复健姿势及姿势识别的制作方法
【技术领域】
[0001]本发明涉及一种复健姿势及姿势识别。
【背景技术】
[0002] 生理功能的衰退常常与年龄有关的整体健康的伤害相关连，或是伤害或疾病的结 果。这样的衰退也会导致自信、社交互动及社区参与的衰退。肢体残疾人士常常在控制马 达、移动强度及范围中经历限制。这些缺陷会严重地限制他们执行日常工作的能力，例如独 立地穿衣、梳头发、以及洗澡。此外，这些缺陷以及疼痛会降低社区及休闲活动的参与，甚至 会负面地影响工作。
[0003] 参与并遵守通常包括重复训练的物理治疗是复健过程中必要的部分，其目标在于 协助肢体残疾人士克服他们经历的限制。然而，一直在争论的问题是大部分肢体残疾人士 并未完成建议的训练。人们常常表示阻碍他们正常地训练是缺乏动机。此外，在一个治疗期 间，训练的数量常常是不够的。在复健期间，治疗师通常会亲自提供身体协助并监督每个学 生的动作是否达到一特定标准。因此，治疗师一次只能复健一位病人，或顶多一小群人。病 人常常缺少热情去参与沉闷的复健过程，导致持续的肌肉萎缩及缺乏肌肉耐力。
[0004] 而且，众所周知，成人且尤其是小孩对于重复相同的动作会感到厌烦，这对于成人 或小孩在创伤后的复健期间必须训练特定肌肉是有问题的，举例来说，当某人折断他或她 的手臂后，需要典型的特殊训练，让这些重复工作变得有趣是很困难的。现有在复健期间协 助人们的方法包括利用游戏鼓励人们，特别是小孩多做训练。
[0005] 因此，利用技巧使重复的身体训练更有趣对于病人在家执行复健的物理治疗是有 利的，使用影像游戏技术已经开始被探索来作为商业上可用的工具，藉此传送训练及复健 程序到病人本身家中。
[0006] Basson等人的美国专利号6，712,692揭露一种收集关于一人(其可以为成人或小 孩)活动信息的方法，所述信息映像到一或多个游戏控制器指令，游戏控制器指令耦接至一 影像游戏，且该游戏在被正常操作时响应所述游戏控制器指令。
[0007] Latta等人的美国专利号7,996,793揭露姿势识别器系统架构的系统、方法及计算 机可读取媒体。提供识别器引擎，其接收用户动作数据并提供所述数据给若干个滤波器，一 个滤波器对应至一个姿势，其可以被接收来自于姿势识别器的信息的应用程序调整，使得 所述姿势的特定参数，例如投掷姿势的手臂加速度可以被设定在每一应用程序级上，或在 单一应用程序中的多次。每一个滤波器可将对应姿势发生的可信程度及更多关于用户活动 数据的细节输出至一使用其之应用程序。
[0008] Shavit等人的美国专利公开号2012/0190505A1揭露一种监控日常身体训练表现 的系统，其包括一让用户执行日常身体训练的普拉提训练装置;若干个用于产生至少包括 用户执行日常身体训练的位置及活动的感测信息的活动及位置传感器;一包含代表至少一 日常身体训练最佳执行的数据库;一训练模块配置为从感测信息分离的至少所述普拉提训 练装置的外观、比对所述分离的感测信息及日常信息以侦测所述分离的感测信息及所述日 常信息的差异，其中所述差异表示所述日常身体训练的错误执行，所述训练模块进一步配 置为将用户日常身体训练的正确执行回馈给所述用户；以及一显示器用于显示所述回馈。
[0009] Smi th等人(2012)揭露主影像游戏平台系统（任天堂Wi i?，索尼Playstation?及 微软Xbox?)的概况，并讨论某些已经用于年长者的功能能力的复健、评估及训练的情况。 具体来说，严重影响年长者功能独立性的两个问题是源自于中风及跌倒的受伤和残疾。请 参见S.T.Smith、D. Schoene，年长者身体功能的训练及复健的以影像为基础的影像游戏的 使用，Aging Health，2012;8(3):243-252〇
[0010] Ganesean等人(2012)揭露一计划，其目的在于找出在激励年长者维持日常身体训 练与医师建议却难以维持的习惯中，扮演重要角色的因素。初始数据收集包括与老化及物 理治疗专家以及具有年长者训练及技术主题的专门小组的访问。基于这些资料，早期用于 协助鼓励年长者训练的微软Kinect原型游戏已经实现，所述Kinect应用程序已经过基本可 用性的测试且被证实是大有可为的，下一步包括年长者的游戏测试、对游戏进行迭代发展 以增加动机特征、以及游戏成功鼓励年长者维持训练养生之道的评估。请参见S.Ganesan， L.Anthony，使用Kinect 鼓励年长者进行：原型，Extended Abstracts of the ACM Conference on Human Factors in Computing Systems(CHI'2012),Austin,TX,5May 2012，p.2297-2302。
[0011] Lange等人(2011)揭露商业影像游戏作为复健工具的使用，例如任天堂WiiFit近 来已经在物理治疗领域引起兴趣。活动追踪控制器，例如任天堂Wiimote并不能足以精确地 感测所有平衡组件的表现。此外，用户可以想出如何透过执行最小活动来"欺骗"不精确的 追踪器(例如用手腕转动Wiimote而不是用完整手臂挥动）。身体复健需要对表现有精确且 合适的追踪及回馈。为此目的，利用最近进步的商业影像游戏技术来提供动画虚拟角色的 全身控制的应用程序已被发展，所述方法的关键因素是最新可用的低成本深度感测摄像机 技术，其在个人计算机上提供无标记的全身追踪，研究的目标在于发展及评定迭代的以影 像为基础的复健工具来平衡神经损伤的成人的训练。请参见B. Lange，C. Y. Chang，E. Suma， B.Newman，A. S.Rizzo，M.Bolas，使用微软Kinect传感器的低成本以影像为基础的平衡复健 工具的发展与评估，33rd Annual International Conference of the IEEE EMBS,2011〇 [0012]不同于"一般"游戏，手势与姿势的精确性对于为了物理治疗与复健目的而使用影 像游戏的病人，且对于执行训练的正确方式是很重要的。
[0013] Shen(2012)揭露一种自然用户接口来控制可视化工具-使用微软Kinect的"视觉 分子动力学"，其介绍人机互动、图像处理、模式识别及计算器视觉的相关背景。原始算法是 针对计算手形的手指数而设计，其取决于深度影像的二值化及形态学二值化处理。贝叶斯 分类器是针对手势识别任务所设计及实施。请参阅Chen Shen，使用微软Kinect控制的视觉 分子动力学，爱丁堡大学，2012。
[0014] Lopez(2012)讨论使用人类行为分析技术的人类手势识别的问题。具体而言，他将 提出的方法应用于医疗保健和社会应用中。在这些环境中，手势通常是以自然的方式进行 的，在属于他们的人类姿势之间产生高度变异性。此事实使得人类手势识别成为一个非常 具有挑战性的任务，以及人类行为分析的发展的一般化。为了解决人类手势识别的完整框 架，他将过程分裂在三个主要目标:计算多模式特征空间、手势的概率模型、以及子手势表 示的人类姿势的聚集。每一个目标中隐含地包括不同的挑战问题，其相互关联且面临的三 个方法:视觉和深度、以概率为基础的动态时间规整、以及子手势表示。每一个方法已进行 了详细说明。他已经在不同的公共和设计的数据集验证了所呈现的方法，表现出高性能和 使用我们方法用于真实人类行为分析系统和应用的可行性。最后，他总结了目前在发展中 不同的相关应用，以及研究的结论和未来趋势。请参阅Victor Ponce Lopez，结合动态程序 及概率方法的多模式人类手势识别，Master of Science Thesis,Barcelona,2012。
[0015] 上述相关技术和与其相关的限制的目的是示例性的而不是唯一的，本领域的技术 人员在阅读说明书及研究图示后将会明白相关技术的其他限制。
【发明内容】
[0016] 下列实施例及其各方面是结合系统、工具和方法来描述和说明，其意为示范性和 说明性的而非限制范围。
[0017] 根据一实施例，提供一种运动复健系统，包括:一运动传感器，包括一动作感应摄 像机；以及一计算机装置，包括：（a)-非瞬时内存，包括一组复健姿势存储值，各存储值定 义若干个理论身体关节之间随时间序列的空间关系，其中每一时间序列包括:初始空间关 系、中间姿势空间关系及最终空间关系；以及(b)-硬件处理器配置以连续接收来自于所述 动作感应摄像机所记录的随时间序列的图框，其中每一图框包括病人若干个身体关节的每 一个的三维位置，其中所述硬件处理器进一步配置以实时将所记录的随时间序列的图框与 随时间序列的空间关系比较，以侦测病人执行的复健姿势。
[0018] 根据一实施例，进一步提供一种运动复健系统中姿势侦测的方法，所述方法包括： 提供一组复健姿势存储值，各存储值定义若干个理论身体关节之间随时间序列的空间关 系，其中每一时间序列包括:初始空间关系、中间姿势空间关系及最终空间关系；以及使用 至少一硬件处理器以：（ a)连续接收来自于所述动作感应摄像机所记录的随时间序列的图 框，其中每一图框包括病人若干个身