一种基于运动生物力学的动态姿势分析方法及系统

本发明涉及生物动作识别，具体为一种基于运动生物力学的动态姿势分析方法及系统。

背景技术：

1、动态姿势分析通过捕捉生物在运动中的三维空间位置、动作、速度、关节角度和扭矩等数据，来实现对人体动作的精确测量和分析，这些系统能够实时监测和评估人体动作，提供动作和姿势的实时风险评估与预警，支持多种数据采集与编码方式，包括实时数据传输和后期数据导入分析。

2、尤其是在评估功能性姿势行为和感觉不匹配引起的姿势障碍方面，综上所述，动态姿势分析系统通过其高精度的数据采集、实时监测、灵活性和技术创新，为多个领域提供了有效的工具，以提高健康、安全和效率。

3、例如公开号为：cn111951241b的发明专利公开的一种水生动物运动过程中肌肉形变的测定与显示方法，获得水生动物行为视频，将拍摄到的动物行为视频分解为一张张照片，供ct断层扫描时摆设动物姿势时用，通过真实动物的解剖与ct透视，精确提取某块肌肉的特征点，建立初步肌肉特征点方程组，根据野外视频中水生动物的姿势调整方程参数可获得水生动物运动过程这块肌肉的三维结构变化，肌肉形态的连续形变等信息；这些信息对生物学、医学研究具有极大的参考价值，另外，根据照片或视频就可计算出某块肌肉三维模型，再将些肌肉三维模型叠加到照片或真实拍摄视频中，可获得有肌肉活动透视效果的动物运动视频。

4、例如公开号为：cn109741371a的发明专利公开的一种基于惯性传感器的人体动作描述方法，步骤为：通过惯性传感器采集动作数据，定义骨骼层次结构，以运动捕捉数据bvh格式保存；对bvh欧拉角数据进行坐标转换，以相对世界坐标的形式表征各个肢体每一帧动作，组成数据帧序列，便于进行后续动作空间方位的分析；得到人体姿势帧序列后，采用关键帧提取技术提取关键帧；最后对人体运动空间方位分析，并计算动作关键帧其他运动特征参数，建立肢体坐标与人体空间方位之间的映射，确定描述语言对人体动作主题内容进行描述；通过动作描述语言对人体动作过程的时间、空间和力效三个主题内容进行详细描述，有利于非计算机相关人员应用于动作分析、识别领域，为人体动作解析与人体运动生物力学提供帮助。

5、在进行动态姿势检测分析时，如果检测者周围存在其他障碍物，障碍物的存在会被错误地识别为检测者自身的一部分，导致检测者的动态姿势数据与标准动作数据之间出现偏差，进而误导专业人员的判断。

技术实现思路

1、解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于运动生物力学的动态姿势分析方法及系统，解决了检测者周围存在障碍物被错误的识别为检测者自身的一部分，进而导致检测者动态姿势数据与标准动作数据之间出现偏差的问题。

3、技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：一种基于运动生物力学的动态姿势分析方法及系统，包括以下具体步骤：步骤一：获取扫描范围内的图像数据、扫描范围内的平均血氧含量数据以及扫描范围内的平均温度数据，对扫描范围内的图像数据、扫描范围内的平均血氧含量数据以及扫描范围内的平均温度数据均做预处理，对预处理后的图像数据进行轮廓扫描，并对轮廓扫描结果进行轮廓扫描评估；步骤二：根据轮廓扫描评估结果进行人体轮廓判断，若判断扫描范围内无障碍物轮廓，则对人体轮廓关节点定位，并获取人体动态姿势数据，对人体动态姿势数据进行预处理，并对预处理后的人体动态姿势数据进行评估；步骤三：若判断扫描范围内有障碍物轮廓，则把扫描范围内的障碍物轮廓屏蔽，对人体轮廓关节点定位，并获取人体动态姿势数据，对人体动态姿势数据进行预处理，并对预处理后的人体动态姿势数据进行评估；步骤四：根据人体动态姿势数据评估结果进行人体运动轨迹判断，若判断人体的实际运动轨迹符合预设的运动轨迹，则对人体动态姿势数据进行分析反馈；步骤五：若判断人体的实际运动轨迹不符合预设的运动轨迹，则进行预警提示，继续获取人体动态姿势数据，对人体动态姿势数据进行预处理，并对预处理后的人体动态姿势数据进行评估。

5、进一步地，在步骤一中，通过设置摄像头，获取摄像头扫描范围内的图像数据，对图像数据进行去噪和锐化处理，利用图像边缘检测算法对处理后的每帧图像进行边缘检测，得到单帧图像中的物体轮廓，利用物体轮廓重叠检测算法对图像数据的物体轮廓重叠情况进行检测，利用时间序列分析出单帧图像中的物体轮廓的位置值，再利用像素点追踪算法追踪单帧图像中的物体轮廓的位置值得到物体轮廓移动轨迹；图像数据包括图像帧的数量、每帧图像的像素点坐标、每帧图像中物体轮廓的数量、每帧图像中各物体轮廓的面积、每帧图像中各物体轮廓的中心点到顶部端点的距离以及每帧图像中各物体轮廓的中心点到底部端点的距离；利用物体轮廓重叠检测算法对图像数据的物体轮廓重叠情况进行检测；利用物体轮廓分割算法对有重叠的物体轮廓进行轮廓分割；设置人体轮廓的样本面积；通过每帧图像中各物体轮廓的中心点到顶部端点的距离与每帧图像中各物体轮廓的中心点到底部端点的距离的比值得到每帧图像中的各物体轮廓上半部分与下半部分的比例值；通过每帧图像中各物体轮廓的面积与人体轮廓的样本面积的差的绝对值得到每帧图像中各物体轮廓的人体轮廓的容错面积值；根据每帧图像中的各物体轮廓上半部分与下半部分的比例值与每帧图像中各物体轮廓的人体轮廓的容错面积值得到每帧图像中各物体轮廓的轮廓评估值；通过设置血氧传感器，获取扫描范围内的平均血氧含量数据，对扫描范围内的平均血氧含量数据进行数据融合与数据同步处理，扫描范围内的平均血氧含量数据包括每帧图像中的血氧饱和度与每帧图像中的氧分压；设置人体样本血氧饱和度，根据每帧图像中各物体轮廓的血氧饱和度与人体样本血氧饱和度的差的绝对值得到每帧图像中各物体轮廓的人体血氧饱和度的容错值；设置人体样本氧分压，根据每帧图像中各物体轮廓的氧分压与人体样本氧分压的差的绝对值得到每帧图像中各物体轮廓的人体氧分压的容错值；通过设置温度传感器，获取扫描范围内每帧图像中的温度，对温度数据进行可视化处理；设置人体样本体温，根据每帧图像中各物体轮廓的温度与人体样本体温的差的绝对值得到每帧图像中各物体轮廓的人体体温的容错值；根据每帧图像中各物体轮廓的人体血氧饱和度的容错值、每帧图像中各物体轮廓的人体氧分压的容错值以及每帧图像中各物体轮廓的人体体温的容错值得到每帧图像中各物体轮廓的人体评估值；根据每帧图像中各物体轮廓的轮廓评估值、每帧图像中各物体轮廓的人体评估值、每帧图像中物体轮廓的数量以及图像帧的数量得到人体轮廓评估值的获取方式如下：；其中表示人体轮廓评估值，n表示图像帧的数量，表示每帧图像中的轮廓评估值，表示每帧图像中的人体评估值，表示每帧图像中物体轮廓的数量。

6、进一步地，所述利用图像边缘检测算法对处理后的每帧图像进行边缘检测，得到单帧图像中的物体轮廓的具体步骤为：s1：在每帧图像中利用边缘检测算法在水平与垂直方向上分别对图像进行卷积，得到横向梯度值与纵向梯度值；s2：把横向梯度值与纵向梯度值分别通过平方和的平方根与反正切值得到每个像素点的梯度大小与方向；s3：在梯度方向上，对每个像素点只保留局部最大值；s4：设置强边线阈值与弱边线阈值，当横向梯度值与纵向梯度值均大于强边线阈值则保留该像素点，当横向梯度值与纵向梯度值均大于弱边线值且小于强边线值，以及弱边线值的像素点与强边线值的像素点相邻时保留；s5：把强边线像素点与弱边缘像素点连接形成物体轮廓。

7、进一步地，所述利用物体轮廓重叠检测算法对图像数据的物体轮廓重叠情况进行检测的具体步骤为：s1：通过图像边缘检测算法获取的每帧图像的横向梯度值与纵向梯度值通过从小到大的顺序排列；s2：得到局部最小梯度值，即靠近边缘像素点的像素点，该像素点离边缘像素点的距离最小，局部最小梯度值在每帧图像中有多个；s3：从局部最小梯度值向相邻的像素点遍历，直到遇到相邻的像素点梯度值小于等于该局部最小梯度值，则判定找到分割点；s4：若每个像素点的局部最小梯度值均判定找到分割点，则将多个分割点连成线得到重叠轮廓的分割线；s5：继续执行s1到s4的步骤，直到将每帧图像中的梯度值遍历一遍。

8、进一步地，在步骤二中，设置人体轮廓阈值，并与人体轮廓评估值进行比对；当人体轮廓评估值小于等于人体轮廓阈值，则判定扫描范围内无障碍物轮廓，对人体轮廓关节点定位，并获取人体动态姿势数据，对人体动态姿势数据进行预处理，并对预处理后的人体动态姿势数据进行评估；所述对预处理后的人体动态姿势数据进行评估的步骤为：利用关节定位算法对人体轮廓关节点定位，实时检测图像中的人体关键点；利用图像边缘检测算法与像素点追踪算法实时对人体动作姿势进行识别和跟踪，得到人体动态姿势数据，对人体动态姿势数据进行特征提取，人体动态姿势数据包括每帧图像中的像素点坐标与每帧图像中的像素点的总数量；每帧图像中的像素点坐标通过光流算法得到每帧图像中的像素点的移动方向，每帧图像中的像素点的移动方向通过计算得到每帧图像中像素点的角度；根据每帧图像中像素点的角度得到动态姿势值。

9、进一步地，所述根据每帧图像中像素点的角度得到动态姿势值的具体步骤为：s1：将三百六十度平均分成十个角度区间，每个区间为三十六度；s2：每帧图像中的每个像素点的角度对应的角度区间通过公式表示；其中表示每帧图像中的每个像素点的角度对应的角度区间，表示每帧图像中的每个像素点的角度，表示确定每帧图像中的每个像素点的角度向下取整后落在对应的完整角度区间内，由于编号从1开始，则要加1；s3：统计每帧图像中每个角度区间内像素点的数量，然后得到每帧图像中每个角度区间的像素点的角度占比，通过公式表示：；其中表示每帧图像中每个角度区间的像素点的角度占比，表示每帧图像中每个角度区间内像素点的数量，表示每帧图像中像素点的总数量；s4：将每帧图像中十个角度区间的每帧图像中每个角度区间的像素点的角度占比按从大到小的顺序排列；s5：取每帧图像中占比最大的角度区间，将这些角度区间内的每个像素点的角度表示为优化角度并进行求和得到动态姿势值；所述动态姿势值获取方法为：设置动态姿势样本值，根据动态姿势值与动态姿势样本值得到动态姿势评估值的获取方式如下：；其中表示动态姿势评估值，表示动态姿势值，表示动态姿势样本值。

10、进一步地，在步骤三中，当人体轮廓评估值大于人体轮廓阈值，则遮蔽多余的物体轮廓。

11、进一步地，在步骤四中，设置动态姿势阈值，并与动态姿势评估值进行比对；当动态姿势评估值小于动态姿势阈值时，则判定人体的实际运动轨迹符合预设的运动轨迹，继续进行动态姿势检测。

12、进一步地，在步骤五中，当动态姿势评估值大于等于动态姿势阈值时，则人体的实际运动轨迹不符合预设的运动轨迹，进行预警提示，继续获取人体动态姿势数据，对人体动态姿势数据进行预处理，并对预处理后的人体动态姿势数据进行评估。

13、进一步地，数据获取模块、数据分析模块以及数据执行模块；数据获取模块，用于获取图像数据、扫描范围内的平均血氧含量数据以及扫描范围内的平均温度数据并进行预处理，把数据发送给数据执行模块进行轮廓扫描，当数据执行模块对人体轮廓关节点定位，获取动态姿势数据并预处理，把动态姿势数据发送给数据分析模块；数据分析模块，用于分析轮廓扫描的结果并对轮廓进行判断，把判断结果继续发送给数据执行模块进行结果执行，直到数据执行模块对人体轮廓关节点定位，当数据分析模块获取动态姿势数据后进行动作一致判断，把判断结果发送给数据执行模块；数据执行模块，根据数据分析模块的判断结果执行人体轮廓判断与动作一致判断。

14、有益效果

15、相对于现有技术，本发明的实施例至少具有如下优点或有益效果：

16、1.通过综合图像数据、血氧含量和温度数据，能够提供精确的动态姿势分析，这种多维度的数据采集和分析方法可以更准确地捕捉和评估人体动作，尤其是在复杂环境中，提高了分析的可靠性和准确性。

17、2.通过先进的图像处理技术，能够有效地区分人体轮廓和障碍物轮廓，解决了检测者周围存在障碍物被错误识别的问题。

18、3.能够实时监测和评估人体动作的一致性，提供即时反馈，确保动作的正确性和有效性。

19、4.当检测到人体实际运动轨迹与预设轨迹不符时，系统会及时发出预警提示，这在运动训练、安全监控和健康监护等领域尤为重要，有助于预防运动损伤和提升训练效果。

20、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。