人體平衡能力在日常生活中扮演著極其重要的角色,嚴重地影響著人們正常的學習和生活。因此,提前篩查出有平衡能力缺陷的患者,讓其盡早進入康復訓練治療尤為重要。目前對于平衡能力分類主要采用物理測試法,本文結合虛擬現實技術及圖像處理相關算法研究了平衡能力分類方法。具體研究內容如下:（1）研究了基于視頻特征描述的人體多重心特征提取方法。該工作的前期準備主要是尋找受試者,采集他們在虛擬現實場景中行走的訓練視頻。接下來使用圖像處理相關算法對視頻進行預處理。對得到的邊緣圖像從上到下按30%、30%和40%的比例分割,再采用圖像的矩求出人體多重心。（2）研究了基于多重心面積模型的人體平衡能力分類方法。首先,結合人體平衡特征,提出了基于不倒翁平衡原理的多重心面積模型（MBAM）。然后,讓不同類別的受試者分別在虛擬現實場景中進行實際訓練。最后,結合四個特征（MBAM、MBAM方差、行走路線和行走速度）進行數值分析,發(fā)現不同平衡能力的人群之間的特征存在顯著差異,驗證了本文方法的有效性。（3）研究了基于人體姿態(tài)多特征融合的平衡能力分類方法。平衡能力受損者在行走過程中身體姿態(tài)會產生異常變化,在虛擬現實環(huán)境下該特征尤... 

【文章來源】：西安理工大學陜西省

【文章頁數】：60 頁

【學位級別】：碩士

【部分圖文】：

人體重心及體態(tài)分布圖

基于視頻特征描述的人體多重心特征提取72基于視頻特征描述的人體多重心特征提取人體重心是指人體軀干中全部關節(jié)所受重力的合力作用點[29]。不同人群在性別、年齡、身高和體型等方面都存在差異，所以人體重心位置高低不同，一般男士的人體重心位置相對高于女士。本文為了更精確的提取人體上中下多重心，將人體軀干分別三部分，從頭部到腳踝按比例分別為30%，30%和40%。如圖2-1所示，左邊圖2-1(a)為男女重心差異圖，右邊圖2-1(b)為本文對人體軀干進行三分段的分布圖。(a)(b)圖2-1人體重心及體態(tài)分布圖Figure2-1Adistributiondiagramofcenterofgravityandpostureofhumanbody人體姿態(tài)由整個身體軀干來表示，多重心分布從某種程度上可以更好的反映人體姿態(tài)和平衡能力的好壞，不管是在臨床平衡康復領域還是在運動技能評定領域都有應用，人體重心一直被作為臨床評估人體平衡能力的重要指標[30]。人體多重心反映了人體姿態(tài)的擺動幅度，在臨床診斷和康復效果評估方面發(fā)揮著不可替代的作用。人體重心的提取方法有很多種，例如，使用懸掛法和支持法[31]、平衡壓力測試儀[32]、圖解分析法[33]、基于慣性傳感器網絡的步態(tài)參數計算法[34]。本章算法框架圖如圖2-2所示。本章內容主要實現了基于視頻特征描述的人體多重心特征提取，具體實施方案示意圖如圖2-3所示。在VR場景中拍攝受試者的訓練視頻，對獲取到的視頻采用圖像處理等相關技術進行預處理，提取人體姿態(tài)多重心，最終得到人體多重心坐標數據。視頻拆幀目標檢測圖像腐蝕圖像去噪圖像二值化輪廓檢測圖像的矩輸入視頻圖2-2人體多重心提取算法框架圖Figure2-2Theframediagramofmultiplecenterofgravityextractionofhumanbody

基于視頻特征描述的人體多重心特征提取72基于視頻特征描述的人體多重心特征提取人體重心是指人體軀干中全部關節(jié)所受重力的合力作用點[29]。不同人群在性別、年齡、身高和體型等方面都存在差異，所以人體重心位置高低不同，一般男士的人體重心位置相對高于女士。本文為了更精確的提取人體上中下多重心，將人體軀干分別三部分，從頭部到腳踝按比例分別為30%，30%和40%。如圖2-1所示，左邊圖2-1(a)為男女重心差異圖，右邊圖2-1(b)為本文對人體軀干進行三分段的分布圖。(a)(b)圖2-1人體重心及體態(tài)分布圖Figure2-1Adistributiondiagramofcenterofgravityandpostureofhumanbody人體姿態(tài)由整個身體軀干來表示，多重心分布從某種程度上可以更好的反映人體姿態(tài)和平衡能力的好壞，不管是在臨床平衡康復領域還是在運動技能評定領域都有應用，人體重心一直被作為臨床評估人體平衡能力的重要指標[30]。人體多重心反映了人體姿態(tài)的擺動幅度，在臨床診斷和康復效果評估方面發(fā)揮著不可替代的作用。人體重心的提取方法有很多種，例如，使用懸掛法和支持法[31]、平衡壓力測試儀[32]、圖解分析法[33]、基于慣性傳感器網絡的步態(tài)參數計算法[34]。本章算法框架圖如圖2-2所示。本章內容主要實現了基于視頻特征描述的人體多重心特征提取，具體實施方案示意圖如圖2-3所示。在VR場景中拍攝受試者的訓練視頻，對獲取到的視頻采用圖像處理等相關技術進行預處理，提取人體姿態(tài)多重心，最終得到人體多重心坐標數據。視頻拆幀目標檢測圖像腐蝕圖像去噪圖像二值化輪廓檢測圖像的矩輸入視頻圖2-2人體多重心提取算法框架圖Figure2-2Theframediagramofmultiplecenterofgravityextractionofhumanbody

【參考文獻】：
期刊論文
[1]虛擬現實技術在認知障礙康復治療中的應用[J]. 付虧杰,孫麗楠,劉云芳,范飛,王澤熙,姜貴云.  中華物理醫(yī)學與康復雜志. 2019 (07)
[2]一種自適應的Canny邊緣檢測算法[J]. 宋人杰,劉超,王保軍.  南京郵電大學學報(自然科學版). 2018(03)
[3]重心與穩(wěn)度[J]. 隗京花.  中國科技教育. 2017(12)
[4]太極拳訓練對早期帕金森病患者平衡功能及害怕跌倒心理的影響[J]. 管細紅,吳紅梅,劉桂連,易國萍,翟紹征.  江西醫(yī)藥. 2017(11)
[5]融合虛擬現實、人工智能等技術突破穩(wěn)步邁向未來設計[J]. 孫璟璐.  中國建設信息化. 2017(12)
[6]虛擬現實平衡游戲訓練對帕金森病患者平衡功能的效果[J]. 林志誠,陳阿貞,江一靜,陳登鐘,葉曉倩,游詠梅.  中國康復理論與實踐. 2016(09)
[7]虛擬現實的技術瓶頸[J]. 曹煊.  科技導報. 2016(15)
[8]虛擬現實技術研究進展[J]. 趙沁平,周彬,李甲,陳小武.  科技導報. 2016(14)
[9]關于本體感覺測評中的平衡能力測試方法的研究[J]. 李逸清,榮湘江.  科技資訊. 2015(16)
[10]微焦點X射線圖像乘性加性混合噪聲的去除[J]. 高紅霞,吳麗璇,徐寒,康慧,胡躍明.  光學精密工程. 2014(11)

碩士論文
[1]基于視頻分析的VR環(huán)境下人體平衡能力檢測系統(tǒng)研究[D]. 吝文濤.西安理工大學 2018
[2]基于光流法的運動目標檢測和跟蹤算法研究[D]. 劉潔.中國礦業(yè)大學 2015
[3]人體平衡能力檢測方法研究及系統(tǒng)實現[D]. 劉琨.河北大學 2011
[4]虛擬“雙簧”：三維人臉的唇動合成和表情合成[D]. 王倩.哈爾濱工業(yè)大學 2010



本文編號：3560031