一种在线康复训练状态识别系统的设计及研究
本文关键词： 神经网络 轨迹修正 Kinect2.0 下肢康复运动 数据采集系统 出处：《合肥工业大学》2017年硕士论文 论文类型：学位论文
【摘要】：在康复训练中记录患者关节运动的数据意义重大。基于视觉捕获康复运动关节点数据的方法是一种新兴的数据采集手段,经济实用,具有广阔的发展空间。本文基于Kinect 2.0设备采集的运动关节点数据,从修正数据中的误差,实现数据实时可视化的角度进行分析与研究,设计出一种在线康复训练状态识别系统,可以实时反映患者康复训练的影像信息和下肢关节点的运动轨迹。该系统有助于改进现有的康复数据记录模式,提高康复数据记录的效率和准确度。论文分析总结了国内外研究现状和存在的问题,阐明了记录患者康复训练数据的必要性及意义和需要解决的关键问题。分析了康复运动中采集的下肢踝和膝关节的轨迹数据的误差及成因,针对关节数据的误差的成因和特点设计了一种快速、简便、实时的神经网络轨迹修正算法,作为在线康复训练状态识别系统的核心算法。在此基础上进行系统模块规划和程序编写,完成了在线康复训练状态识别软件系统的整体设计。对在线康复训练状态识别系统进行了全面的测试。
[Abstract]:It is of great significance to record the data of patients' joint movement in rehabilitation training. The method of capturing the data of rehabilitation movement node based on vision is a new method of data acquisition, which is economical and practical. This paper, based on the motion node data collected by Kinect 2.0 equipment, analyzes and studies the errors in the data and realizes the real-time visualization of the data, and designs an online rehabilitation training status recognition system. It can reflect the image information of patients' rehabilitation training in real time and the movement track of lower extremity nodes. The system can help to improve the existing rehabilitation data recording model. Improve the efficiency and accuracy of rehabilitation data recording. The necessity and significance of recording patients' rehabilitation training data and the key problems to be solved are expounded. The errors and causes of track data of ankle and knee joint of lower extremities collected during rehabilitation exercise are analyzed. According to the causes and characteristics of joint data error, a fast, simple and real-time trajectory correction algorithm based on neural network is designed. As the core algorithm of online rehabilitation training status recognition system, the system module planning and programming are carried out on this basis. The overall design of the online rehabilitation training status recognition software system is completed, and a comprehensive test of the online rehabilitation training status recognition system is carried out.
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41;TP242
【相似文献】
相关期刊论文 前10条
1 王鑫;;道路交通事故多状态识别方法研究[J];计算机仿真;2014年02期
2 李力,赵新泽;应用统计数学方法增进机器状态识别技术[J];实用测试技术;2000年03期
3 李衡峰,夏利民,叶剑波;一种新颖的眼部状态识别方法[J];计算机工程;2005年06期
4 牛慧萍;宋凯;李莹莹;常瑜亮;苏杭;;一种新颖的眼睛状态识别方法[J];电子元器件应用;2010年01期
5 王琼;王欢;赵春霞;杨静宇;;基于眼睛状态识别的驾驶员疲劳监测[J];南京理工大学学报(自然科学版);2010年04期
6 滕红智;贾希胜;赵建民;张星辉;王正军;葛家友;;分层隐Markov模型在设备状态识别中的应用研究[J];中国机械工程;2011年18期
7 李虹;;路面状态识别技术概述[J];气象水文海洋仪器;2012年04期
8 郭克友,储江伟,王荣本;驾驶员眼部状态识别方法的研究[J];系统工程与电子技术;2003年10期
9 余丹炯;李训铭;;驾驶困倦预警系统中眼部状态识别的研究[J];河海大学常州分校学报;2007年02期
10 张雷元;袁建华;赵永进;;道路交通状态识别技术研究[J];道路交通与安全;2009年02期
相关会议论文 前9条
1 汤新蓓;郑德玲;汤峥嵘;张长红;;证据理论支持下的状态识别方法[A];1997年中国控制会议论文集[C];1997年
2 郑德玲;方巍;;基于组合逻辑与模糊逻辑的状态识别方法[A];1998年中国控制会议论文集[C];1998年
3 方剑青;李红军;雷毅平;陈德华;;声学共振谱方法用于结构状态识别的实验研究[A];2008年全国声学学术会议论文集[C];2008年
4 杨明忠;樊建春;;磨损形态分析与智能化磨损状态识别研究[A];第六届全国摩擦学学术会议论文集（上册）[C];1997年
5 赵伟;黄春琳;;生命探测技术研究[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年
6 李宏坤;周帅;孙志辉;;基于Hilbert时频谱重心与支持向量机的设备状态识别[A];第八届全国动力学与控制学术会议论文集[C];2008年
7 刘伟;郭钟宁;张永俊;何建文;;面向IGBT主动驱动并联仿真研究[A];第11届粤港机械电子工程技术与应用研讨会论文汇编[C];2010年
8 周颖;郑德玲;裘之亮;位耀光;;一种新的免疫识别算法及其收敛性研究[A];第二十三届中国控制会议论文集（下册）[C];2004年
9 陈锴;徐柏龄;;基于最佳维纳解的双通道话者状态识别方法[A];中国声学学会2006年全国声学学术会议论文集[C];2006年
相关博士学位论文 前4条
1 李楠;基于单类学习的异常检测方法及其重型装备状态识别应用[D];上海交通大学;2014年
2 李娜;基于人体运动状态识别的可穿戴健康监测系统研究[D];北京工业大学;2013年
3 李虹;基于机器视觉路面状态识别关键技术研究[D];吉林大学;2009年
4 王金伟;基于表情时空特征的认知情感状态识别研究[D];天津大学;2014年
相关硕士学位论文 前10条
1 游雄雄;矿冶典型零部件退化状态识别与剩余寿命预测及可再制造性评估[D];江西理工大学;2015年
2 林助军;非稳态条件下摩擦信号处理和状态识别技术研究[D];大连海事大学;2015年
3 叶卿;信号控制交叉口交通拥堵状态识别方法研究[D];华南理工大学;2015年
4 张鑓;人体运动状态感知机理及传感数据分析研究[D];北京工业大学;2015年
5 刘雨;基于SVM的直升机飞行状态识别方法及其应用研究[D];南昌航空大学;2016年
6 冯青平;基于云计算的交通流预测与状态识别关键技术研究[D];江苏大学;2016年
7 鲍阚;智能车辆近场物体探测及其状态识别方法研究[D];吉林大学;2016年
8 王宁;基于多信息融合的疲劳状态识别研究[D];山东大学;2016年
9 赵正川;基于高速视频的目标状态识别技术研究[D];西安工业大学;2016年
10 孙凌涛;基于线圈检测数据的多点联动瓶颈控制方法研究[D];浙江大学;2016年
，本文编号：1495496
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1495496.html
