申请/专利权人：南昌航空大学;朝阳聚声泰(信丰)科技有限公司

申请日：2024-03-12

公开（公告）日：2024-05-31

公开（公告）号：CN118105065A

主分类号：A61B5/11

分类号：A61B5/11;A61B5/00;A61B5/22;A43D1/02;G06N3/0464;G06N3/08;G06V20/52;G06V10/774

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.18#实质审查的生效;2024.05.31#公开

摘要：本发明涉及计算机视觉和运动医学领域，具体涉及一种基于计算机视觉的足内旋动态监测方法，系统包含三个阶段：第一阶段使用摄像机按要求采集大量用户的跑步RGB视频作为数据集；第二阶段训练卷积神经网络模型，首先对第一阶段采集到的数据集进行标注，并按照70％和30％比例将数据集拆分成训练集和验证集，其次将训练集输入给任意有效的卷积神经网络模型进行训练，最后利用验证集对卷积神经网络模型进行优化，获得训练好的卷积神经网络模型；第三阶段落地应用，将摄像头按要求实时采集的用户跑步RGB视频输入训练好的卷积神经网络模型。本发明完全基于2D视频对用户的足内旋情况进行定量动态监测。

主权项：1.一种基于计算机视觉的足内旋动态监测方法，其特征在于，包含以下步骤：步骤S1：使用摄像机按要求采集大量用户的跑步RGB视频作为数据集；步骤S2：对数据集进行标注，标出左膝关节中心点、右膝关节中心点、左踝关节中心点、右踝关节中心点、左跟骨末端中心点和右跟骨末端中心点为六个标注的关节点，并按照70％和30％比例将数据集拆分成训练集和验证集；步骤S3：将训练集输入给任意有效的卷积神经网络模型进行训练；步骤S4：利用验证集对卷积神经网络模型进行优化，先将验证集输入卷积神经网络模型，再将卷积神经网络模型输出的关节点与标注的关节点进行比较并计算比较损失，获得训练好的卷积神经网络模型；步骤S5：落地应用，将摄像机按要求实时采集的用户跑步RGB视频输入训练好的卷积神经网络模型，卷积神经网络模型输出检测到的左膝关节中心点、右膝关节中心点、左踝关节中心点、右踝关节中心点、左跟骨末端中心点和右跟骨末端中心点六个关节点，并将六个关节点合并为两条小腿，具体指将左踝关节中心点与左膝关节中心点连结，左踝关节中心点与左跟骨末端中心点连结，将右踝关节中心点与右膝关节中心点连结，右踝关节中心点与右跟骨末端中心点连结，并实时显示在外设上；步骤S6：在将摄像机按要求实时采集的用户跑步RGB视频输入训练好的卷积神经网络模型五秒后，计算机在用户跑步RGB视频中每秒选取10帧利用六个关节点在图像上的坐标计算出左足内旋角的角度和右足内旋角的角度；步骤S7：输出最终的足内旋角的角度计算结果，左足内旋角的角度计算流程为：设因变量为左足内旋角的角度θ1，自变量为左足内旋角所在帧在用户跑步RGB视频中的时刻t1，两者之间的映射记为f1，若θ1的最大值大于180度，则依次输出函数f1t1的极大值；若θ1的最大值小于180度，则依次输出函数f1t1的极小值；右足内旋角的角度计算流程为：设因变量为右足内旋角的角度θ2，自变量为右足内旋角所在帧在用户跑步RGB视频中的时刻t2，两者之间的映射记为f2，若θ2的最大值大于180度，则依次输出函数f2t2的极大值；若θ2的最大值小于180度，则依次输出函数f2t2的极小值。

全文数据：

权利要求：

百度查询： 南昌航空大学;朝阳聚声泰(信丰)科技有限公司 一种基于计算机视觉的足内旋动态监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD