智能穿戴式復(fù)健數(shù)據(jù)追蹤與輔助診療平臺

杜 垚，李明澤，盧玉澄，劉晨飛，鮑安琪，王洪葆

(1.西南民族大學(xué)計算機系統(tǒng)國家民委重點實驗室，四川 成都610041；2.西南民族大學(xué)數(shù)學(xué)學(xué)院，四川 成都610225；3.西南民族大學(xué)計算機科學(xué)與工程學(xué)院，四川 成都610225；4.西南民族大學(xué)電氣工程學(xué)院，四川 成都610225)

隨著互聯(lián)網(wǎng)時代的到來，人類與移動應(yīng)用的聯(lián)系日益緊密，同時運動損傷人員對于專業(yè)的運動康復(fù)需求日益增加.堅持長期的訓(xùn)練和科學(xué)的理念指導(dǎo)對于康復(fù)訓(xùn)練是兩個必不可少的因素，國內(nèi)外的臨床研究發(fā)現(xiàn)，相當(dāng)一部分人因為時間、空間問題難以長期堅持康復(fù)訓(xùn)練；醫(yī)師與治療師缺乏溝通，最終導(dǎo)致患者不能達到康復(fù)需求.據(jù)統(tǒng)計，國內(nèi)大約95%的Ⅲ級及以上膝傷患者會到醫(yī)院就診，大約15%條件享受診療師的專業(yè)康復(fù)訓(xùn)練，而僅有不足5%的患者能滿足運動需求.因此為運動群體在傷病后提供低成本、高質(zhì)量的康復(fù)訓(xùn)練是急需解決的問題.對于此情況，本研究開發(fā)了一個具有穿戴功能的智能復(fù)健系統(tǒng)，同時可通過體感交互的技術(shù)手段，糾正康復(fù)訓(xùn)練姿勢，從而達到患者數(shù)據(jù)反饋及時，診斷與康復(fù)治療效率提高的目的.

平臺建設(shè)是國內(nèi)康復(fù)訓(xùn)練診療研究的重點，國內(nèi)的陳虹團隊[1]采用機器視覺識別技術(shù)，在攝像技術(shù)的支持下，采集并識別了老年人的動作數(shù)據(jù)，以此追蹤老年人復(fù)健的數(shù)據(jù).但是，易受環(huán)境光線的影響是這類復(fù)健系統(tǒng)(基于機器視覺原理)的短板.其一，該類系統(tǒng)目前能識別出的動作行為，大多是綁定在大型康復(fù)訓(xùn)練器械上，便攜性較低.其二，傳感器記錄數(shù)據(jù)是這類平臺的數(shù)據(jù)采集主要途徑，根據(jù)處理器運算，數(shù)據(jù)庫匹配給出訓(xùn)練建議，最終人為分析得出結(jié)論.其三，這些平臺通常只能針對單一器械(動作)，平臺與用戶不能對多樣化訓(xùn)練動作進行交互，從而規(guī)范訓(xùn)練者的動作，也不能在訓(xùn)練的同時密切關(guān)注醫(yī)生的醫(yī)囑，起不到高效率、高質(zhì)量康復(fù)訓(xùn)練的作用.為填補現(xiàn)有康復(fù)訓(xùn)練診療平臺的不足，本文提出一種智能穿戴式復(fù)健數(shù)據(jù)追蹤與輔助診療平臺，其結(jié)構(gòu)如圖1所示.

圖1 整體結(jié)構(gòu)示意圖Fig.1 Overall structure diagram

硬件模塊:MEMS慣性傳感數(shù)據(jù)采集單元(CC2541單片機＋mpu6050)用于采集人體的動作數(shù)據(jù).數(shù)據(jù)由串口1傳輸至PC端；SEMG采集單元(雙通道)，可同時以100～1000 HZ的頻率追蹤肌力電信號，數(shù)據(jù)由串口2傳輸至PC端，存儲數(shù)據(jù)并可視化展示；Intel Minnow Board嵌入式處理單元(MEMS傳感器數(shù)據(jù)＋Kinect V2.0運動數(shù)據(jù)采集單元<視覺輔助>)、心率傳感器、GPS位置等信息以及云端數(shù)據(jù)，進行結(jié)果的比對判別.

軟件模塊:通過C＃腳本，自串口對追蹤動作數(shù)據(jù)信息進行實施讀取，向Unity 3D游戲引擎?zhèn)鬏?，使模型姿態(tài)改變，完成動作模擬，在Kinect V2.0 SDK創(chuàng)建并訓(xùn)練分類的自定義動作，使測試集動作能被識別并與標(biāo)準(zhǔn)動作比對.

算法模塊:作為平臺的核心，保障了動作匹配的精確度，首先，在處理數(shù)據(jù)完成之后，將動作對應(yīng)的特征向量提取出來；同時，通過多次訓(xùn)練的類別劃分模型(Adaboost算法[2])計算人體動作的相似度；然后，采集大量的訓(xùn)練集與測試集；最后，系統(tǒng)測試和判斷置信度.

平臺模塊:患者利用手機小程序?qū)υ贫诉M行訪問，將基礎(chǔ)信息操作完成，包括訓(xùn)練計劃查詢、注冊、醫(yī)患在線溝通和訓(xùn)練反饋等，后臺導(dǎo)入數(shù)據(jù)并完成數(shù)據(jù)比對、傳輸數(shù)據(jù)的功能；醫(yī)生和診療師可以在WEB端登錄分析患者數(shù)據(jù).同時交互端經(jīng)由趣味信號識別與界面顯示等功能完成實時交互.

1 系統(tǒng)設(shè)計框架

1.1 膝關(guān)節(jié)康復(fù)訓(xùn)練機理

人體膝關(guān)節(jié)由髕骨、前、后十字交叉韌帶以及半月板組成[3].膝關(guān)節(jié)的彎曲和韌帶的拉伸是同時發(fā)生的[4].當(dāng)人體在做下蹲動作時，前后十字韌帶的活動，韌帶牽動股骨頭運動是膝關(guān)節(jié)的主要變化之一，因此為實現(xiàn)復(fù)健姿勢矯正的功能，可以通過監(jiān)測腿部的動態(tài)來觀察人體的運動角度變化進行實踐[5].

在康復(fù)訓(xùn)練的過程(例如深蹲)中，不良姿態(tài)的標(biāo)準(zhǔn)認定為膝關(guān)節(jié)的彎曲角度是否超過90°.

1.2 康復(fù)平臺用戶研究

康復(fù)訓(xùn)練平臺的用戶主要包括:被動用戶——即有運動需求的患者；主動用戶——即醫(yī)生及診療師；承擔(dān)一定護理輔助工作的患者家屬.本文以患者、醫(yī)生及診療師為主要用戶研究對象.

(1)醫(yī)生和診療師實行康復(fù)治療的操作需求.醫(yī)生診斷身體情況，得出訓(xùn)練醫(yī)囑；診療師參考醫(yī)囑和患者運動需求，制定訓(xùn)練方案.

(2)患者的醫(yī)療康復(fù)需求.

2 整體結(jié)構(gòu)設(shè)計

2.1 硬件模塊設(shè)計

2.1.1 Wearables單元－MEMS慣性傳感數(shù)據(jù)采集單

近年來，人體動作捕捉系統(tǒng)中運用到了微機電系統(tǒng)[6](MEMS，Micro－Electro－Mechanical System)，隨著科技的發(fā)展，基于MEMS的傳感器效率和穩(wěn)定性都得到了提高.

本單元涵蓋了服務(wù)器、控制及數(shù)據(jù)采集模塊，下圖2即為邏輯和物理結(jié)構(gòu).

圖2 人體動作數(shù)據(jù)采集物理與邏輯結(jié)構(gòu)Fig.2 Physical and logical structure of human motion data acquisition

CC2541片載系統(tǒng):

CC2541片載系統(tǒng)搭建的是OSAL操作系統(tǒng)[7]，具備注冊任務(wù)、初始化處理、任務(wù)間數(shù)據(jù)交換、任務(wù)同步、時間管理、中斷處理和內(nèi)存配置管理等功能.

射頻方面:建立了2.4GHz低功耗規(guī)范與私有RF片載系統(tǒng)，可允許不同數(shù)據(jù)速率的傳輸；可以遠距離藍牙通訊；可編程輸出功率較高；接收器靈敏度較高.

布局方面:有大量外部接口；體積小，大小只有6mm3.

微控制器方面:代碼預(yù)存取功能性能較高；可編程閃存存儲器內(nèi)存較大；支持擴展基帶自動化功能:自動確認、地址解碼.

異步接收發(fā)器UART(不同串行通信協(xié)議)；二十三個通用1O管腳:IC接口(本設(shè)計選取模擬IC通信)(電路圖如圖3所示).

圖3 CC2541電路圖Fig.3 CC2541 circuit diagram

CC2541片載系統(tǒng)搭建的是OSAL操作系統(tǒng)，具備注冊任務(wù)、初始化處理、任務(wù)間數(shù)據(jù)交換、任務(wù)同步、時間管理、中斷處理和內(nèi)存配置管理等功能.

Mpu6050慣性傳感器:

是第一款將三軸陀螺儀與三軸加速度計整合在一起的多組件運動傳感器.

工作原理:為得到加速度計三個軸上的及時加速度，以參考電源為基準(zhǔn)轉(zhuǎn)化并輸出為一個電壓值，此時模型動作、位置發(fā)生改變，內(nèi)部集成式電容也隨重力場的改變而改變，然后再通過數(shù)字模擬將電壓模擬信號轉(zhuǎn)換為數(shù)字信號就得到了及時加速度.

另外，Mpu6050還擁有以下優(yōu)點:

● 安裝簡單便攜，當(dāng)固定在支具上之后，人體可隨意活動，不受干擾.

● 具有較高的采樣頻率，比人體運動頻率更大，基本不會出現(xiàn)數(shù)據(jù)失真.

● 價格便宜，性價比高.

RS232－USB轉(zhuǎn)換芯片:

轉(zhuǎn)換芯片(USB功能控制器和收發(fā)器＋URAI等通常在數(shù)據(jù)轉(zhuǎn)換＋存儲的重要器件PL230311中使用).全雙工異步串行通信的功能的實現(xiàn)需要PL2303 USB和RS232，能夠經(jīng)由USB從PC端對數(shù)據(jù)進行接受和儲存，在將其轉(zhuǎn)變成RS232信息流格式之后再進行內(nèi)部處理，亦或是將RS232獲取大的數(shù)據(jù)變成USB數(shù)據(jù)格式，向PC端輸送，進而進行接下來的更加復(fù)雜的操作.

本文采用的RS232－USB轉(zhuǎn)換芯片中結(jié)合了USB收發(fā)器與功能控制器、URAI等存儲或轉(zhuǎn)換數(shù)據(jù)的重要器件PL230311.PL2303能夠使數(shù)據(jù)在RS232和USB間進行全雙工異步串行通信.能夠經(jīng)由USB從PC端對數(shù)據(jù)進行接受和儲存，在將其轉(zhuǎn)變成RS232信息流格式之后再進行內(nèi)部處理，亦或是將RS232獲取大的數(shù)據(jù)變成USB數(shù)據(jù)格式，向PC端輸送，進而進行接下來的更加復(fù)雜的操作.

以慣性傳感器為基礎(chǔ)有關(guān)的人體動作相似度計算的研究多是通過傳感器對人體動作數(shù)據(jù)進行采集，之后利用姿態(tài)解算，再經(jīng)由PL2303向PC端傳輸過程中使數(shù)據(jù)變成USB格式，最后將動作數(shù)據(jù)展開處理及相似度求解.

如圖4為簡單的屈腿所采集到的數(shù)據(jù)，各組姿態(tài)角間的分割通過“!”完成，不同姿態(tài)角的三維數(shù)據(jù)通過“，”進行分割.

圖4 sscom32接收的數(shù)據(jù)Fig.4 Data received by sscom32

2.1.2 Wearables單元－SEMG信號采集單元

本單元在基于LabVIEW開發(fā)的用戶界面的編程中加入了RS485轉(zhuǎn)USB的通信模塊的基礎(chǔ)是Lab-VIEW迅速建立需要的應(yīng)用工序特點、具備的數(shù)據(jù)采集系統(tǒng)、儀器變成的便捷途徑特點.本文選用SICHIRAY科技有限公司推出的BIOFORCEN表面肌電采集系統(tǒng)對SEMG信號進行獲取，下圖5即為具體信號圖.

圖5 SEMG肌電信號波Fig.5 SEMG signal wave

每個SEMG采集器有2個信號通道，單路通道含3個電極.肌電信號在配套無線接口器與SEMG采集器一起使用時不僅可以直接傳輸至PC外，還可以進行無線傳輸.這樣SEMG采集器在人體身上佩戴的時候要與PC端保持一定距離，信號采集處理之后會被無線接收器接受，通過接口器處理的數(shù)據(jù)傳輸至PC端.

2.1.3 Wearables單元－Minnow Board嵌入式處理單元

基于Minnow Board的嵌入式處理單元[8]Kinect完成的功能主要是對體感攝影機獲取的運動數(shù)據(jù)、以Genuino為基礎(chǔ)的傳感器節(jié)點單元回轉(zhuǎn)的數(shù)據(jù)與云端數(shù)據(jù)展開人機交互和處理分析.下圖6即為信號流圖示.

圖6 Minnow Board系統(tǒng)信號流圖Fig.6 Minnow Board system signal flow diagram

Minnow Board與Kinect運動數(shù)據(jù)采集單元相連的接口為高速以太網(wǎng)，將Kinect獲到的手勢與運動識別信息捕獲之后，經(jīng)由SPI接口與NRF24L01無線模塊相連，此外會在同一時間五個Genuino傳感器節(jié)點單元傳回的數(shù)據(jù).通過USB接口接入3.5 mm外置聲卡，將USB信號轉(zhuǎn)化為音頻信號輸出，使Minnow Board嵌入式平臺能實現(xiàn)語音播報功能.同時，通過HDMI接口，Minnow Board嵌入式平臺接入液晶顯示器后作為圖形界面交互輸出.

2.1.4 Kinece V2.0運動數(shù)據(jù)采集單元

①設(shè)備概述

2014年11 月，微軟公司開發(fā)了Kinect V2動感知輸入設(shè)備，用戶在使用Kinect時不用再通過硬件設(shè)備，如手柄等進行操作，而是可以通過手勢或者語音指令對系統(tǒng)界面進行操作[9].

Kinect(圖7)為長條形狀，攝像頭有兩組，其中一組為RGB Camera(彩色相機)，用于捕獲普通彩色圖像源數(shù)據(jù)里；其中一組是分別處在左側(cè)與右側(cè)的IR Emitters(紅外發(fā)射器)與Depth Sensor(深度相機或者稱為紅外相機)組成.我們可以通過對Kinect進行二次開發(fā)使其升級、完善，在獲取到視野里面用戶對應(yīng)的深度圖像.

圖7 Kinect V2實物圖Fig.7 Kinect V2 image

Kinect V2可以同時識別六個人，并檢測到每個人身上的26個關(guān)節(jié)信息[10]，但最大程度上最多能同時分析兩個人所提供的骨骼數(shù)據(jù).Kinect V2輸出視頻的幀率為每秒30幀，深度與彩色圖像的像素均為640*480.因為理想狀態(tài)下，對用戶可以進行0.8到3米范圍內(nèi)的跟蹤識別，因此由于 要確保效果，要將距離限定在1.2到3.5米范圍內(nèi).探測器在水平方向上的視角范圍是43°～57°.

Kinect V2的紅外傳感器會在一定的視角范圍內(nèi)獲取各點對應(yīng)的深度信息，同時解算空間物體的位置所在.此類紅外傳感器經(jīng)由黑白光譜來判斷外界的具體環(huán)境條件.最遠距離用黑色表示，最近距離用白色表示，黑色和白色間的灰色代表視野里面物體的距離與位置等相關(guān)信息[11].對獲取的深度信息展開光編碼處理(原理見下圖8)，在將其變成附近環(huán)境的深度圖像之后再按照30幀/s的速度構(gòu)建圖像流，對周圍環(huán)境進行實施的立體再現(xiàn)(圖9).

圖8 光編碼原理Fig.8 Optical coding principle

圖9 3D深度骨骼定位Fig.93D deep bone localization

②基于Kinect骨骼追蹤的肢體運動追蹤

在康復(fù)訓(xùn)練時，除去患者，醫(yī)生與家人同樣會存在于Kinect視野范圍內(nèi)，因此要利用相應(yīng)的ID對各組骨骼數(shù)據(jù)展開分析處理，進而對視野范圍內(nèi)的各類人群信息區(qū)分.康復(fù)期的患者能夠直接將Kinect捕捉到的實時追蹤圖像獲取到[12]，此圖像是基于深度圖像信息在相應(yīng)的界面區(qū)域?qū)崟r繪制出來的，這樣就能夠?qū)⒐趋缹?yīng)的視覺反饋信息直接得到.

先進行初始化處理，之后將骨骼追蹤模式開啟，通過觸發(fā)的方法將SkeletonStream骨骼流里面的骨骼數(shù)據(jù)獲取到[13].SkeletonStream骨骼流產(chǎn)生的所有數(shù)據(jù)均為一個骨骼對象的集合，其中涵蓋了一組骨架數(shù)據(jù)結(jié)構(gòu)，各元素均對應(yīng)這相應(yīng)的骨架追蹤信息，涵蓋了能夠?qū)趋狸P(guān)節(jié)坐標(biāo)及骨骼位置進行描述的數(shù)據(jù)[14].

2.2 軟件模塊設(shè)計

從輔助康復(fù)訓(xùn)練系統(tǒng)的軟件程序設(shè)計需求上看，需要滿足系統(tǒng)對安全監(jiān)測的超曲鎖死、摔倒報警；自定義訓(xùn)練計劃生成的功能、人工定制計劃功能；醫(yī)患對于患者需求的溝通；康復(fù)師建議、醫(yī)師復(fù)診功能；姿態(tài)監(jiān)測的數(shù)據(jù)采集處理；肌電傳感監(jiān)測的量化肌力監(jiān)測等功能需求作用.通過上述內(nèi)容，此裝置程序?qū)?yīng)的需求分析見下圖10中內(nèi)容.

圖10 復(fù)健監(jiān)測系統(tǒng)軟件需求分析Fig.10 Software requirement analysis of rehabilitation monitoring system

2.2.1 Kinect V2.0 SDK＋Unity 3D單元

Windows系統(tǒng)為開放的、人際交互界面良好的應(yīng)用軟件開發(fā)系統(tǒng).此系統(tǒng)的編程環(huán)境為Microsoft Visual Studio 2010(windows10)，主要就是為了利用軟件設(shè)計完成動作關(guān)節(jié)角度的求取與數(shù)據(jù)的識別跟蹤，完成對于視頻數(shù)據(jù)及游戲結(jié)果的儲存.本章節(jié)的軟件部分就是通過Kinect V2.0 SDK與Microsoft Visual Studio 2010綜合進行的編程[15].

Kinect V2.0 SDK＋Unity 3D單元

Unity 3D是集建模與開發(fā)于一身的可視化游戲開發(fā)軟件，具體見下圖11.可在不同的平臺使用，游戲引擎強大是其最大的優(yōu)點，為開源普及打下了良好的基礎(chǔ).

圖11 Unity 3D系統(tǒng)Fig.11 Unity 3 d system

Unity 3D擁有統(tǒng)一編輯器，支持多平臺操作.其優(yōu)點之一是:擁有便捷的代碼調(diào)試器，支持多種腳本編程，在模型運動過程中可以通過設(shè)置斷點實現(xiàn)單步(step－set)調(diào)試的功能，這對觀察人體動作模擬過程具有重要意義[16].

其優(yōu)點之二是支持從外部導(dǎo)入體貌數(shù)據(jù)不同的模型，不僅節(jié)省了建模的時間，一定程度上解決因使用者膝關(guān)節(jié)數(shù)據(jù)差異導(dǎo)致的圖像變形，而且兼顧了娛樂.

動作模擬主要分為導(dǎo)入模型、添加腳本、模擬動作三個步驟.將3DMAX人體模型導(dǎo)入并在肢體關(guān)節(jié)部分添加初級腳本，實時追蹤串口數(shù)據(jù)并刷新下肢姿態(tài).

2.3 算法模塊設(shè)計

2.3.1 數(shù)據(jù)預(yù)處理與特征提取的設(shè)計與實現(xiàn)

①數(shù)據(jù)處理結(jié)構(gòu)設(shè)計

要作為分類模型的輸入數(shù)據(jù)，在采集到原始人體動作數(shù)據(jù)后，就要將數(shù)據(jù)在PC端進一步操作.數(shù)據(jù)處理[17](如圖12所示)是數(shù)據(jù)采集與相似度計算的中間過程.預(yù)處理與特征提取是數(shù)據(jù)處理的組成部分，在串口數(shù)據(jù)處理過程中，需要依次進行數(shù)據(jù)噪音剔除、歸一化處理、數(shù)據(jù)平滑、特征提取及選取等.

圖12 數(shù)據(jù)處理結(jié)構(gòu)圖Fig.12 Data processing structure diagram

數(shù)據(jù)輸入流(采集到的人體動作數(shù)據(jù))的預(yù)處理工作包括孤立點處理、多項式擬合以及數(shù)據(jù)歸一化.在出事數(shù)據(jù)的前提下，分別站在微觀和宏觀兩個層面對數(shù)據(jù)特征進行提取.不但對數(shù)據(jù)宏觀上具備的特點進行關(guān)注，還對微觀上細節(jié)改變規(guī)律予以關(guān)注.先對統(tǒng)計特征(如:均值、方差、相關(guān)系數(shù)等)和子序列相似度特征進行提取，之后通過特征對輸出動作對應(yīng)的特征向量進行選取.

②數(shù)據(jù)預(yù)處理的實現(xiàn)

原始數(shù)據(jù)獲取之后，因為數(shù)據(jù)是不規(guī)則的，存在噪音(傳感器被外界影響、系統(tǒng)本身穩(wěn)定性差和人體的抖動均為數(shù)據(jù)噪音產(chǎn)生的原因)，所以需要對數(shù)據(jù)進行預(yù)處理操作.在理想狀態(tài)下，人體動作的運動軌跡是一條平滑的曲線，這里得到的數(shù)據(jù)是一條平滑曲線與少量噪音疊加的結(jié)果.為將動作數(shù)據(jù)盡可能還原為運動軌跡(如圖13所示)，所以需要尋找恰當(dāng)?shù)臄?shù)據(jù)預(yù)處理算法.

圖13 人體動作原始數(shù)據(jù)Fig.13 Human motion raw data

對于數(shù)據(jù)中噪聲的處理可以分為兩種，其一是由于硬件數(shù)據(jù)傳輸期間引起的孤立點(偏離大多數(shù)數(shù)據(jù)點較遠的點)；其二是由于目標(biāo)點抖動造成的波動數(shù)據(jù)(鋸齒狀).數(shù)據(jù)平滑與多項式擬合的方法能有效去除上述噪音，預(yù)處理流程如下圖14所示:

圖14 數(shù)據(jù)預(yù)處理流程圖Fig.14 Data preprocessing flow chart

A)孤立點處理的算法原理

均值平滑濾波:設(shè)計固定長度的濾波滑窗，可以從數(shù)據(jù)起始位置一直到結(jié)尾.每次滑動均把窗口內(nèi)的數(shù)據(jù)平均大小當(dāng)成處理完成的數(shù)據(jù)下新數(shù)據(jù)序列中輸入，此新序列即為均值平滑濾波處理完成后的有效數(shù)據(jù).

之后，動作數(shù)據(jù)序列一般會處于連續(xù)狀態(tài)[18].不過因為人體的抖動造成數(shù)據(jù)抖動、確實及傳輸失真的原因，要想使人體活動軌跡能夠更加精準(zhǔn)的再現(xiàn)，本設(shè)計通過多項式擬合手段對數(shù)據(jù)進行了深入的處理.

B)數(shù)據(jù)擬合的算法原理

數(shù)據(jù)擬合:通過平滑連續(xù)的曲線盡量對數(shù)據(jù)序列進行無偏差擬合處理，也就是A里面提到的，同時通過函數(shù)將曲線表示出來.數(shù)據(jù)擬合并非需要曲線和全部數(shù)據(jù)點相符，僅需數(shù)據(jù)點和曲線中數(shù)據(jù)點的總距離數(shù)值最小就可以.

擬合數(shù)據(jù)的過程中，要按照數(shù)據(jù)的實際情況對相應(yīng)擬合模型進行選取，本設(shè)計里面獲取的數(shù)據(jù)是由人體肢體運動姿態(tài)不斷變化產(chǎn)生的，各周期均有不同的相位、頻率及振幅.因此通過多項式函數(shù)與正弦函數(shù)對人體動作數(shù)據(jù)進行擬合是最適當(dāng)?shù)?，而多項式比正弦函?shù)在擬合計算方面更加方便.因此，本文采用多項式函數(shù)來擬合人體動作數(shù)據(jù).本文通過最小誤差平方和對多項式擬合算法擬合人體活動數(shù)據(jù)集的最終效果進行衡量.

最小誤差絕對值和:

最小最大絕對值誤差:

擬合數(shù)據(jù)點到曲線的歐氏距離和的平方降到最小.

誤差平方和最小:

使擬合曲線盡量逼近離散數(shù)據(jù)點是誤差平方和最小準(zhǔn)則的最終目的.

上述多項式擬合算法(基于最小二乘法)，最小乘法的損失函數(shù)就是誤差平方和.最小的乘法的原理是:數(shù)據(jù)點集合D(x i，y i)的和最小在函數(shù)集合P中找到一個最佳函數(shù)f(x)∈P讓∈D具有最小平方和，具體見下式(4)，而多項式擬合指的就是函數(shù)集合P里面的函數(shù)是多項式函數(shù)，也就是.

如此一來，求解的問題最優(yōu)解即可通過下式得到:

C)數(shù)據(jù)歸一化的算法原理

在人體動作相似度計算方面，采集動作數(shù)據(jù)時間長短不一致，會造成采集到的數(shù)據(jù)量不一致[19].后續(xù)特征提取、數(shù)據(jù)處理都需要統(tǒng)一數(shù)據(jù)量，故對數(shù)據(jù)進行歸一化處理是非常必要的.

在采集數(shù)據(jù)方面，數(shù)據(jù)總量與動作復(fù)雜度呈正相關(guān).為便于數(shù)據(jù)比對，需要將動作數(shù)據(jù)規(guī)范統(tǒng)一量綱.

記L(x)為第i個動作的數(shù)據(jù)序列長度統(tǒng)計，將代表人體動作的擬合函數(shù)表示成f(x)(使f(x)處于標(biāo)準(zhǔn)縮放狀態(tài))，僅需將自變量x與乘以伸縮系數(shù)k，k＝L(x)/80就可以.

D)特征提取的實現(xiàn)

我們已經(jīng)得到一個統(tǒng)一量綱下的數(shù)據(jù)集，雖然人體各運動過程中姿態(tài)的改變能夠表示處理，在兩組動作數(shù)據(jù)給定的情況下，按照人體骨骼定位就能夠初步判斷動作的相似程度，但是實際操作中需要可以表征某一類特定動作特點的特征向量，更精確地判斷兩組動作的相似性，故需要加入特征提取流程(發(fā)現(xiàn)數(shù)據(jù)規(guī)律的過程就是特征提取).特征提取的流程圖如圖15所示.2.3.2 動作相似度計算的設(shè)計與實現(xiàn)

圖15 特征提取流程圖Fig.15 Feature Extraction Flow Chart

分類模型(Adaboost)是動作相似度計算的基礎(chǔ)，在經(jīng)過數(shù)據(jù)處理之后將動作數(shù)據(jù)對應(yīng)的特征向量獲取到，能夠建立測試集和訓(xùn)練集.通過訓(xùn)練集的訓(xùn)練分類模型，選取相應(yīng)的模型參數(shù)將最優(yōu)分類模型得到；在分類模型中輸入測試集，將預(yù)測結(jié)果得出，同時對結(jié)果進行分析.流程如圖16所示.

圖16 分類模型流程圖Fig.16 Flow chart of classification model

2.3.3 模型訓(xùn)練的實現(xiàn)

1)數(shù)據(jù)集

輸入體感交互設(shè)備和慣性傳感器采集到的數(shù)據(jù)，用特征提取算法，利用卡方檢驗方法，將特征從42維/節(jié)點降到30維/節(jié)點.

2)訓(xùn)練集

數(shù)據(jù)采集動作:初步分為6種，分別為大、小幅度曲腿、大、小幅度蹲、大、小幅度提膝.參與動作采集的共有20人.在采集數(shù)據(jù)的時候:每人將上述動作均重復(fù)三次，將原始的360組原始動作得到，因為本設(shè)計是與人體動作相似度計算相關(guān)的研究，因此動作特征是通過數(shù)據(jù)簡單比較得到的.相似度超過2/3，就標(biāo)記為“動作相似”.結(jié)果如下表1所示.

表1 數(shù)據(jù)采集結(jié)果Table 1 Data acquisition results

由于要讓正負樣本處于數(shù)量上的平衡，本研究在負樣本里面隨機抽樣，將正負樣本的比例調(diào)整到最適，也就是正樣本為全量，負樣本為隨機采樣.

3)測試集

二十人各完成規(guī)定的動作(六種動作中選一種)，共200組，各組含有兩個動作.本文對似動作要求較為嚴格，等以下兩種情況均標(biāo)記為“不相似”:其一為不同的動作幅度差距較大，其二為同一動作但幅度差距較大.

4)分類器分析

經(jīng)測試，選取弱分類器個數(shù)為70，決策樹深度設(shè)置為30.

2.4 客戶端設(shè)計

如下圖17所示，平臺是介于復(fù)健者與治療師搭建的，基于訓(xùn)練和體感交互數(shù)據(jù)，以Web端和移動端呈現(xiàn)，復(fù)健者康復(fù)狀態(tài)能基于數(shù)據(jù)交互被治療師實時監(jiān)測，由治療師更新康復(fù)訓(xùn)練計劃和訓(xùn)練建議[20].

圖17 數(shù)據(jù)交互示意圖Fig.17 Data interaction diagram

2.4.1 WEB端

通過在原有的框架源碼進行修改渲染，制作用戶登錄注冊界面，注冊完的用戶信息傳遞到后臺數(shù)據(jù)庫進行數(shù)據(jù)交互，數(shù)據(jù)交互的過程使用java語言，連接到mysql數(shù)據(jù)庫上，通過中間Tomcat服務(wù)器實現(xiàn)小程序與數(shù)據(jù)庫的交互.

①前端

網(wǎng)頁框架采用LayUi前端框架進行渲染，在其源碼的基礎(chǔ)上進行修改，PTS可以在web端查看復(fù)健者的康復(fù)狀況，并由此更新康復(fù)計劃.

②后端服務(wù)器及框架

使用Java語言，基于Spring Tool Suite 4環(huán)境開發(fā)，使用Tomcat服務(wù)器.SpringBoot作為后臺的開發(fā)集成框架，使用Maven管理項目.

③數(shù)據(jù)庫

使用mysql數(shù)據(jù)庫存儲復(fù)健者與治療師的個人信息，通過體感穿戴設(shè)備獲取復(fù)健者康復(fù)信息實時更新數(shù)據(jù)到數(shù)據(jù)庫中.

④數(shù)據(jù)可視化

前端頁面發(fā)后臺服務(wù)器送請求，獲取數(shù)據(jù)庫數(shù)據(jù)，再通過調(diào)用腳本對頁面渲染，生成可視化圖表.

2.4.2 Android程序端

1)用戶注冊及登錄模塊設(shè)計

用戶注冊/登錄界面如圖18所示，對于首次進行康復(fù)訓(xùn)練 的患者需要先進行用戶名和密碼的注冊[21].康復(fù)訓(xùn)練系統(tǒng)會對 已注冊過的用戶進行信息錄入.對于已存檔的患者可以直接輸入用戶名和密碼登錄進行康復(fù)訓(xùn)練，這樣可以對不同的患 者進行跟蹤式訓(xùn)練記錄[22].

圖18 用戶登錄/注冊界面Fig.18 User login/registration interface

2)小程序主界面

小程序主頁主要包括用戶信息記錄，如圖19所示，歷史信息查詢和康復(fù)訓(xùn)練系統(tǒng)鏈接，用于實現(xiàn)不同的功能，其中康復(fù)訓(xùn)練系統(tǒng)接口與體感交互設(shè)備和藍牙連接的慣性傳感器配合使用[23].

圖19 小程序界面Fig.19 Applet interface

3)用戶信息記錄界面

用戶信息記錄頁面主要用于記錄階段性康復(fù)信息[24]，具體界面如圖20所示，用于顯示單次康復(fù)信息，查詢個人信息，歷史信息查詢，用戶信息與反饋，關(guān)于平臺的信息.

圖20 用戶信息記錄界面Fig.20 User information recording interface

歷史信息查詢主要用查詢本ID歷史上的康復(fù)訓(xùn)練記錄信息，界面如圖21所示.

圖21 歷史信息查詢Fig.21 Historical information query

3 系統(tǒng)測試

3.1 實驗設(shè)計

為了對系統(tǒng)可靠性進行驗證，挑選健康及有膝關(guān)節(jié)病痛的志愿者共二十位，里面有女性參與者八位及男性參與者十二位，年齡范圍為22到28歲.根據(jù)系統(tǒng)提示，將康復(fù)動作完成，各動作要重復(fù)三次.和標(biāo)準(zhǔn)數(shù)據(jù)庫數(shù)據(jù)進行對比，下表2中列舉了系統(tǒng)中重要自身的匹配情況，錯誤動作1指的是僅將動作整體的前四各分動作完成，錯誤動作2指的是僅將前三個分動作完成，錯誤動作3指的是僅將前兩個分動作完成，錯誤動作4指的是僅將前一個分動作完成.

表2 實驗設(shè)計表Table 2 Experimental design table

3.2 結(jié)果分析

實驗結(jié)果顯示，判斷關(guān)鍵姿勢匹配情況是否完成是具備可行性的，此系統(tǒng)可以將動作信息精準(zhǔn)反饋出來，使參與者的動作完成度能夠被階段性的顯現(xiàn)出來.如果目標(biāo)對象的動作在某階段發(fā)生了錯誤，那么對應(yīng)的關(guān)鍵字是就會匹配不上，這是，系統(tǒng)可以立即向用戶反饋不標(biāo)準(zhǔn)的數(shù)據(jù)，告知參與者動作不符合要求.此系統(tǒng)不但能夠?qū)τ脩魟幼鬟M行監(jiān)視，還能夠指引用戶動作，同時可以對患者的康復(fù)訓(xùn)練數(shù)據(jù)進行記錄，以便醫(yī)生能夠?qū)祻?fù)計劃進行隨時調(diào)整，對患者高效、科學(xué)的康復(fù)訓(xùn)練更加有利.

4 結(jié)語

設(shè)計開發(fā)出了可穿戴使用的智能復(fù)健矯姿系統(tǒng)，通過體感交互與傳感器數(shù)據(jù)采集，將人體姿勢的檢測準(zhǔn)確度提升；利用以閾值判定和特征值提取為基礎(chǔ)途徑完成了人體復(fù)健訓(xùn)練姿勢的矯正.將以復(fù)健平臺為基礎(chǔ)的系統(tǒng)設(shè)計統(tǒng)一結(jié)合，是當(dāng)前市場上常見的軟硬件分離問題避免，提高了系統(tǒng)整體的易用性，對規(guī)范復(fù)健姿勢，避免二次損傷具有良好的效果.

此系統(tǒng)對于目前市面上的復(fù)健數(shù)據(jù)監(jiān)測系統(tǒng)而言，不但佩戴更加舒適，攜帶便捷，能夠完成實時監(jiān)測，還能夠通過配套小程序更加便于系統(tǒng)交互，具備智能性，以便用戶更好的維護及管理系統(tǒng).