[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

说明书

本发明公开了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，基于被测者完成动作的视频，从检测样本的生成步骤、被测对象动作稳定性特征的提取步骤、动作稳定性模型的训练步骤和动作稳定性的判决步骤上进行建完成卷积神经网络，并据此样本设定阈值，判断被测者完成FMS涉及动作时的稳定性，通过躯干动态特征提取及分析，辅助FMS跨栏步、直线弓步蹲起动作完成的躯干晃动检测；被测者无需佩戴传感器，便可实现完成对被测者的躯干动作晃动稳定性有效监测判断，可降低测评人员工作量，提高测评效率，提高测试结果稳定准确性。

技术领域

本发明涉及一种计算机视频图像智能分析，尤其是涉及一种用于实现功能性动作筛查(Functional Movement Screening，简称FMS)中的跨栏步、直线弓步蹲起动作完成过程中的躯干晃动检测，支撑FMS动作完成情况评价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。

背景技术

功能性动作筛查FMS测评通常采用传统人工测评的方式，即通过测试人员发出指令，让被测者按测试标准依次完成7个项目(动作)，测试者仔细观察被测者执行7个项目(动作)的过程，并依据评分标准，对被测者逐个项目进行评分。

目前，国内已有数字化FMS系统，该系统通过若干个可穿戴的传感器进行功能动作筛查及肢体其它运动功能的评估，但采用穿戴传感器一方面增加了测试的工作量，另外一方面，传感器的穿戴位置、传感器与身体的贴合性，以及穿戴传感器是否会对受试者做动作产生身体或心理的影响，均值得进一步探究。同时现有FMS测评系统还存在着如下几个缺陷问题，1.由于FMS测试涉及到的测试项目较多，存在着人工测评方式所需人力、物力投入较大，且耗时长、效率低下。2.人工测评更大程度上的依赖于测试人员的经验和业务熟练程度，对于FMS测试需要完成一些动作的动态过程难以快速、准确的响应判断。3.目前已有的人工智能FMS测评系统，被测者参加测试时需穿戴一定数量的测试器具(如传感器)，这一方面，既增加了测评人员的工作量，降低了测评效率；另一方面，被测试者穿戴这些器具后，是否对被测者执行测试时的动作产生影响，进而影响最终测试结果，仍值得进一步探究。

发明内容

本发明为解决现有FMS测评系统存在着上述测评人员工作量大、测评效率低、测试结果不稳定或不准确等现状而提供的一种可降低测评人员工作量，提高测评效率，提高测试结果稳定准确性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。

本发明为解决上述技术问题所采用的具体技术方案为：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，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。

本发明面向FMS中涉及动态动作稳定性的两项测试跨栏步、直线弓步蹲起，提出了基于计算视觉的FMS动作稳定性自动检测方法，通过快速提取视频流中的躯干晃动情况，实现跨栏步、直线弓步蹲起动作稳定性的检测。可降低测评人员工作量，提高测评效率，提高测试结果稳定准确性。

作为优选，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，从而便于获取躯干的横向移动；