本發(fā)明涉及康復(fù)設(shè)備領(lǐng)域，更具體的，涉及基于定向健康識別的下肢髖膝踝康復(fù)設(shè)備調(diào)節(jié)方法及系統(tǒng)。

背景技術(shù)：

1、目前，人們對下肢健康的關(guān)注也越來越高，特別對于下肢康復(fù)的關(guān)注也越來越高。傳統(tǒng)的下肢康復(fù)方式都使用人工手法的方式來實(shí)現(xiàn)患者的肢體康復(fù)，但是傳統(tǒng)的手法效率低下且效果較差，且目前針對行走與其他運(yùn)動康復(fù)的階段，沒有一個(gè)針對性強(qiáng)，負(fù)擔(dān)較小的機(jī)器人，來實(shí)現(xiàn)較為高效且舒適的康復(fù)訓(xùn)練，同時(shí)使用的設(shè)備便捷性也無法達(dá)到預(yù)期，對環(huán)境也有一定的要求，且整體康復(fù)設(shè)備體積較大，不具備針對用戶進(jìn)行設(shè)備組合優(yōu)化的功能。另外，現(xiàn)有技術(shù)還缺少對不同維度采集的用戶康復(fù)數(shù)據(jù)進(jìn)行合理、高效的運(yùn)動特性分析，難以制定可行的個(gè)性化康復(fù)方案，導(dǎo)致康復(fù)水平難以提高。

2、因此，目前亟需一種基于定向健康識別的下肢髖膝踝康復(fù)設(shè)備調(diào)節(jié)方法，以解決上述問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明克服了現(xiàn)有技術(shù)的缺陷，提出了基于定向健康識別的下肢髖膝踝康復(fù)設(shè)備調(diào)節(jié)方法及系統(tǒng)。

2、本發(fā)明第一方面提供了一種基于定向健康識別的下肢髖膝踝康復(fù)設(shè)備調(diào)節(jié)方法，包括：

3、在一個(gè)康復(fù)時(shí)間段中，采集用戶在使用下肢髖膝踝康復(fù)設(shè)備過程中的設(shè)備信號數(shù)據(jù)與視頻采集數(shù)據(jù)；

4、通過設(shè)備信號數(shù)據(jù)基于運(yùn)動狀態(tài)進(jìn)行數(shù)據(jù)解析，生成第一運(yùn)動特征數(shù)據(jù)，通過視頻采集數(shù)據(jù)進(jìn)行設(shè)備關(guān)鍵點(diǎn)識別與運(yùn)動狀態(tài)分析，生成第二運(yùn)動特征數(shù)據(jù)；

5、構(gòu)建自編碼器，并基于預(yù)設(shè)運(yùn)動特征向量構(gòu)建低維向量空間，通過自編碼器對第一、第二運(yùn)動特征數(shù)據(jù)分別進(jìn)行數(shù)據(jù)降維與重構(gòu)，生成第一重構(gòu)特征與第二重構(gòu)特征；

6、對康復(fù)時(shí)間段劃分出多個(gè)運(yùn)動周期，基于馬氏距離，周期性分析第一重構(gòu)特征與第二重構(gòu)特征之間的差異度，通過差異度標(biāo)記異常運(yùn)動周期；

7、通過異常運(yùn)動周期定向識別與分析出異常肢體關(guān)節(jié)部位與異常出現(xiàn)頻次，并制定模塊化的康復(fù)調(diào)節(jié)方案。

8、本方案中，所述在一個(gè)康復(fù)時(shí)間段中，采集用戶在使用下肢髖膝踝康復(fù)設(shè)備過程中的設(shè)備信號數(shù)據(jù)與視頻采集數(shù)據(jù)，具體為：

9、下肢髖膝踝康復(fù)設(shè)備包括左右髖關(guān)節(jié)模塊、左右膝關(guān)節(jié)模塊、電激模塊；

10、設(shè)備信號數(shù)據(jù)通過下肢髖膝踝康復(fù)設(shè)備中各個(gè)模塊采集得到，視頻采集數(shù)據(jù)通過視覺裝置采集得到。

11、本方案中，所述第一運(yùn)動特征數(shù)據(jù)，具體為：

12、對設(shè)備信號數(shù)據(jù)基于運(yùn)動狀態(tài)進(jìn)行數(shù)據(jù)解析，將設(shè)備信號數(shù)據(jù)轉(zhuǎn)換為設(shè)備運(yùn)動數(shù)據(jù)；

13、根據(jù)設(shè)備運(yùn)動數(shù)據(jù)，以運(yùn)動角度、運(yùn)動幅度、運(yùn)動速度三個(gè)維度進(jìn)行設(shè)備運(yùn)動參數(shù)特征計(jì)算，并生成第一運(yùn)動特征數(shù)據(jù)。

14、本方案中，所述第二運(yùn)動特征數(shù)據(jù)具體為：

15、對視頻采集數(shù)據(jù)進(jìn)行關(guān)鍵幀提取，生成關(guān)鍵圖像集；

16、以下肢髖膝踝康復(fù)設(shè)備的肢體關(guān)節(jié)部位圖像作為目標(biāo)檢測對象，訓(xùn)練出基于圖像識別的目標(biāo)檢測模型；

17、通過目標(biāo)檢測模型，對關(guān)鍵圖像集進(jìn)行肢體關(guān)節(jié)部位識別與定位，結(jié)合圖像幀信息，以運(yùn)動角度、運(yùn)動幅度、運(yùn)動速度三個(gè)維度進(jìn)行設(shè)備運(yùn)動參數(shù)特征計(jì)算，生成第二運(yùn)動特征數(shù)據(jù)。

18、本方案中，所述構(gòu)建自編碼器，并基于預(yù)設(shè)運(yùn)動特征向量構(gòu)建低維向量空間，通過自編碼器對第一、第二運(yùn)動特征數(shù)據(jù)分別進(jìn)行數(shù)據(jù)降維與重構(gòu)，生成第一重構(gòu)特征與第二重構(gòu)特征，具體為：

19、基于康復(fù)運(yùn)動計(jì)劃，對下肢髖膝踝康復(fù)設(shè)備各個(gè)模塊設(shè)定相應(yīng)的預(yù)設(shè)運(yùn)動特征數(shù)據(jù)與數(shù)據(jù)的取值限定范圍信息；

20、所述預(yù)設(shè)運(yùn)動特征數(shù)據(jù)包括在各個(gè)康復(fù)階段所對應(yīng)的運(yùn)動特征數(shù)據(jù)；

21、將預(yù)設(shè)運(yùn)動特征數(shù)據(jù)進(jìn)行數(shù)據(jù)向量化，并結(jié)合取值限定范圍信息，設(shè)定一個(gè)低維向量空間；

22、基于自編碼器，將第一、第二運(yùn)動特征數(shù)據(jù)分別進(jìn)行低維向量空間的數(shù)據(jù)映射，生成對應(yīng)的低維表示數(shù)據(jù)；

23、將低維表示數(shù)據(jù)進(jìn)行數(shù)據(jù)重構(gòu)，并對應(yīng)生成第一重構(gòu)特征與第二重構(gòu)特征。

24、本方案中，所述對康復(fù)時(shí)間段劃分出多個(gè)運(yùn)動周期，基于馬氏距離，周期性分析第一重構(gòu)特征與第二重構(gòu)特征之間的差異度，通過差異度標(biāo)記異常運(yùn)動周期，具體為：

25、基于預(yù)設(shè)間隔，對康復(fù)時(shí)間段劃分出多個(gè)運(yùn)動周期；

26、在一個(gè)運(yùn)動周期內(nèi)，基于馬氏距離計(jì)算第一重構(gòu)特征與第二重構(gòu)特征的差異度，若差異度在預(yù)設(shè)異常取值范圍內(nèi)，則將所述一個(gè)運(yùn)動周期標(biāo)記為異常運(yùn)動周期；

27、分析所有運(yùn)動周期并進(jìn)行異常周期分析與標(biāo)記。

28、本方案中，所述通過異常運(yùn)動周期定向識別與分析出異常肢體關(guān)節(jié)部位與異常出現(xiàn)頻次，并制定模塊化的康復(fù)調(diào)節(jié)方案，具體為：

29、根據(jù)異常運(yùn)動周期，從設(shè)備信號數(shù)據(jù)中分析下肢髖膝踝康復(fù)設(shè)備對應(yīng)各個(gè)模塊的運(yùn)行情況，并標(biāo)記出異常肢體關(guān)節(jié)部位；

30、分析全部異常運(yùn)動周期，對于異常肢體關(guān)節(jié)部位進(jìn)行運(yùn)動異常頻次計(jì)算，得到異常出現(xiàn)頻次；

31、將異常出現(xiàn)頻次在相同預(yù)設(shè)頻次范圍的異常肢體關(guān)節(jié)部位進(jìn)行組合，得到下肢康復(fù)組合，基于下肢康復(fù)組合，制定模塊化康復(fù)方案；

32、模塊化康復(fù)方案中，包括一個(gè)或多個(gè)子模塊的組合與康復(fù)計(jì)劃數(shù)據(jù)。

33、本發(fā)明第二方面還提供了一種基于定向健康識別的下肢髖膝踝康復(fù)設(shè)備調(diào)節(jié)系統(tǒng)，該系統(tǒng)包括：存儲器、處理器，所述存儲器中包括基于定向健康識別的下肢髖膝踝康復(fù)設(shè)備調(diào)節(jié)程序，所述基于定向健康識別的下肢髖膝踝康復(fù)設(shè)備調(diào)節(jié)程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如下步驟：

34、在一個(gè)康復(fù)時(shí)間段中，采集用戶在使用下肢髖膝踝康復(fù)設(shè)備過程中的設(shè)備信號數(shù)據(jù)與視頻采集數(shù)據(jù)；

35、通過設(shè)備信號數(shù)據(jù)基于運(yùn)動狀態(tài)進(jìn)行數(shù)據(jù)解析，生成第一運(yùn)動特征數(shù)據(jù)，通過視頻采集數(shù)據(jù)進(jìn)行設(shè)備關(guān)鍵點(diǎn)識別與運(yùn)動狀態(tài)分析，生成第二運(yùn)動特征數(shù)據(jù)；

36、構(gòu)建自編碼器，并基于預(yù)設(shè)運(yùn)動特征向量構(gòu)建低維向量空間，通過自編碼器對第一、第二運(yùn)動特征數(shù)據(jù)分別進(jìn)行數(shù)據(jù)降維與重構(gòu)，生成第一重構(gòu)特征與第二重構(gòu)特征；

37、對康復(fù)時(shí)間段劃分出多個(gè)運(yùn)動周期，基于馬氏距離，周期性分析第一重構(gòu)特征與第二重構(gòu)特征之間的差異度，通過差異度標(biāo)記異常運(yùn)動周期；

38、通過異常運(yùn)動周期定向識別與分析出異常肢體關(guān)節(jié)部位與異常出現(xiàn)頻次，并制定模塊化的康復(fù)調(diào)節(jié)方案。

39、本發(fā)明第三方面還提供一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)中包括基于定向健康識別的下肢髖膝踝康復(fù)設(shè)備調(diào)節(jié)程序，所述基于定向健康識別的下肢髖膝踝康復(fù)設(shè)備調(diào)節(jié)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如上述任一項(xiàng)所述的基于定向健康識別的下肢髖膝踝康復(fù)設(shè)備調(diào)節(jié)方法的步驟。

40、本發(fā)明公開了基于定向健康識別的下肢髖膝踝康復(fù)設(shè)備調(diào)節(jié)方法及系統(tǒng)。在康復(fù)時(shí)段內(nèi)，同步采集設(shè)備信號與視頻數(shù)據(jù)，分別解析生成第一、第二運(yùn)動特征數(shù)據(jù)。構(gòu)建自編碼器，將特征數(shù)據(jù)降維重構(gòu)后，按運(yùn)動周期劃分并周期性分析差異度，標(biāo)記異常周期并定位異常關(guān)節(jié)肢體，通過異常肢體關(guān)節(jié)及出現(xiàn)頻次，制定模塊化康復(fù)調(diào)節(jié)方案，以適用于不同康復(fù)用戶。本發(fā)明通過融合設(shè)備信號與視頻兩個(gè)維度分析康復(fù)數(shù)據(jù)，精確識別康復(fù)過程中的異常運(yùn)動狀態(tài)與運(yùn)動特性，實(shí)現(xiàn)定向康復(fù)異常識別，為個(gè)性化康復(fù)調(diào)節(jié)提供依據(jù)，提升康復(fù)效果。