第一行走姿態集合和所述無偏估計量，獲得第二行走姿態集合；

根據所述行走特征過濾器對所述第二行走姿態集合進行逐幀3D卷積特征提取，獲得所述第一用戶的第一行走特征；

所述通過蒙特卡羅方法根據所述第一行走姿態集合和所述無偏估計量，獲得第二行走姿態集合，包括：

將所述無偏估計量作為比對目標；

通過蒙特卡羅方法從所述第一行走姿態集合中隨機挑選所述第一用戶的行走姿態與所述無偏估計量進行比對；

將與所述無偏估計量差值小于預定閾值的行走姿態存入所述第二行走姿態集合中。

2.如權利要求1所述的方法，其特征在于，所述根據所述行走特征過濾器對所述第二視頻信息進行逐幀3D卷積特征提取，獲得所述第一用戶的第一行走特征，包括：

基于所述第二視頻信息，構建三維直角坐標系；

基于所述三維直角坐標系對所述第二視頻中每一幀的圖像信息進行網格分割；

通過所述行走特征過濾器對所述第二視頻中每一幀的圖像信息按照所述三維直角坐標系的三個坐標方向進行卷積，獲得所述第一用戶的行走特征，其中，所述行走特征過濾器的深度小于輸入層深度。

3.如權利要求1所述的方法，其特征在于，所述根據所述第一視頻信息，對所述第一用戶的第一行走姿態進行特征識別，獲得第二行走特征之后，還包括：

獲得標準行走特征信息；

判斷所述第二行走特征與所述標準行走特征信息的差異程度是否在預定差異程度閾值之內；

如果所述第二行走特征與所述標準行走特征信息的差異程度不在預定差異程度閾值之內，獲得第一提醒信息，所述第一提醒信息用于提醒所述第一用戶行走異常。

4.如權利要求1所述的方法，其特征在于，所述根據所述第一用戶的行走特征，獲得第一康復訓練計劃，包括：

將所述行走特征作為輸入信息輸入神經網絡模型，所述神經網絡模型通過多組訓練數據訓練至收斂狀態獲得，其中，所述多組訓練數據中的每組數據中都包括所述行走特征和用于標記輸出結果的標識信息；

獲得所述神經網絡模型的輸出信息，所述輸出信息包括所述第一康復訓練計劃。