(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211288552.8 (22)申请日 2022.10.20 (71)申请人 南京市儿童医院 地址 210000 江苏省南京市 建邺区江东 南 路八号儿童医院河西分院 (72)发明人 郑朋飞　陈修宁　庄汉杰　郭若宜　 (74)专利代理 机构 江苏纵联律师事务所 32 253 专利代理师 戴勇 (51)Int.Cl. A61B 5/11(2006.01) A63B 71/06(2006.01) G06T 7/73(2017.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 40/20(2022.01)G16H 10/60(2018.01) G16H 50/70(2018.01) (54)发明名称 一种基于视觉姿态检测及计算机深度学习 的儿童运动康复训练方法 (57)摘要 一种基于视觉姿态检测及计算机深度学习 的儿童运动康复训练方法， 能够通过深度学习的 人体姿态检测算法， 实现基于角度、 距离计算和 机器学习的姿态判别和基于状态序列的姿态分 析， 完成个性化康复训练方案的制定； 降低对康 复治疗师的依赖程度， 并且能够对康复训练效果 标准量化， 提高康复质量； 融入儿童感兴趣的游 戏和动画元素， 提高儿童的参与度， 以高效实现 儿童运动康复的目标。 权利要求书2页 说明书5页 附图5页 CN 115530814 A 2022.12.30 CN 115530814 A 1.一种基于视觉姿态检测及计算机深度学习的儿童运动康复训练方法， 其特征在于： 包括如下步骤： 步骤1， 启动摄 像头， 选择患者 客户端， 输入患者基本信息， 选择训练场景和显示内容； 步骤2， 通过检索确定特定康复程序任务并进入； 步骤3， 将需要训练康复的身体部位完整呈现于屏幕中图像采集框内， 进而得到识别， 采用深度学习的人体姿态检测算法， 对画面进行预 处理后输入基于深度学习构建的姿态检 测模型； 步骤4， 采用基于角度、 距离计算和机器学习的姿态判别和基于状态序列的姿态分析， 按照屏幕左侧文字步骤提 示及模拟人动画提 示完成动作； 步骤5， 患者在康复训练 处方中选择日期和对应训练日程 开始训练； 步骤6， 每次康复训练结束后， 训练视频和结果自动保存， 患者选择是否上传至医生端 进行后续确认。 2.根据权利要求1所述的一种基于视觉姿态检测及计算机深度学习的儿童运动康复训 练方法， 其特 征在于： 步骤1中， 显示内容 通过OpenGL图形渲染技 术实现。 3.根据权利要求1所述的一种基于视觉姿态检测及计算机深度学习的儿童运动康复训 练方法， 其特征在于： 步骤2中， 以需要康复训练的部位检索或以疾病名称 检索， 得到对应于 部位或疾病的康复程序任务。 4.根据权利要求1所述的一种基于视觉姿态检测及计算机深度学习的儿童运动康复训 练方法， 其特征在于： 步骤3中， 识别并输出归一化坐标后， 同时实时显示角度、 距离、 活动范 围的参数， 并实时计算人体关节点位置， 将位置变动映射到对应的模 型关键点上， 实现模型 的随动效果。 5.根据权利要求1所述的一种基于视觉姿态检测及计算机深度学习的儿童运动康复训 练方法， 其特征在于： 步骤3中， 姿态检测模型输入RGB图像并输出33个人体关键点坐标， 通 过结合热图、 偏 置以回归的方法， 仅在训练阶段使用热图 以及偏置， 金字塔式的特征提取结 构可以显著提高预测质量， 并使用编解码网络预测所有关节点的热图， 使用另一编码器回 归所有关节的坐标； 并在推理阶段丢弃热图， 仅保留回归部分， 提高推理速度可实时运行且 没有精度损失； 动作分类模型输入归一化的关键点坐标并输出在每一个类别上 的置信度， 通过使用卷积神经网络构建逻辑回归模型， 解决输入坐标点数据离散、 无法线性表示的问 题， 轻量化的分类模型超实时运行， 在屏幕上显示特定标记点并随体位改变而及时变动。 6.根据权利要求1所述的一种基于视觉姿态检测及计算机深度学习的儿童运动康复训 练方法， 其特 征在于： 步骤4中， 根据选择康复程序不同需要不同的姿态判别策略， 包括： 通过特定角度识别： 对于关节处的康复， 通过计算出关节点构成的角度来判别姿态的 有效性； 通过特定距离识别： 通过部位选取的特 征点之间的距离判断姿态； 通过机器学习算法来检测： 采集期望的姿态样本， 对样本应用机器学习算法并输出分 类模型， 使用时对 模型输入 采集的图像以得到分类判定结果。 7.根据权利要求1所述的一种基于视觉姿态检测及计算机深度学习的儿童运动康复训 练方法， 其特 征在于： 步骤4中， 基于状态序列的检测方法包括如下步骤： 步骤4‑1， 首先把具体动作划分为几个位置相关的状态；权　利　要　求　书 1/2 页 2 CN 115530814 A 2步骤4‑2， 为每个状态选择合 适的阈值或判别模型； 步骤4‑3， 使用角度和距离的判别方法对输出的拓扑点进行状态判别和划分， 将划分结 果存入一个序列 列表， 该列表 记录了最近的状态序列； 步骤4‑4， 按照需求对序列 列表进行序列分析， 根据状态变迁判定运动结果。 8.根据权利要求1所述的一种基于视觉姿态检测及计算机深度学习的儿童运动康复训 练方法， 其特征在于： 步骤6中， 患者的训练视频和训练记录由患者选择是否与医生共享， 支 持一对一的在线交流沟通。权　利　要　求　书 2/2 页 3 CN 115530814 A 3