基于云平台的情景交互式康复训练及评估系统
这是一篇关于康复训练,康复评估,人体姿态估计,情景交互,OpenPose,Kinect,云平台的论文, 主要内容为基于云平台的情景交互式康复训练及评估系统综合应用了虚拟环境、机器学习、云平台等技术进行智能康复研究,具有重要的研究和应用价值。利用虚拟环境技术和人体姿态估计技术实现生动有趣的情景交互式康复训练有助于激发患者主动训练的意愿,基于肢体关节运动数据的康复效果评估则可以客观科学地评估患者的康复训练效果,而云平台技术可以让医生通过网络远程掌握分布在不同区域的患者的康复训练情况,进行基于数据驱动的康复效果评估,并给出及时的康复训练指导。本课题针对基于云平台的情景交互式康复训练及评估系统的关键技术开展了相关研究。首先针对实现情景交互式康复训练、基于云平台的康复数据存储以及康复训练效果评估等需求,提出了基于公共云平台技术的系统构架,分析了软件架构,阐述了主要功能。面向患者的不同失能部位和不同康复阶段,搭建了基于Unity3D的情景交互式康复训练及评估虚拟场景,并利用Kinect采集的患者关节三维位置控制虚拟代理实现具有康复导向性的人机交互。同时通过DTW算法计算患者与正常人的关节运动角度的相似度,以作为康复效果的评价指标。针对Kinect自带的骨骼绑定算法在部分人体被康复机器人遮挡时出现无法识别或误识别的问题,提出了一种融合OpenPose和Kinect的三维人体姿态估计方法,并创新地应用到基于ROS的渐进式康复训练情景交互系统的开发中。该方法首先将由OpenPose算法得到的二维关节点坐标与Kinect获得的深度数据融合获得三维关节点空间坐标,然后利用霍特双参数指数平滑法对关节点运动轨迹进行平滑和预测。实验结果表明该三维人体姿态估计方法使用方便、实时性好,训练过程中获得的三维姿态数据可以用于康复训练效果的评估。针对康复资源短缺、分布不均、成本高的问题,并结合部分病人需要在社区康复中心或者家里进行康复训练的需要,基于SSM和Shiro框架初步实现了“互联网+康复”模式的康复数据管理云平台。云平台可以汇集、存储、分析及查看康复客户端上investigate传的康复数据,康复医师通过云平台追踪患者的训练情况,为患者提供个性化的康复训练指导。研制的基于云平台的情景交互式康复训练及评估系统只用一台Kinect设备就可以获得患者训练过程中的主要关节点的三维空间位置数据,能够激发患者主动康复的积极性,康复评估结果可以为康复医师提供参考,基于云平台的远程监控和指导可以打破患者和医生之间的时空限制,为多渠道的康复、护理、养老新模式的实现提供了技术保障。
基于人体关键点检测的体育运动视频分析系统
这是一篇关于体育运动视频分析,人体关键点检测,OpenPose,SpringBoot的论文, 主要内容为近年来,世界各国均将竞技体育成绩视为评估国家综合实力的重要指标。面对国际竞技体育竞争日益激烈的现状,必须依靠更为科学高效的训练方法提升我国竞技体育水平。目前,利用运动感知器采集运动数据易受环境干扰,且通过人工分析运动员动作准确度不高。针对以上问题,本文应用深度学习技术突破当前依靠传感器采集运动员运动数据的局限性,设计并实现了基于人体关键点检测智能模型的体育运动视频分析系统。本系统旨在对视频中运动员动作进行监测与分析,为教练员制定具有针对性的训练方案提供参考,进而提升运动员训练效率。该系统同时支持对系统用户、训练队伍、训练数据的有效管理。本文工作如下:(1)体育运动视频分析系统需求与可行性分析。本文根据系统建设目标,对系统整体功能进行梳理。针对高准确性监测运动员动作与高效管理系统训练数据等需求,设计动作分析、训练记录管理等六个功能模块,并详细阐述了各模块的业务功能与交互逻辑。此外,本文结合系统实际应用场景,对人体关键点检测算法(OpenPose)进行优化处理。利用陕西省体育局运动员举重训练视频,构建SV-Pose数据集,并在该数据集上测试OpenPose算法的性能,以验证本系统中算法技术方案的可行性。(2)体育运动视频分析系统设计与实现。在系统架构方面,本文基于B/S体系结构构建体育运动视频分系统,采用SpringBoot技术搭建系统后端整体架构,使用Vue.js技术框架并结合Element UI与ECharts组件对系统数据进行可视化展示。在运动员动作分析方面,本文运用OpenPose算法检测视频中运动员骨骼关键点,根据视频帧的连续性特点,调整优化运动员骨骼关键点数据,并在此基础上计算运动员运动参数。在数据持久化方面,本文使用关系型数据库MySQL以及文件数据库存储系统用户、组织信息以及运动视频等数据。(3)体育运动视频分析系统功能与性能测试。在系统开发完成以后,本文部署了系统测试环境,并对系统功能及性能进行测试。对于系统功能测试,根据系统需求分析结果设计测试用例,检测系统各模块功能实现效果。对于系统性能测试,利用Jmeter压力测试工具监测不同并发量下系统响应时间、吞吐量等性能,分析评估系统性能优劣。测试结果表明,体育运动视频分析系统各个模块功能运行正常,系统性能达到合作方要求。
基于人体骨骼关键点的行为识别研究与实现
这是一篇关于计算机视觉,人体行为识别,骨骼关键点,OpenPose,双流网络的论文, 主要内容为近年来,随着人体行为识别技术火热发展,吸引了越来越多科研工作者的广泛关注。目前基于视频的行为识别方法中,传统双流法的识别准确率较好,且最具代表性。但是传统双流法依然存在不足,该算法中时间流网络的输入是光流图,而光流图的计算需要消耗大量的时间,无法保证检测的实时性。虽然基于骨架数据集的行为识别具有不受光照强度、背景混入等因素的干扰,鲁棒性较好等优点。但是在现实环境下人体的行为复杂多样,不同的行为之间可能存在很多相似的动作,如果过度关注骨架信息,而忽略视频中的其他信息,计算机可能会有误判的情况发生,从而降低识别准确率。因此,本文针对以上问题,提出了一种融合图像信息和骨架信息的行为识别方法,该方法在保留其骨架数据集优点的同时,并结合视频的图像信息,使识别准确率得到进一步提升。本文的研究内容主要如下:1.本文通过对OpenPose姿态提取算法的深入研究,对OpenPose算法进行了改进。原OpenPose算法的特征提取网络为VGG-19,该特征提取网络的层数较深,参数量大,对于计算能力有限的硬件设备无法保证检测的实时性,所以本文采用轻量级Mobile Net-V3对其进行替换,使其能够在保证精确度稳定的前提下提高帧率。通过实验对比发现,改进后的OpenPose算法相比于原始算法检测速度大概提升了20 FPS,基本达到了普通客户端的使用需求。2.由于骨架数据集中不仅蕴含空间信息,而且还蕴含丰富时序信息,因此搭建了一支既可以获取骨架数据集空间信息又可以获取骨架数据集时序信息的骨架流网络,该骨架流网络使用Goog Le Net的Inception网络来提取时间信息,LSTM网络来提取时序信息,并将这两部分信息进行特征融合得到一个初步的行为分类结果。3.本文又对基于视频图像的行为识别方法进行了研究,针对传统的卷积神经网络通常只选取视频中某一帧图像来进行提取特征,获取的信息不够丰富的缺点。因此本文借鉴时间分段网络的稀疏时间采样策略,并在此基础上对时间分段网络进行改进,裁剪去时间流网络分支,并将空间流的特征提取网络替换成网络层数更深的Res Net-50网络,使其能够获取到更加丰富的图像信息。最后将骨架流和图像流网络分别得到的信息进行特征融合,构造出一个新双流网络模型。通过实验证明了本文提出融合骨架流和图像流的行为识别算法的可行性和有效性。
基于云平台的情景交互式康复训练及评估系统
这是一篇关于康复训练,康复评估,人体姿态估计,情景交互,OpenPose,Kinect,云平台的论文, 主要内容为基于云平台的情景交互式康复训练及评估系统综合应用了虚拟环境、机器学习、云平台等技术进行智能康复研究,具有重要的研究和应用价值。利用虚拟环境技术和人体姿态估计技术实现生动有趣的情景交互式康复训练有助于激发患者主动训练的意愿,基于肢体关节运动数据的康复效果评估则可以客观科学地评估患者的康复训练效果,而云平台技术可以让医生通过网络远程掌握分布在不同区域的患者的康复训练情况,进行基于数据驱动的康复效果评估,并给出及时的康复训练指导。本课题针对基于云平台的情景交互式康复训练及评估系统的关键技术开展了相关研究。首先针对实现情景交互式康复训练、基于云平台的康复数据存储以及康复训练效果评估等需求,提出了基于公共云平台技术的系统构架,分析了软件架构,阐述了主要功能。面向患者的不同失能部位和不同康复阶段,搭建了基于Unity3D的情景交互式康复训练及评估虚拟场景,并利用Kinect采集的患者关节三维位置控制虚拟代理实现具有康复导向性的人机交互。同时通过DTW算法计算患者与正常人的关节运动角度的相似度,以作为康复效果的评价指标。针对Kinect自带的骨骼绑定算法在部分人体被康复机器人遮挡时出现无法识别或误识别的问题,提出了一种融合OpenPose和Kinect的三维人体姿态估计方法,并创新地应用到基于ROS的渐进式康复训练情景交互系统的开发中。该方法首先将由OpenPose算法得到的二维关节点坐标与Kinect获得的深度数据融合获得三维关节点空间坐标,然后利用霍特双参数指数平滑法对关节点运动轨迹进行平滑和预测。实验结果表明该三维人体姿态估计方法使用方便、实时性好,训练过程中获得的三维姿态数据可以用于康复训练效果的评估。针对康复资源短缺、分布不均、成本高的问题,并结合部分病人需要在社区康复中心或者家里进行康复训练的需要,基于SSM和Shiro框架初步实现了“互联网+康复”模式的康复数据管理云平台。云平台可以汇集、存储、分析及查看康复客户端上investigate传的康复数据,康复医师通过云平台追踪患者的训练情况,为患者提供个性化的康复训练指导。研制的基于云平台的情景交互式康复训练及评估系统只用一台Kinect设备就可以获得患者训练过程中的主要关节点的三维空间位置数据,能够激发患者主动康复的积极性,康复评估结果可以为康复医师提供参考,基于云平台的远程监控和指导可以打破患者和医生之间的时空限制,为多渠道的康复、护理、养老新模式的实现提供了技术保障。
基于人体骨骼关键点的行为识别研究与实现
这是一篇关于计算机视觉,人体行为识别,骨骼关键点,OpenPose,双流网络的论文, 主要内容为近年来,随着人体行为识别技术火热发展,吸引了越来越多科研工作者的广泛关注。目前基于视频的行为识别方法中,传统双流法的识别准确率较好,且最具代表性。但是传统双流法依然存在不足,该算法中时间流网络的输入是光流图,而光流图的计算需要消耗大量的时间,无法保证检测的实时性。虽然基于骨架数据集的行为识别具有不受光照强度、背景混入等因素的干扰,鲁棒性较好等优点。但是在现实环境下人体的行为复杂多样,不同的行为之间可能存在很多相似的动作,如果过度关注骨架信息,而忽略视频中的其他信息,计算机可能会有误判的情况发生,从而降低识别准确率。因此,本文针对以上问题,提出了一种融合图像信息和骨架信息的行为识别方法,该方法在保留其骨架数据集优点的同时,并结合视频的图像信息,使识别准确率得到进一步提升。本文的研究内容主要如下:1.本文通过对OpenPose姿态提取算法的深入研究,对OpenPose算法进行了改进。原OpenPose算法的特征提取网络为VGG-19,该特征提取网络的层数较深,参数量大,对于计算能力有限的硬件设备无法保证检测的实时性,所以本文采用轻量级Mobile Net-V3对其进行替换,使其能够在保证精确度稳定的前提下提高帧率。通过实验对比发现,改进后的OpenPose算法相比于原始算法检测速度大概提升了20 FPS,基本达到了普通客户端的使用需求。2.由于骨架数据集中不仅蕴含空间信息,而且还蕴含丰富时序信息,因此搭建了一支既可以获取骨架数据集空间信息又可以获取骨架数据集时序信息的骨架流网络,该骨架流网络使用Goog Le Net的Inception网络来提取时间信息,LSTM网络来提取时序信息,并将这两部分信息进行特征融合得到一个初步的行为分类结果。3.本文又对基于视频图像的行为识别方法进行了研究,针对传统的卷积神经网络通常只选取视频中某一帧图像来进行提取特征,获取的信息不够丰富的缺点。因此本文借鉴时间分段网络的稀疏时间采样策略,并在此基础上对时间分段网络进行改进,裁剪去时间流网络分支,并将空间流的特征提取网络替换成网络层数更深的Res Net-50网络,使其能够获取到更加丰富的图像信息。最后将骨架流和图像流网络分别得到的信息进行特征融合,构造出一个新双流网络模型。通过实验证明了本文提出融合骨架流和图像流的行为识别算法的可行性和有效性。
基于深度学习的滑雪动作相似度计算研究与应用
这是一篇关于OpenPose,滑雪姿态相似度计算,ST-GCN,骨骼关节点检测的论文, 主要内容为在传统的滑雪训练中,由于种种的限制,例如场地限制、没有专业人士指导、无法对比进步、人体姿态相似度计算对于设备计算能力要求高等问题,导致了学习此项运动成本高。针对这些问题,本文提出了滑雪姿态相似度计算方法,开发了一套滑雪运动训练辅助系统,实现滑雪运动爱好者能够自我学习、无需专业人员指导的效果。本文的主要研究工作和贡献如下:(1)本文针对如何进行滑雪动作姿态相似度计算展开研究,目前基于深度学习的滑雪运动姿态相似度的研究仍不完善,并且往往考虑的因素过于单一,针对不同的运动类型,考虑的影响因素往往相同,这并不符合不同类型的动作得分点不同的规则。所以本文在滑雪运动的规则下,综合考虑了人体骨骼关节角的变化频率与手臂摆动频率的因素,提出了滑雪姿态相似度计算方法。通过对比不同身高差的实验者,在只考虑人体骨骼关节角的变化频率与本文方法做对比。根据对比结果得出,该方法可以提高滑雪姿态相似度的计算准确率,解决了针对在滑雪运动下,因为考虑的影响因素单一而导致的姿态相似度计算不准确的问题。(2)本文针对如何解决滑雪姿态相似度计算对设备要求高以及因此导致用户无法轻量级使用的问题展开研究。本文提出了针对滑雪姿态转化为评分的方法,该方法需要将视频逐帧进行骨骼点信息的获取,再将这些信息输入到分类器中经过本文预先训练的模型识别得到动作类型,之后再通过与标准动作骨骼点信息进行相似度的计算,最终得到评分。从视频到评分的过程中对于设备的计算能力要求较高,所以本文针对这个问题,将评分功能封装成一个服务,作为本文系统中的一个模块存在,解决了对用户设备的性能要求。并且开发了一套滑雪运动辅助评分系统,这套系统采用Spring Cloud微服务架构开发,使用Consul作为服务注册中心,openfeign作为不同服务之间的通讯组件。通过这套系统解决了用户无法轻量级使用滑雪姿态相似度计算的问题。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码工厂 ，原文地址：https://m.bishedaima.com/lunwen/49934.html
