基于Visual C人体静态平衡能力评估系统.docVIP

基于Visual C人体静态平衡能力评估系统 　　【摘 要】本文提出一种新的测试人体平衡能力的方法，将人体重心的变化转换成激光点的抖动过程，在VC 6.0平台上通过运用图像处理技术，绘制出点的运动轨迹，即人体重心的变化过程，通过计算重心的位移方差来评估人体的平衡能力。通过实验，验证了该软件系统的稳定性和可靠性，成功地实现了激光点跟踪，抖动轨迹的绘制以及对平衡能力有着较高精度的评估。 　　【关键词】平衡能力评估；OpenCV；运动轨迹；图像处理技术；位移方差 　　0 简介 　　人体平衡能力研究是当前国际学术界相对活跃的一个研究领域，已经涉及到医学、体育学、计算机等多个学科。为了维持人体站立姿势的平衡与稳定[1]，中央神经系统就必需时时根据视觉系统、本体感觉系统和前庭系统提供的感觉信息对相应的关节与骨肉进行不断的调整[2]。随着社会进步，人人们日益关注自身的健康和生活质量，因而迫切的需要一种有效的方法来评估自身的平衡能力[3]。 　　1 方法 　　平衡能力评估系统由受力平台，CCD摄像头，上位机和VC++6.0软件系统组成，受力平台上安装激光头和摄像头，摄像头将屏幕上的激光点的图像传递给上位机进行识别与分析。 　　1.1 接收数据 　　为了能够接收到摄像机传过来的图像主要是利用OpenCV来完成这个过程，OpenCV是一个开放源代码的计算机视觉库，它由一系列C函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法[4]。 　　1.2 上位机处理 　　图像预处理主要目的是为了改善图像的质量，预处理操作主要包括： 　　1.2.1 灰度化 　　灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，一个像素点的变化范围为255种，所以在数字图象处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些[5]。 　　1.2.2 高斯滤波 　　高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程，采用高斯滤波处理方式，即对图像进行核大小为param1×param2的高斯卷积[6]，公式如下： 　　sigma=（n/2-1）？鄢0.3+0.8（1） 　　其中 n = param1 对应水平核，n = param2 对应垂直核。 　　1.2.3 图像减影 　　激光点的提取是整个图像处理部分的关键。点的提取过程实质是图像检测和分割的过程。采取图像减影的方法能很好的满足激光点分割的要求，其基本数学算法如下[7]： 　　gl■（x，y）=gl■（x，y）-gl■（x，y）（2） 　　（2）式中gl■（x，y）为点图，gl■（x，y）为背景图，gl■（x，y）为差影图。 　　1.3 检测与评估 　　cvPoint（r.x，r.y） 是OpenCV的基本数据类型之一，表示一个坐标为整数的二维点，系统取得点的坐标后。通过计算位移方差值来评估人体平衡性能。 　　s■=■（3） 　　其中，n表示某一半轴上投影点数目，x1…xn表示每个投影点的位移，m表示位移平均值。 　　2 实验与分析 　　2.1 仿真环境 　　仿真软件运行环境为WindowsXP下的Visual C++6.0，摄像头通过USB与上位通信。 　　2.2 仿真结果 　　在图1中，我们可以看到软件系统能够识别并且定位到每个激光点的坐标，之后在中央处中绘制出激光点的移动轨迹，在图中我们看见开始测试时重心的位移在较大范围内变动，待稳定姿态后，重心的位移量减小，并集中在原点附近。测试结束时，系统计算出每个方向上的重心位移方差值s2，即UP、DW、LT和RT。 　　图1 平衡能力测试系统用户界面 　　表1为实验在不同条件下对一个正常成年人测得的多组数据，数据中位移方差越小代表重心的摇晃程度越小，人体的姿态保持得就越稳定，即一个人的平衡能力就越好。 　　表2是四川省科委的重点项目《人体静态平衡功能测试仪及定量指标》中得出的数据指标，通过对比可以看出本实验的数据和标准数据在一定程度上比较接近，验证了本软件系统的理论上的可行性和实验上的正确性。 　　表1 在不同条件下测得的位置方差值 　　表2 四川省科委的重点项目得到的数据结论 　　3 总结 　　在本文中，我们设计出一个新的测试人体平衡能力的方法，即通过用激光点在屏幕上的位移来取代压力中心的位移，经过图像处理技术，将激光点提取，计算出4轴方向上的位移方差值以评估平衡能力，此平衡能力测试分析系统是针对于人体静态条件下的平衡力测试，是以压力中心位移（CoP）为基础的测量方法，通过一段时间的应用，其能满足一般大众对自身平衡能力评价的要求，也展现出其简单可靠的优点，相信未来在康复医学中与运动医学中也能有着广泛的应用。 　　【参考文献】