一种移动端康复训练识别分析的方法及装置与流程

本发明属于康复训练领域，具体而言，涉及一种移动端康复训练识别分析的方法及装置。

背景技术：

1、随着全球老龄化和运动功能障碍患者数量的逐步增加，传统的一对一人工辅助康复已经难以满足巨大的康复需求。在应对这一问题上，康复机器人和远程康复被认为是两个解决方案。

2、康复机器人以其高重复性、高精度和良好的交互性，能够为患者提供高效和舒适的康复体验。然而，目前研发的上肢或者下肢康复机器人大多仍需要康复师现场指导或参与，其运动交互的精度和力量反馈还无法让康复师和患者满意，而高昂的研发成本使得中小型康复机构或个人难以负担，从而难以解决康复师资源短缺的问题。

3、远程康复也有一些潜在的弊端。相对于传统医院内的康复，远程康复患者缺乏团体治疗环境以及频繁的面对面咨询机会，这可能会导致康复专业人员激励的实时反馈减少，依从性降低从而影响康复效果。

4、最近的康复设备市场调研表明，类似康复训练镜等的移动康复设备具有相对较低的价格(与动辄上百万的机器人价格相比较)，同时可以实现远程康复和与康复师实时互动等优势。这种类型的设备有望缓解康复师资源短缺问题，提高康复训练的效果。然而，目前这类产品的视觉姿态捕捉技术尚不成熟，已有产品常因患者体位不佳而导致动作识别不准确，或由于距离远近而导致捕捉小关节活动角度不精确，这些问题极大地影响了产品的使用体验和临床康复效果。

技术实现思路

1、本技术实施例提供了一种移动端康复训练识别分析的方法及装置，为手部康复训练提供个性化服务，以适应个体的运动状况和需求，大大提高了动作识别的准确性，提高了产品的使用体验和用户的康复效果。

2、第一方面，本技术实施例提供了一种移动端康复训练识别分析的方法，包括：

3、通过摄像装置获取用户康复训练的视频；

4、通过移动端人工智能模型处理所述摄像装置获取到的视频，处理完成后保存时空坐标点；

5、接收摄像装置的机位校正指令，使康复训练观测目标的位置居于观测方位的中心点；

6、根据当前视频中用户前臂手掌的位置，利用智能处理算法，引导用户进行前臂外旋和内旋康复训练。

7、在一些实施例中，所述引导用户进行前臂外旋和内旋康复训练时还包括：接收第一指令，所述第一指令用于确定是否远程传输当前时空坐标点和/或视频图像。

8、在一些实施例中，所述引导用户进行前臂外旋和内旋康复训练后还包括：发送用户康复训练的数据给训练数据采集服务器。

9、在一些实施例中，还包括：获取用户的历史康复训练数据，使用智能处理算法对历史康复训练数据进行分析。

10、在一些实施例中，所述接收摄像装置的机位校正指令，使康复训练观测目标的位置居于观测方位的中心点，包括：

11、计算图像中手部左上角坐标点和右下角坐标点，所述图像为摄像装置采集的图像；根据所述左上角坐标点和右下角坐标点得到包围框，根据所述包围框的宽度得到手部宽度；

12、设置缩放常量因子λ，根据常量因子λ、所述图像的宽度、高度以及手部宽度，确定手部是否居中；

13、向用户展示和/或播放提示内容，所述提示的方式包括视频、音频或震动。

14、在一些实施例中，所述根据当前视频中用户前臂手掌的位置，利用智能处理算法，引导用户进行前臂外旋和内旋康复训练，包括：

15、根据当前视频中用户前臂手掌的位置，判断用户手指是否伸直，如果用户的五个手指中有手指没有伸直，向用户展示和/或播放提醒内容，所述提醒的方式包括视频、音频或震动；

16、根据当前视频中用户前臂手掌的位置，判断用户的小拇指和无名指、无名指和中指，中指和食指，食指和大拇指是否并拢，如果没有并拢，向用户展示和/或播放提醒内容，所述提醒的方式包括视频、音频或震动；

17、根据当前视频中用户前臂手掌的位置，识别手掌位置，判定手部方向，所述手部方向包括前臂旋前、正位、前臂旋后和其他，判断方法如下：

18、当xthumb≠xmin时，所述手部方向为前臂旋前；当|xpinky-xthumb|＜|xpinky-xring|且ythumb＝ymax时，所述手部方向也为前臂旋前；

19、当xthumb＝xmin且ythumb＝ymax时，所述手部方向为正位；

20、当xthumb＝xmin且ythumb＜ypinky时，所述手部方向为前臂旋后；其中xmin为手掌中心横坐标hand_center_x的最小值，xthumb为拇指中心横坐标，xpinky为小拇指中心横坐标，xring为无名指中心横坐标，ythumb为拇指中心纵坐标，ypinky为小拇指中心纵坐标，ymax为手掌中心纵坐标的最大值；

21、当所述手部方向为前臂旋前或者前臂旋后时，计算小拇指直线与大拇指直线之间的距离，根据该距离计算手部的翻转角度，根据预设规则，在图像上显示角度信息。

22、在一些实施例中，所述根据当前视频中用户前臂手掌的位置，判断用户手指是否伸直，包括：

23、获取一组手指坐标点；

24、使用多项式拟合逼近所述手指坐标点，拟合的多项式为p(x)；

25、对手指进行直线拟合，得到直线方程l(x)；

26、通过定积分量化所述多项式p(x)和直线l(x)之间的差异areadiff，其中

27、

28、预设常量阈值α，当areadiff<α时，判断手指为伸直状态，否则手指为弯曲状态；

29、分别获取小拇指、无名指、中指、食指和大拇指的坐标点数组，对于每个手指，比较areadiff和常量阈值α的大小，当areadiff<α时，判断手指为伸直状态，否则手指为弯曲状态；

30、所述根据当前视频中用户前臂手掌的位置，判断用户的小拇指和无名指、无名指和中指，中指和食指，食指和大拇指是否并拢，包括：

31、计算两个相邻手指的直线之间的均值距离davg，预设常量阈值β，当davg<β时判断两个手指为并拢状态，否则为分开状态；

32、获取小拇指和无名指的直线数据，判断davg和常量阈值β的大小，当davg<β时判断小拇指和无名指为并拢状态，否则为分开状态；同理判断无名指和中指、中指和食指、食指和大拇指的并拢状态。

33、第二方面，本技术提供了一种移动端康复训练识别分析的装置，包括：

34、获取单元，用于通过摄像装置获取用户康复训练的视频；

35、处理单元，用于通过移动端人工智能模型处理所述摄像装置获取到的视频，处理完成后保存时空坐标点；

36、校正单元，用于接收摄像装置的机位校正指令，使康复训练观测目标的位置居于观测方位的中心点；

37、引导单元，用于根据当前视频中用户前臂手掌的位置，利用智能处理算法，引导用户进行前臂外旋和内旋康复训练。

38、第三方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述移动端康复训练识别分析的方法。

39、第四方面，本技术提供了一种移动康复设备，所述移动康复设备包括至少一个处理器、存储器和输入输出单元，所述存储器用于存储计算机程序，所述处理器用于调用所述存储器中存储的计算机程序来执行上述任一项移动端康复训练识别分析的方法。

40、本技术实施例移动端康复训练识别分析的方法及装置具有如下有益效果：

41、本技术通过多个方面的检测，提供全面的手部姿势分析，有助于更全面的康复。提供实时的角度提醒，帮助患者保持正确姿势，增加康复效果。允许医疗专业人员远程监测患者的康复进展，提供个性化的康复支持。利用智能服务技术，移动应用可以提供详细的康复指导，使患者能够清晰地了解正确的动作执行方式。这种可视化指导有助于患者更好地理解和模仿康复动作。移动康复技术的使用使患者能够随时随地进行康复练习，无需依赖特定的康复场所。这提高了康复的灵活性和便捷性，患者可以根据自己的时间表进行康复练习。

42、本技术使用移动端纯视觉人工智能和自定义算法的解决方案，在移动端降低了用户自主进行康复训练的成本和难度，辅助患者可进行自我康复训练，并可以选择通过网络对训练过程中的数据进行上传，从而帮助医生更好掌握患者康复的训练进度，从而提升患者的康复效率。本技术大大提高了动作识别的准确性，提高了产品的使用体验和用户的康复效果。