基于视频AI分析老年肢体动作并自动生成检测报告的方法与流程

基于视频ai分析老年肢体动作并自动生成检测报告的方法
技术领域
1.本发明属于居家养老智能体检技术领域，特别是涉及基于视频ai分析老年肢体动作并自动生成检测报告的方法。


背景技术：

2.随着人民生活水平的提高，带来的是人们平均寿命的增长，随之带来的是人口老龄化问题和养老问题日益严峻，对应产生的居家养老和居家体检行业也迅速崛起，特别是居家体检服务行业，针对于居家老人的身体健康状况进行检测服务更是越来越便捷。对于居家老人的体检服务主要是通过医护人员上门的方式进行和实现，且其主要体检的项目包括常规的血压、血糖、血脂的检测，呼吸的检测以及身体各器官的功能性检测，由医护人员进行上门通过各种对应的体检器材进行检测实现；而对于老人手脚肢体的动作行为能力以及早期肢体行为不便的检测，则通常是通过医护人员的现实的直观判断来进行预测和判断的，并没有对应的专门的工具和设备来实现对手脚动作的直观判断来获取对应的肢体动作的效果；如cn201810205754.9，名称为一种居家养老服务系统的发明专利，其仅公开了上述对应的常规检测，并没有针对性的肢体动作行为检测；因此，针对以上问题，提供一种基于视频ai分析老年肢体动作并自动生成检测报告的方法具有重要意义。


技术实现要素：

3.本发明提供了基于视频ai分析老年肢体动作并自动生成检测报告的方法，解决了以上问题。
4.为解决上述技术问题，本发明是通过以下技术方案实现的：
5.本发明的基于视频ai分析老年肢体动作并自动生成检测报告的方法，包括如下步骤：
6.s01、检测前步骤：打开终端，选择老年人身体机能检测，填写包括年龄、体重以及身高在内的基本信息，按照语音提示被测试者进行测试步骤；
7.s02、按语音提示进行动作并获取录像视频数据：被侧视老年人按照语音提示依次进行颈部动作、左右上臂动作、左右手臂动作以及左右手腕动作，并由终端上的摄像头捕捉对应动作并存储为录像视频数据；
8.s03、录像视频数据上传至云端服务器并进行ai算法分析：云端服务器根据拍摄的录像视频数据自动计算老年人的身高、体型以及拍摄的距离，并根据ai算法自动分析计算出老年人各肢体的最大角度以及最大距离，将上述数据反馈给肢体动作识别算法进行识别并分析，与对应身体参数的标准数据或评分模型进行比对，自动生成老年人机体体检报告，并推荐相关自行护理方案。
9.进一步地，所述ai算法具体是：通过捕捉被拍摄者的肢体动作及对应的肢体采样点并形成与坐标系相对应的每个采样点对应的坐标数据：
10.根据被拍摄的被测试老年人的体型，利用openpose技术是捕捉频数据中用户的动
作，并按照身体关节标注成25个采样点，并给每个采样点赋于对应采样点的二维坐标数据，所述二维坐标数据具体为(xi，yi),为第i个采样点的坐标；身体主体的整体体型对应坐标矩阵为a
25
×2；
[0011][0012]
其中，共有25个坐标点，每个坐标点有x坐标以及y坐标，a(i)表示a矩阵的第i个采样点；
[0013]
p2、计算夹角：
[0014]
使用夹角公式计算两个关键夹角数据：
[0015][0016]
其中，u和v表示要求的两向量夹角，∣u∣和∣v∣分别表示u,v向量的模；
[0017]
对于人体结构，若要计算a(i),a
(j)
,a
(m)
,a
(n)
四点之间的夹角，带入(1)式，可得到夹角θ为：
[0018][0019]
此时得到的θ为弧度值，为了方便理解，将其转换成角度值，转换公式如下：
[0020][0021]
将(2)式带入上式，得到人体夹角公式为：
[0022][0023]
通过上式，计算得到各部位的弯曲公式。
[0024]
进一步地，所述25个采样点包括头部标记点：0、15、16、17、18；手臂标记点：5、6、7、2、3、4；躯干标记点:1、8；腿部标记点：9、10、11、22、23、24、12、13、14、19、20、21。
[0025]
进一步地，对于被测试老年人的颈部弯曲，通过所述人体夹角公式获得颈部弯曲检测公式：
[0026][0027]
颈部弯曲角度小，说明该被检测老年人颈部向前弯曲程度越大，该公式是用于被检测老年人颈部向前、向后、向左、向右动作弯度角度的检测。
[0028]
进一步地，对于所述被测试老年人的左上臂上抬角度公式为：
[0029][0030]
对于所述被测试老年人的右上臂上抬角度公式为：
[0031][0032]
进一步地，对于所述被测试老年人的左手臂弯曲角度公式为：
[0033][0034]
对于所述被测试老年人的左手臂弯曲角度公式为：
[0035][0036]
进一步地，根据所述人体夹角公式，可计算某一部位在两次时间角度变化对应的弯曲速度：
[0037][0038]
其中，deg1和deg2表示同一个部位在两次动作捕捉时的弯曲角度，t表示两侧动作捕捉时的时间差，f表示弯曲速率，该弯曲速度值越大，表示被测试老人的弯曲频率越快。
[0039]
本发明相对于现有技术包括有以下有益效果：
[0040]
本发明提供的基于视频ai分析老年肢体动作并自动生成检测报告的方法，基于终端直接对被检测老年人的肢体动作进行捕捉、识别并结合肢体弯曲角度算法获得被测试老年人肢体弯曲角度的分析结果，对于老年人的身体关节弯曲、动作肢体运动的速度以及身体是否有震颤以及对应震颤幅度都能够实现精准的检测，无需他人辅助，使用灵活，且没有时间场景的限制；具有广泛的市场应用前景。
[0041]
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
[0042]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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发明的一些实施例，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。
[0043]
图1为本发明基于视频ai分析老年肢体动作并自动生成检测报告的方法的步骤图；
[0044]
图2为本发明具体实施例中对身体关节标注成25个采样点的示意图。
具体实施方式
[0045]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0046]
请参阅图1-2所示，本发明的基于视频ai分析老年肢体动作并自动生成检测报告的方法，包括如下步骤：
[0047]
s01、检测前步骤：打开终端，选择老年人身体机能检测，填写包括年龄、体重以及身高在内的基本信息，按照语音提示被测试者进行测试步骤；
[0048]
s02、按语音提示进行动作并获取录像视频数据：被侧视老年人按照语音提示依次进行颈部动作、左右上臂动作、左右手臂动作以及左右手腕动作，并由终端上的摄像头捕捉对应动作并存储为录像视频数据；这一过程中的视频拍摄由用户自己自行于终端上进行上传，或由护理员上门拍摄视频，终端包括手机、平板电脑；
[0049]
s03、录像视频数据上传至云端服务器并进行ai算法分析：云端服务器根据拍摄的录像视频数据自动计算老年人的身高、体型以及拍摄的距离，并根据ai算法自动分析计算出老年人各肢体的最大角度以及最大距离，将上述数据反馈给肢体动作识别算法进行识别并分析，与对应身体参数的标准数据或评分模型进行比对，自动生成老年人机体体检报告，并推荐相关自行护理方案。
[0050]
其中，ai算法具体是：通过捕捉被拍摄者的肢体动作及对应的肢体采样点并形成与坐标系相对应的每个采样点对应的坐标数据：
[0051]
根据被拍摄的被测试老年人的体型，利用openpose技术是捕捉频数据中用户的动作，采用每秒读取10帧的方式，并按照身体关节标注成25个采样点，并给每个采样点赋于对应采样点的二维坐标数据，所述二维坐标数据具体为(xi，yi),为第i个采样点的坐标；身体主体的整体体型对应坐标矩阵为a
25
×2；
[0052][0053]
其中，共有25个坐标点，每个坐标点有x坐标以及y坐标，a(i)表示a矩阵的第i个采样点；
[0054]
p2、计算夹角：
[0055]
使用夹角公式计算两个关键夹角数据：
[0056][0057]
其中，u和v表示要求的两向量夹角，∣u∣和∣v∣分别表示u,v向量的模；
[0058]
对于人体结构，若要计算a(i),a
(j)
,a
(m)
,a
(n)
四点之间的夹角，带入(1)式，可得到夹角θ为：
[0059][0060]
此时得到的θ为弧度值，为了方便理解，将其转换成角度值，转换公式如下：
[0061][0062]
将(2)式带入上式，得到人体夹角公式为：
[0063][0064]
通过上式，计算得到各部位的弯曲公式。
[0065]
其中，25个采样点包括头部标记点：0、15、16、17、18；手臂标记点：5、6、7、2、3、4；躯干标记点:1、8；腿部标记点：9、10、11、22、23、24、12、13、14、19、20、21。
[0066]
其中，对于被测试老年人的颈部弯曲，通过人体夹角公式获得颈部弯曲检测公式：
[0067][0068]
颈部弯曲角度小，说明该被检测老年人颈部向前弯曲程度越大，该公式是用于被检测老年人颈部向前、向后、向左、向右动作弯度角度的检测；
[0069]
具体是通过如下步骤：
[0070]
(1)语音提示老年人头部进入合适的检测位置；
[0071]
(2)语音提示老年人进行点头,抬头,左右转动,后台记录老年人动作的最大幅度；
[0072]
(3)将检测的结果与后台的大数据对比分析,生成老年人颈部功能检测报告。
[0073]
其中，对于被测试老年人的左上臂上抬角度公式为：
[0074][0075]
对于被测试老年人的右上臂上抬角度公式为：
[0076][0077]
具体是通过如下步骤：
[0078]
(1)语音提示老年人头部进入合适的检测位置；
[0079]
(2)语音提示老年人进行点头,抬头,左右转动,后台记录老年人动作的最大幅度；
[0080]
(3)将检测的结果与后台的大数据对比分析,生成老年人颈部功能检测报告。
[0081]
其中，对于被测试老年人的左手臂弯曲角度公式为：
[0082][0083]
对于被测试老年人的左手臂弯曲角度公式为：
[0084][0085]
具体是通过如下步骤：
[0086]
(1)音提示老年人手臂进入合适的检测位置；
[0087]
(2)语音提示老年人上臂不懂,下臂弯曲,到自己能够弯曲的最大程度,后台记录老年人手臂弯曲的最大角度；
[0088]
(3)将检测结果与后台的大数据对比分析,生成老年人手臂功能检测报告。
[0089]
对于左右手腕功能检测，具体包括如下步骤：
[0090]
(1)语音提示老年人手腕进入合适的检测位置；
[0091]
(2)语音提示老年人手腕前后弯曲,后台记录老年人手腕弯曲的频率和幅度；
[0092]
(3)将检测结果与后台的大数据对比分析,生成老年人手腕功能检测报告。
[0093]
其中，根据人体夹角公式，可计算某一部位在两次时间角度变化对应的弯曲速度：
[0094][0095]
其中，deg1和deg2表示同一个部位在两次动作捕捉时的弯曲角度，t表示两侧动作捕捉时的时间差，f表示弯曲速率，该弯曲速度值越大，表示被测试老人的弯曲频率越快。
[0096]
其中，本技术方案采用大数据分析出先关模型及行为标准，包括是否完成某些动作、身体或关节弯曲角度标准、动作肢体运行速度标准、身体是否有震颤以及震颤幅度，并将收集到的数据与评分模型进行比对。
[0097]
项目初期，收集一定数量的老粘人肢体分析结果，本具体实施例中采用100人，基于大数据分析出最终的颈部向前，向后，向左，向右转动幅度值，上臂上抬的高度值，角度值，手臂弯曲的角度值，弯曲的频率以及幅度值；只有前期数据量少，随着用户的不断增多，数据量会不断增多，对应的评分模型即对应的参考的标准范围，该标准范围会随着数据量的不断提升不断获得优化。
[0098]
实际场景，当我们基于视频提取老年人左右上臂上抬的最大幅度，由于老年人身体机能下降，不可避免出现上抬过程中颤抖的情况，这样对于精确计算上抬的最大幅度就会出现一个误差问题，为了缩减这个误差，我们采用以下改进的算法来精选关键帧。
[0099]
数据集a有序，顺序连接a中数据点，形成一个a维空间中的曲线；计算满足一定误差的a真子集k逼近a,同时，k中的元素尽可能多的属于集合c；且fi,fn∈c.
[0100]
a用两层数据结构表示，下层为a，上层为a的真子集c,首先上层运用简单的单层曲线算法，如果结果的误差太大，则在下层使用单层曲线算法，并且把得到的结果加入到上层中，然后上层继续计算，一直递归，知道得到满足条件的集合k.
[0101]
计算集合a中第i个元素到由第n1个元素和第n2个元素(n1《i《n2)连成的直线的最短距离，可以由以下公式得到。
[0102][0103]
有益效果：
[0104]
本发明提供的基于视频ai分析老年肢体动作并自动生成检测报告的方法，基于终端直接对被检测老年人的肢体动作进行捕捉、识别并结合肢体弯曲角度算法获得被测试老年人肢体弯曲角度的分析结果，对于老年人的身体关节弯曲、动作肢体运动的速度以及身体是否有震颤以及对应震颤幅度都能够实现精准的检测，无需他人辅助，使用灵活，且没有时间场景的限制；具有广泛的市场应用前景。
[0105]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。