[发明专利]一种腕部及手指关节活动度的自动测量方法

摘要

本发明提出一种基于Kinect深度图像的腕部及手指关节活动度自动测量方法。本方法通过Kinect传感器采集人体上肢的深度图像，运用OpenNI进行手势识别、手心追踪，以手部中心为矩形区域的中心分割提取手部区域的深度图像，进一步对手部图像进行阈值化、平滑、图像形态学及轮廓检测分析处理，提取手指指尖、指根的位置，自动计算并在屏幕显示腕部尺偏/桡偏、食指掌指关节外展及拇指桡侧外展关节活动度的测量值。本方法可以简化人体腕部及手指关节活动度测量过程，提高测量效率和精度。

主权项

1.一种腕部及手指关节活动度的自动测量方法，其特征在于：具体步骤如下：A、使用Kinect传感器获取人体上肢的深度图像；B、手部图像分割方法：进行手势识别、手心追踪，以手部中心为矩形区域的中心，分割提取手部区域的深度图像；C、手部特征提取方法：对手部深度图像进行阈值化、平滑、图像形态学及轮廓检测分析处理，确定手指指尖、指根的位置，提取手部特征点；D、关节活动度计算方法：根据手指指尖、指根点的坐标信息，自动计算并显示腕部及手指关节活动度测量值；所述步骤A的具体步骤如下：使用OpenNI中的深度生成器DepthGenerator生成深度图像，采用GetAlternativeViewPointCap()函数消除由Kinect彩色和深度摄像头位置偏差造成的彩色与深度图像的视角偏差；所述步骤B中的手部图像分割方法，具体步骤如下：(1)、采用OpenNI中NITE的手势生成器添加需要识别检测的特定手势；(2)、采用OpenNI SDK中的手心生成器进行手部追踪；(3)、利用追踪到的手心位置分割手部图像，提取出100mm×100mm的深度图像，并将此范围内的所有的像素点提取出来作为手部区域；所述步骤C中的手部特征提取方法，具体步骤如下：(1)、以手心深度值及手掌厚度设定阈值并两次调用OpenCV中的cvThreshod()函数去除小阈值前及大阈值后的深度信息，实现图像的阈值化处理；(2)、采用高斯滤波方法对手部二值图像进行平滑处理；(3)、采用先膨胀再腐蚀的闭运算对手部图像进行形态学处理；(4)、确定手部轮廓，对手部轮廓做多边形拟合后提取轮廓凸包和凹陷，识别指尖、指根，并绘制手的轮廓线；所述步骤D中的关节活动度计算方法为：(1)、腕部尺偏、桡偏的关节活动度计算方法：提取手部外轮廓特征多边形的顶点A、B、C作为计算依据，对腕部尺偏、桡偏的关节活动度作近似计算，点A为腕部特征点，点B为小拇指指尖点，点C为手臂外轮廓特征点，腕部尺偏、桡偏科目的测量以腕部特征点A为轴心，AC为固定臂，AB为移动臂，计算∠CAB的大小，∠CAB的补角即为腕部桡偏或尺偏的角度；(2)、四指掌指关节外展活动度计算方法：提取小拇指指尖点A₁、无名指指尖点B₁、中指指尖点C₁、食指指尖点D、大拇指指尖点H及小拇指与无名指指根点E、无名指与中指指根点F、中指与食指指根点G的位置信息，计算相邻手指指尖点与其中间指根点的夹角，即∠A₁EB₁、∠B₁FC₁、∠C₁GD，以相邻指根点之间的距离作为一边，以手指长度为另一边建立手指的外接矩形，指尖点视作矩形短边中点，将各相邻矩形长边的夹角a₁、a₂及a₃近似作为相应手指掌指关节的外展角度；食指关节外展角度a₃可通过食指指尖、指根连线DG与食指外接矩形边的夹角δ₁、中指指尖、指根连线C₁G与中指外接矩形边的夹角δ₂以及∠C₁GD获得，所测手指指尖、指根连线与其外接矩形的夹角可根据人体手指结构尺寸取近似值，将中指两侧指根点F、G之间的距离作为各手指外接矩形的短边进行近似计算，食指指尖点D可看作食指外接矩形短边的中点，根据其几何关系可计算得出食指指尖、指根连线DG与食指外接矩形的夹角δ₁；同理：d为食指外接矩形的宽，d＝FG；则可进一步计算食指掌指关节外展角度a₃；a₃＝∠C₁GD‑δ₁‑δ₂其中∠C₁GD可根据各顶点的坐标信息利用余弦定理计算获得；根据上述计算原理可依次计算得到无名指与中指夹角a₂以及小拇指与无名指的夹角a₁；(3)、拇指桡侧外展活动度计算方法：拇指桡侧外展的测量以拇指掌骨根部O为轴心，固定臂与桡骨平行，移动臂与拇指掌骨平行，提取大拇指指尖点A₂和指根点C₂，建立大拇指外接矩形，矩形短边为A₂B₂，长边为B₂C₂，提取食指指尖点D，拇指桡侧外展的测量角θ用下式计算：θ≈∠B₂C₂D＝∠A₂C₂D‑∠A₂C₂B₂其中∠A₂C₂B₂、∠A₂C₂D可以根据A₂、C₂、D的位置坐标通过三角函数关系求得：