基于運動捕捉的康復(fù)訓(xùn)練系統(tǒng)的研究與實現(xiàn).pdf

1、目前，社會老齡化現(xiàn)象的顯現(xiàn)以及老齡化引起的生理衰退，腦卒中、腦溢血等疾病患病率的增高，其他腦損傷導(dǎo)致的運動功能喪失的病例越來越多，而針對各種原因造成的運動性功能障礙的治療在病情的早期就進(jìn)行康復(fù)治療會取得很好的恢復(fù)效果。將涉及圖像處理、模式識別等多個研究領(lǐng)域的動作識別研究應(yīng)用到康復(fù)訓(xùn)練中的研究價值也越來越高。目前的康復(fù)治療方法中存在的康復(fù)訓(xùn)練器械結(jié)構(gòu)復(fù)雜價格昂貴、進(jìn)行康復(fù)治療的場所受限等問題，針對這些問題提出了通過使用微軟Kinect傳感

2、器的體感交互技術(shù)，重點研究了在Kinect捕獲的人體骨骼數(shù)據(jù)的基礎(chǔ)上，實現(xiàn)對人體動作的識別的方法，最后設(shè)計并實現(xiàn)了基于Kinect的康復(fù)訓(xùn)練虛擬系統(tǒng)。
　　首先對Kinect傳感設(shè)備的硬件構(gòu)造以及Kinect獲取的深度信息中識別人體關(guān)節(jié)點和Kinect的人體骨骼追蹤功能的工作原理充分理解后，提出在Kinect獲取的人體骨骼數(shù)據(jù)中表示動作的方法：結(jié)合人體結(jié)構(gòu)特征，構(gòu)造由關(guān)節(jié)點組成的人體結(jié)構(gòu)向量以及結(jié)構(gòu)向量之間的角度，最后選取向量模之

3、間的比值共同作為人體靜態(tài)姿勢描述向量的變量成員，動作發(fā)生時間內(nèi)的姿勢描述向量序列作為動作表示的特征量。
　　其次在得到動作表示特征量的基礎(chǔ)上，重點研究了動作識別算法以及在康復(fù)訓(xùn)練系統(tǒng)中對訓(xùn)練效果的評估。本文采用動態(tài)時間規(guī)整算法（Dynamic Time Warping，DTW）實現(xiàn)對人體動作的識別以及相似度的計算。在實現(xiàn)了對人體動作的表示之后，提出使用動態(tài)規(guī)整算法對動作進(jìn)行相似度評估，為康復(fù)訓(xùn)練效果提供可靠的數(shù)據(jù)依據(jù)。