[发明专利]基于计算机视觉功能性动作筛查动作稳定性自动检测方法

权利要求书

1.一种基于计算机视觉功能性动作筛查动作稳定性自动检测方法，其特征在于包括如下监测步骤：

A1.检测样本的生成步骤，通过选取被测试者正面作为视频捕捉位置，并通过检测视频中躯干的晃动来判断FMS涉及的动作稳定性；

A2.被测对象动作稳定性特征的提取步骤，提取上述A1步骤的图像流形成检测样本，对动作晃动稳定性特征进行提取、分析和评估动作稳定性；

A3.动作稳定性模型的训练步骤，提取被测者正面完成FMS涉及的动作图像样本，将图像样本分割为s个矩形框，在每个矩形框内构建2个边界框，构造并训练得到可由用户自主设定的卷积神经网络，以锁定图像样本中被测者躯干的位置；

A4.动作稳定性的判决步骤，识别视频流中的满分姿势样本作为正面拍摄视频完成FMS涉及的动作图像参考样本，提取并记录该样本并训练构建完成上述A3步骤的卷积神经网络，据此样本设定阈值，判断被测者完成FMS涉及动作时的稳定性。

2.按照权利要求1所述的基于计算机视觉功能性动作筛查动作稳定性自动检测方法，其特征在于所述的检测样本的生成步骤包括如下：

B1.选取被测者正面作为视频捕捉位置；

B2.FMS涉及动作稳定性的动作包括跨栏步、直线弓步蹲起，其动作过程中的晃动用躯干的横向移动来表征，通过检测视频中躯干的晃动来判断跨栏步、直线弓步蹲起动作完成的稳定性；

B3.选取帧率F，以F为时间间隔提取视频中的图像流，第n个图像用A(n)表示，序列A(1),A(2),…,A(N)形成了检测样本，用于后续进一步的稳定性特征提取和分析。

3.按照权利要求1所述的基于计算机视觉功能性动作筛查动作稳定性自动检测方法，其特征在于所述的被测对象动作稳定性特征的提取步骤包括如下提取步骤：

C1.对于图像A(n),n＝1,2,…,N，将其分割为s个矩形框，用A_i(n)表示图像A(n)的第i个矩形框；

C2.FMS中评估动作稳定性主要评估完成动作过程中躯干的晃动，用B表示实际被测对象身体部位所对应的边界框，涉及的身体部位为躯干；

C3.对于矩形框A_i(n)，生成L个边界框，用表示A_i(n)的第j个边界框，需要通过不断迭代、学习、修正，寻找一个最接近B的

C4.用多元组来描述边界框的特征，

各参数定义如下：

表示边界框中心在图A(n)中的坐标；

分别表示边界框的高度和宽度；

其中P_r(A_i(n))表示矩形框A_i(n)内有评价FMS动作稳定性所涉及的身体部位的概率，表示与B相交的面积(相交部分如图1蓝色虚线框)，表示与B相并的面积(相并部分如图2蓝色虚线框)；

C5.用(x,y)表示矩形框B在图A(n)中的坐标；用h,w表示矩形框B的高度和宽度；

C6.构造损失函数

当FMS所关注的身体部位中心位于内，Q_ij＝1；否则，Q_ij＝0；λ₁，λ₂为人工设定的参数，用来调节损失函数的权重。