康复认知评估系统中基于体感交互技术的手势识别方法.pdfVIP

Journal ofMathematicalMedicine Vol.28 No.1 2015 ： 文章编号 1004-4337（2015）01-0098-02 中图分类号： 文献标识码：A ·微机应用 · TP212.9 康复认知评估系统中基于体感交互技术的 手势识别方法吟 张志常 郑 璐 (中国医科大学基础医学院计算机教研室 沈阳 110001) 摘 要: 在当前康复医疗领域中，体感交互技术广泛应用于患者的家庭个性化训练和康复评估中。由虚拟仿真与体感技术相结 合的康复评估系统中，需要对患者的手势动作进行准确的识别，获取患者手势运动中的速度、距离和角度等信息。并以此为基础，为患 者设计不同层次的训练模式，以帮助患者的早日康复和重返社会。本文针对体感交互技术中的手势识别方法进行了深入的研究，使用 DTW（DynamicTimeWarping，动态时间规整）算法来完成手势识别任务。 ； ； ； 关键词: 体感交互技术 DTW算法 开源项目 Kinect doi院10.3969/j.issn援1004-4337.2015.01.058 体感交互技术的特点是：只需要手势的变化和身体的运 动，就可以控制计算机中对象的动作[1]。将体感技术与医学康 1 手势识别流程设计 复训练相结合，设计基于体感的康复评估系统，既可以使计算 使用手势的变化作为交互手段具有简单、丰富的特点，当 机技术与康复医学进行充分的学科交叉和融合，又能针对康复 前常见的手势识别方法有模板匹配、神经网络、机器学习、算法 医学中的认知障碍标准，同时采用骨骼追踪、手势识别和虚拟 匹配等方法，其各自的特点是：模板匹配将手势变换产生的动 现实技术，实现人机交互的评价和训练，使患者能够与虚拟训 作与预置的模板数据进行对比，通过对比后相似度的变化完成 练环境进行自然交互，使其沉浸在计算机产生的虚拟环境中， 识别。神经网络识别具有自组织自学习能力，能对不完整的模 并在训练中对多种重要指标和检查项目进行测量和监控。 式进行处理。机器学习需要先从大量原始数据中提取特征向 该系统通过Kinect体感传感器识别患者手势的变化来实 量，采用贝叶斯极大相似等理论对计算机视觉技术中的分类方 现计算机中对象的控制，可以利用不同级别的趣味性的计算机 法进行训练。算法匹配可以跟踪人体关节点的空间位置，同时 游戏，有效的帮助患者在家中或者社区中获得康复服务。那么 结合三角几何进行匹配。 对患者手势运动的识别，就成为系统实现过程中要解决的关键 该系统使用Kinect体感传感器并结合手势识别的方法进 问题。 6.1 本法的操作虽比碱量法繁琐,但仍是一种适合药房和生产 6.5 铋量法测滴眼液中毒扁豆碱含量,国内文献尚未见报道。 企业用于控制含量及中间体的一种简便容量法。由于硼酸和抗 坏血酸的干扰，碱量法不能准确反映制剂的质量情况，而本法 参 考 文 献 的准确度比碱量法较好。