【技术实现步骤摘要】
本专利技术涉及用医疗，尤其涉及一种基于图像识别的康复训练方法、装置、设备及介质。
技术介绍
1、基于视频的人类动作识别是指根据捕获的单个人或一群人的视频和视频图像，自动分析人类动作的技术。例如，基于视频的人类动作识别的一个特别有用的应用是基于由监控视频摄像机捕获的视频图像来监测个人的健康状况。有时可能需要监测这些私人区域，例如，检测老年人的紧急事件，诸如个人跌倒，尤其是独自生活的老年人。医生可能还需要在此类私人环境中使用摄像机远程观察患有某些疾病(诸如痴呆症、帕金森氏症和抑郁症)的患者的活动。
2、随着图像识别技术的发展，视频监控也可以运用在对患者康复期的康复状态的智能检测，可以快速预测患者的康复情况，进而进行有针对性的治疗，而在预测过程中，由于患者个体的差异，在进行患者图像识别时，往往存在识别不准确的情况，例如，两个患者的身高均为180厘米，但第一个患者体重为150千克，第二个患者的体重为100千克，第一个患者在康复训练时的某些动作可能并未标准，但因为其体型较大，可能被识别为标准，而第二个患者在康复训练时的某些动作可能已经标准，但因为其体型较小，可能被识别为不标准，因此造成偏差，影响康复情况的准确性，不利于制定后续康复计划。
3、同时，现有技术中的图像识别多依赖于真人图像，且对像素要求越来越高，进而造成待识别的图像越来越大，图像识别过程的计算量也越来越大，导致图像识别的效率越来越低
4、而真人图像会涉及到个人隐私信息，如，面容，体型等，进而会存在用户隐私泄露的风险。
<
1、有鉴于此，本专利技术提供了一种基于图像识别的康复训练方法、装置、设备及介质，用于解决现有技术中图像识别不准确、图像识别效率低下、隐私泄露的问题。
2、为达上述之一或部分或全部目的或是其他目的，本专利技术提出一种基于图像识别的康复训练方法，包括：
3、获取目标对象在进行康复训练时的训练图像数据，所述训练图像数据显示有所述目标对象的真人图像；
4、基于隐私算法对所述训练图像数据进行将所述目标对象的真人图像替换为火柴人图像的处理，得到所述目标对象在进行康复训练时的简化图像数据；
5、将所述简化图像数据输入预设识别模型进行动作识别，确定所述简化图像数据显示的火柴人的动作数据，所述预设识别模型为基于卷积神经网络构建的模型；
6、基于所述动作数据确定所述目标对象的康复数据。
7、可选地，所述获取目标对象在进行康复训练时的训练图像数据，所述训练图像数据显示有所述目标对象的真人图像的步骤，包括：
8、获取目标对象在进行康复训练时的训练计划数据；
9、基于所述训练计划数据确定采样规则；
10、根据所述采样规则获取目标对象在进行康复训练时的初始训练图像集；
11、筛选出所述初始训练图像集内显示有所述目标对象的真人图像的图像，得到所述训练图像数据。
12、可选地，所述基于隐私算法对所述训练图像数据进行将所述目标对象的真人图像替换为火柴人图像的处理，得到所述目标对象在进行康复训练时的简化图像数据目标对象目标对象的步骤，包括：
13、基于所述隐私算法对所述训练图像数据中的各个真人图像进行人体关键点提取，得到所述训练图像数据中每个真人图像的关键点，所述关键点包括躯干关键点和手部关键点；
14、根据每个真人图像的躯干关键点和手部关键点生成每个真人图像的躯干火柴人图像和手部火柴人图像，并根据所述躯干火柴人图像和所述手部火柴人图像构建每个真人图像的火柴人图像；
15、将所述训练图像数据中的各个真人图像作为目标真人图像，将所述目标真人图像替换为与所述目标真人图像对应的火柴人图像，得到所述目标对象在进行康复训练时的简化图像数据。
16、可选地，在所述将所述简化图像数据输入预设识别模型，得到识别结果，所述预设识别模型为基于卷积神经网络构建的模型的步骤之前，还包括：
17、基于所述卷积神经网络构建初始识别模型；
18、获取用于演示的标准康复训练图像；
19、根据所述标准康复训练图像通过误差反向传播算法对所述初始识别模型进行训练，得到所述预设识别模型。
20、可选地，所述根据所述标准康复训练图像通过误差反向传播算法对所述初始识别模型进行训练，得到所述预设识别模型的步骤，包括：
21、基于所述隐私算法对所述标准康复训练图像中的各个标准真人图像进行人体关键点提取，得到每个标准真人图像的标准关键点，根据每个标准真人图像的标准关键点生成每个标准真人图像的目标火柴人图像；
22、并基于所述标准康复训练图像的第一标注数据对所述目标火柴人图像进行标注，得到目标训练图像数据；
23、根据所述目标训练图像数据通过误差反向传播算法对所述初始识别模型进行训练，得到所述预设识别模型。
24、可选地，所述将所述简化图像数据输入预设识别模型进行动作识别，确定所述简化图像数据显示的火柴人的动作数据，所述预设识别模型为基于卷积神经网络构建的模型的步骤，包括：
25、基于所述预设识别模型提取所述简化图像数据的第一特征数据；
26、基于所述预设识别模型提取所述目标训练图像的第二特征数据；
27、将所述第一特征数据和所述第二特征数据进行对齐处理，并计算所述第一特征数据与所述第二特征数据的相似度数据；
28、根据所述相似度数据确定所述简化图像数据显示的火柴人的动作数据，并将所述相似度和所述动作数据作为所述识别结果。
29、可选地，所述基于所述识别结果确定所述目标对象的康复数据的步骤，包括：
30、将所述识别结果输入预设预测模型进行康复数据预测，得到所述目标对象的康复数据，所述预设预测模型为经过所述标准康复训练图像及所述标准康复训练图像的第二标注数据训练的分类模型或者回归模型。
31、另一方面，本申请实施例提供了一种基于图像识别的康复训练装置，所述装置，包括：
32、数据采集模块，用于获取目标对象在进行康复训练时的训练图像数据，所述训练图像数据显示有所述目标对象的真人图像；
33、图像处理模块，用于基于隐私算法对所述训练图像数据进行将所述目标对象的真人图像替换为火柴人图像的处理，得到所述目标对象在进行康复训练时的简化图像数据；
34、识别模块，用于将将所述简化图像数据输入预设识别模型进行动作识别，确定所述简化图像数据显示的火柴人的动作数据，所述预设识别模型为基于卷积神经网络构建的模型；
35、预测模块，用于基于所述动作数据确定所述目标对象的康复数据。
36、另一方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如上本文档来自技高网...
【技术保护点】
1.一种基于图像识别的康复训练方法，其特征在于，包括：
2.如权利要求1所述的基于图像识别的康复训练方法，其特征在于，所述获取目标对象在进行康复训练时的训练图像数据，所述训练图像数据显示有所述目标对象的真人图像的步骤，包括：
3.如权利要求1所述的基于图像识别的康复训练方法，其特征在于，所述基于隐私算法对所述训练图像数据进行将所述目标对象的真人图像替换为火柴人图像的处理，得到所述目标对象在进行康复训练时的简化图像数据目标对象目标对象的步骤，包括：
4.如权利要求1所述的基于图像识别的康复训练方法，其特征在于，在所述将所述简化图像数据输入预设识别模型，得到识别结果，所述预设识别模型为基于卷积神经网络构建的模型的步骤之前，还包括：
5.如权利要求4所述的基于图像识别的康复训练方法，其特征在于，所述根据所述标准康复训练图像通过误差反向传播算法对所述初始识别模型进行训练，得到所述预设识别模型的步骤，包括：
6.如权利要求5所述的基于图像识别的康复训练方法，其特征在于，所述将所述简化图像数据输入预设识别模型进行动作识别，确定所述简
7.如权利要求4所述的基于图像识别的康复训练方法，其特征在于，所述基于所述识别结果确定所述目标对象的康复数据的步骤，包括：
8.一种基于图像识别的康复训练装置，其特征在于，所述装置，包括：
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一项所述的基于图像识别的康复训练方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7中任一项所述的基于图像识别的康复训练方法的步骤。
...【技术特征摘要】
1.一种基于图像识别的康复训练方法，其特征在于，包括：
2.如权利要求1所述的基于图像识别的康复训练方法，其特征在于，所述获取目标对象在进行康复训练时的训练图像数据，所述训练图像数据显示有所述目标对象的真人图像的步骤，包括：
3.如权利要求1所述的基于图像识别的康复训练方法，其特征在于，所述基于隐私算法对所述训练图像数据进行将所述目标对象的真人图像替换为火柴人图像的处理，得到所述目标对象在进行康复训练时的简化图像数据目标对象目标对象的步骤，包括：
4.如权利要求1所述的基于图像识别的康复训练方法，其特征在于，在所述将所述简化图像数据输入预设识别模型，得到识别结果，所述预设识别模型为基于卷积神经网络构建的模型的步骤之前，还包括：
5.如权利要求4所述的基于图像识别的康复训练方法，其特征在于，所述根据所述标准康复训练图像通过误差反向传播算法对所述初始识别模型进行训练，得到所述预设识别模型的步骤，包括：
6.如权利要求5所述...
【专利技术属性】
技术研发人员：湛畅，
申请(专利权)人：奥瞳人工智能深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。