[发明专利]以AR技术为基础应用于认知功能评估的肢体动作识别方法

权利要求书

1.一种以AR技术为基础应用于认知功能评估的肢体动作识别方法，其特征在于，包括：建立数据库、动作捕捉与分析两部分；

建立数据库：

选取阿尔茨海默病评定量表-认知分量表中“指令”部分作为测试内容；

进行动作数据采集，采集两套数据；其中，第一套数据为标准数据和第二套数据为模仿数据；

检测并过滤异常数据；首先利用基于阈值的方法对异常数据进行检测，根据先验知识或者是与统计的方法相结合选定阈值，超过阈值的数据视为异常数据；

选用Unity 3D进行动作数据的预览；首先将事先准备好的人形模型(FBX格式)导入Unity 3D中；模型包含骨架、蒙皮和Avatar三个部分，导入后将动画类型改为人形动画，然后设置模型关节点。接着创建自定义骨架，最后是传输运动数据，即将处理后的运动数据加载至一个二维数组中，然后每一帧传递数组的一列数据至自定义的骨架中进行预览。

经预览后将符合要求的动作数据储存入数据库中；

动作捕捉与分析：

首先利用设备摄像头采用实时图像采集方法对使用者进行人物动态图像采集，提取动态人物图像的三维动作流形矢量，对动作特征点进行自适应匹配；

结合三维动作特征点的流形分割方法，得到使用者的人物动作重构的动态特征量，在人物动态成像的成像区域进行三维动作流形分解，得到人物动作的实时捕捉先验信息；

采用三维动态跟踪识别方法进行人物动作的动态图像特征提取，对采集的人物动态图像进行动作特征点定位，在边缘帧不变的约束条件下，采用AR虚拟现实技术进行人物动态图像的包络轮廓分割；

在人体动态变化下，得到动作向量的集合描述；在仿射不变区域内，根据人体的动作特征进行动态图像的AR重构，得到灰度像素范围区域中的人体动作特征捕捉的衔接动作向量；

根据图像像素跟踪点进行人物动态图像的角点检测，得到人物AR动态图像的三维动作捕捉分析图；

根据对人物动作捕捉的识别结果，绘制反应人物动作特征的灰度直方图，采用自适应深度学习算法得到提取人物动作捕捉特征量，实现对使用者的人物动态图像三维虚拟成像重构和动作的实时捕捉；

与数据库中动作数据进行匹配与分析，根据符合程度对使用者的动作进行评分。

2.如权利要求1所述的以AR技术为基础应用于认知功能评估的肢体动作识别方法，其特征在于，“选取阿尔茨海默病评定量表-认知分量表中“指令”部分作为测试内容；”中包含的动作有“握拳”、“指天花板，然后指地板”、“用一只手的两个手指在自己每一边的肩膀上各拍两下，同时要一直闭着眼睛”。

3.如权利要求1所述的以AR技术为基础应用于认知功能评估的肢体动作识别方法，其特征在于，第一套数据为标准数据具体包括“由5位专业人员进行采集，即以上三部分动作，每部分动作完成2次，共30个样本”。

4.如权利要求1所述的以AR技术为基础应用于认知功能评估的肢体动作识别方法，其特征在于，第二套数据为模仿数据具体包括“由20位认知功能正常的老年志愿者提供，每部分动作完成3次，共180个样本；自定义关节点包括手双手所有指骨指远节、双手掌心、双肩”。

5.如权利要求1所述的以AR技术为基础应用于认知功能评估的肢体动作识别方法，其特征在于，其中双手掌心为根关节。

6.如权利要求1所述的以AR技术为基础应用于认知功能评估的肢体动作识别方法，其特征在于，以上采集的两种动作数据集存储时每个骨架包含14个关节。

7.如权利要求1所述的以AR技术为基础应用于认知功能评估的肢体动作识别方法，其特征在于，基于OptiTrack数据采集设备进行动作数据采集。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1到7任一项所述方法的步骤。