基于Kinect的上肢运动康复交互系统研究

发布时间：2017-04-25 23:18

  本文关键词：基于Kinect的上肢运动康复交互系统研究，由笔耕文化传播整理发布。

【摘要】：在康复医疗领域,现在主要以人工和机器人辅助训练两种康复方法,人工辅助训练是康复教练一对一的对病患进行康复训练的指导,但现实中往往医疗资源匮乏,机器人辅助方式又会有造价昂贵、智能型单一等缺陷。提供一种具有良好的康复效果,又能解决医疗资源匮乏、维护成本低、造价低廉的康复训练系统是康复医疗领域重要的研究课题。为了解决上述问题,本文通过人机交互、动作识别技术和移动医疗有效结合研究运动康复交互系统。本文系统,分为康复病患、康复教练、主治医师三种角色,包括移动端、PC端和服务器端,PC端连接Kinect硬件设备和Unity3D捕获人体上肢三维坐标数据,通过控制虚拟人物进行康复运动,在虚拟场景中重建病患动作,连接服务器进行人体动作识别和评估,移动端部分实现不同角色之间信息交流,连接服务器达到信息的闭环和多终端协作。主要研究内容如下：1、研究特征提取方式：通过Kinect传感器获取人体深度图和骨架信息,研究人体关节点活动度测量方法,提取运动流的特征数据,采用霍尔特指数平滑方法对Kinect获得的特征数据进行预处理,防止噪声造成的抖动和跳跃等带来的运动失真。2、研究运动康复系统的交互形式：分析三种角色,设计基于不同角色的权限管理系统,研究系统功能逻辑。3、研究动作识别方法：通过改进的动态时间规整算法(STDTW)对动作流进行动作匹配,并通过K-means算法实现动作评估,有效并高效的实现康复训练中最关键的动作识别部分,通过算法的有效改进和融合,实现运动康复系统关键技术。4、研究系统中交互场景的构建：通过Unity3D建立虚拟人物、虚拟场景,病患在康复过程中操控虚拟人物将动作流重现在虚拟场景中展现,以三维场景形式给康复训练带来一定的趣味性,以提高训练兴趣和积极性。实验表明,使用本文的运动康复交互系统进行上肢康复训练可以达到预期效果,同时以三维场景形式训练也可以提高病患的训练积极性。
【关键词】：康复训练 移动医疗 人机交互 Kinect 动作识别 Unity3D
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R49;TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 绪论11-18
• 1.1 研究背景及意义11-12
• 1.2 国内外研究现状12-16
• 1.2.1 传统康复训练方法12-13
• 1.2.2 移动医疗市场现状13-14
• 1.2.3 Kinect在康复训练中的应用现状14-15
• 1.2.4 人体动作识别研究现状15-16
• 1.3 本文主要工作16-17
• 1.4 本文章节安排17-18
• 第二章 运动康复交互系统设计18-30
• 2.1 Kinect简介18-19
• 2.2 Unity 3D简介19-20
• 2.3 系统概述20-22
• 2.4 系统逻辑框架22-23
• 2.5 系统功能架构23-28
• 2.5.1 总体功能架构23-24
• 2.5.2 康复病患角色逻辑24-26
• 2.5.3 康复教练角色逻辑26-27
• 2.5.4 主治医生角色逻辑27-28
• 2.6 系统数据流28-29
• 2.7 本章小结29-30
• 第三章 康复系统关键技术研究30-46
• 3.1 基于霍尔特指数平滑法的运动特征提取30-36
• 3.1.1 Kinect工作原理30-32
• 3.1.2 Kinect SDK介绍32-33
• 3.1.3 关节特征选取33
• 3.1.4 关节活动度特征提取33-35
• 3.1.5 霍尔特指数平滑法预处理35-36
• 3.2 基于STDTW算法的动作识别36-40
• 3.2.1 动态时间规整算法DTW37-38
• 3.2.2 DTW算法的一般改进38-39
• 3.2.3 本文改进的算法STDTW39-40
• 3.3 基于K-means算法的动作评估40-42
• 3.4 算法实验分析42-45
• 3.4.1 康复训练运动实例42-44
• 3.4.2 实验结果44-45
• 3.5 本章小结45-46
• 第四章 运动康复交互系统实现46-52
• 4.1 移动端实现46-48
• 4.2 PC端实现48-51
• 4.2.1 病患PC端实现48-50
• 4.2.2 康复教练PC端实现50-51
• 4.3 本章小结51-52
• 总结和展望52-53
• 参考文献53-59
• 攻读硕士学位期间发表的论文59-63
• 致谢63

【相似文献】

中国期刊全文数据库 前6条

1 成娟;陈香;路知远;张旭;赵章琰;;基于表面肌电信号的手指按键动作识别研究[J];生物医学工程学杂志;2011年02期

2 李博;李强;;基于小波特征分析的手指动作识别研究[J];现代生物医学进展;2011年20期

3 ;三个动作识别卒中[J];医药与保健;2009年03期

4 安香子;刘冀伟;么键;;基于序列比对的简单动作识别[J];中国组织工程研究与临床康复;2007年40期

5 朱勇;张研;宋佳;邱天爽;;基于倾角的跌倒检测方法与系统研究[J];生物医学工程学杂志;2013年01期

6 ;[J];;年期

中国重要会议论文全文数据库 前7条

1 袁飞;程韬波;周松斌;肖先文;;基于加速度特征的可拓动作识别方法[A];广州市仪器仪表学会2009年学术年会论文集[C];2010年

2 黄飞跃;徐光yP;;自然的人体动作识别[A];第三届和谐人机环境联合学术会议（HHME2007）论文集[C];2007年

3 叶喜勇;陶霖密;王国建;邸慧军;;视角无关的人体躯干动作识别[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

4 黄艳欢;叶少珍;;连续动作分割综述[A];第十四届全国图象图形学学术会议论文集[C];2008年

5 董力赓;陶霖密;徐光yP;;头部姿态和动作的识别与理解[A];第三届和谐人机环境联合学术会议（HHME2007）论文集[C];2007年

6 朱岩;赵旭;刘允才;;基于稀疏编码和局部时空特征的人体动作识别[A];第十五届全国图象图形学学术会议论文集[C];2010年

7 席旭刚;金燕;朱海港;高云园;;基于小波包熵和支持向量机的手部肌电信号动作识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

中国重要报纸全文数据库 前2条

1 本报记者 陈丹;人与机器的“对话”[N];科技日报;2010年

2 ;凌空敲键盘？无线计算机手套问世[N];中国计算机报;2004年

中国博士学位论文全文数据库 前10条

1 谌先敢;现实环境下的人体动作识别[D];武汉大学;2012年

2 陈渊博;视频序列中的人体动作识别[D];北京邮电大学;2015年

3 刘翠微;视频中人的动作分析与理解[D];北京理工大学;2015年

4 陈萌;基于李代数高斯表示的动作识别方法研究[D];华中科技大学;2016年

5 李拟s，

本文编号：327302