【技术实现步骤摘要】
本专利技术涉及信息，尤其涉及一种基于可穿戴设备的康复训练安全性评估方法。
技术介绍
1、在跌倒或者运动受伤等情况下，人们经常不只一个部位受伤，大多情况还存在一个肢体的不同部位或者多个肢体部位受伤的情况，而目前的康复训练大多是针对一个部位的训练，而未考虑部位之间可能存在肌肉之间的牵连。在康复训练过程中，有可能因为对一个部位的训练，而导致另外一个区域的损伤反而更加严重。当前的康复设备一般都能够检测到运动的数据，但是如何根据损伤情况，根据这些运动数据，推荐合理的运动量，避免训练时不同部位的相互牵连，是一个重要的难题，尤其是当两个受损部位在不同的肌肉神经，且具有一定关联性的时候，较难同时训练。一个部位的训练节奏是比较明确的，但是多个部位不同受伤程度的训练节奏比较难以控制。尤其是刚开始训练时和训练了半小时当一个部位的训练会导致另外部位不适，如何进行训练节奏调整，也是一个未解决的问题。因此如何进行具有矛盾部位的康复训练是当前一个非常重要的课题。
技术实现思路
1、本专利技术提供了一种基于可穿戴设备的康复训练安全性评估方法，主要包括：
2、可穿戴设备关联的用户信息系统构建与用户信息识别，所述可穿戴设备关联的用户信息系统构建与用户信息识别，具体包括：可穿戴设备的用户信息采集，系统自动识别用户身份；获取运动功能评价指标，判断各受伤部位的最佳康复运动效果，所述获取运动功能评价指标，判断各受伤部位的最佳康复运动效果，具体包括：运动及生理数据采集模块，评估分析模块，建立不同部位康复运动效果判别
3、进一步可选地，所述可穿戴设备关联的用户信息系统构建与用户信息识别包括：
4、构建可穿戴设备关联的用户信息系统，在获取用户许可后，获取用户人脸信息、身份证信息以及身体数据；所述身份证信息包括用户姓名、年龄、身份证号及照片，身体数据包括身高、体重、受伤部位及受损程度；所述受损程度按照0到3期划分，0期为未受损，1期为轻度病变，2期为中度病变，3期为重度病变，受损程度由医生临床诊断后得出；使用混沌加密对用户人脸信息、身份证信息和康复训练途中的身体数据进行隐私保护；所述可穿戴设备上设有用户端系统和外置摄像头，所述用户端系统包括可联网的用户端和用户信息系统，当用户初次使用设备时，首先通过可联网的用户端将用户人脸信息、身份证信息以及身体数据上传至用户信息系统；当用户再次使用设备时，首先可穿戴设备自动调用外置摄像头采集用户的人脸信息，然后与用户信息系统中的人脸信息进行比较；包括：可穿戴设备的用户信息采集；系统自动识别用户身份；
5、所述可穿戴设备的用户信息采集，具体包括：
6、用户将用户人脸信息、身份证信息以及身体数据录入可穿戴设备的用户信息系统。用户信息系统将用户信息系统中的人脸信息与系统中用户身份证信息中的照片进行相似度计算，设定第一阈值，当相似度超过第一阈值时则匹配成功，然后使用光学字符识别提取身份证的文本信息。向支付宝或微信申请用户身份信息授权后，调用支付宝接口或微信接口对用户的身份证信息进行核验，通过比较提取的身份证文本信息和第三方接口的身份证信息来确认用户身份的真实性；若核验成功，则用户进入系统主页，若核验不通过则系统应重新要求用户进行信息确认、更改和上传。
7、所述系统自动识别用户身份，具体包括：
8、用户使用前首先选择是否需要进行康复训练，当用户的选择为康复训练时，可穿戴设备关联的用户信息系统将通过外置摄像头获取用户人脸信息。用户信息系统根据所获人脸信息和系统已有的用户信息对用户进行人脸识别，判断用户的身份并获取用户的历史训练数据。系统将根据当前用户的信息识别用户身份、获取用户历史训练数据，并在康复训练过程中实时上传用户身体数据。
9、进一步可选地，所述获取运动功能评价指标，判断各受伤部位的最佳康复运动效果包括：
10、基于bp神经网络建立康复效果判别模型，包括运动及生理数据采集模块和评估分析模块；所述运动及生理数据采集模块通过可穿戴设备实时采集用户各受伤部位在康复训练中的运动信号和表面肌电信号，将所述运动信号和表面肌电信号输入评估分析模块；所述评估分析模块根据运动及生理数据采集模块传输的运动信号和表面肌电信号识别出用户在康复运动中的各受伤部位的运动功能评价指标；所述运动功能评价指标包括运动强度、运动幅度和运动量；获取用户在康复运动中的运动功能评价指标，并输入康复效果判别模型，自动识别各受伤部位的最佳康复运动效果；包括：运动及生理数据采集模块；评估分析模块；建立不同部位康复运动效果判别模型；判断受伤部位康复运动效果；
11、所述运动及生理数据采集模块，具体包括：
12、运动及生理数据采集模块包括可穿戴设备上的惯性传感器以及肌电传感器。所述惯性传感器采集运动信号，包括用户运动部位的加速度信号和角速度信号。数据采集完毕后，运动及生理数据采集模块将运动信号和表面肌电信号传输至评估分析模块。
13、所述评估分析模块，具体包括：
14、计算用户的运动功能评价指标。所述运动功能评价指标包括运动强度、运动幅度和运动量。所述运动强度通过表面肌电信号的幅值信息获取，评估分析模块提取表面肌电信号截至当前时刻的平均幅值作为运动强度指标。所述运动幅度通过用户运动部位的加速度和运动角度获取，评估分析模块根据各时刻的运动加速度和角速度分别求出截至当前时刻的加速度均方根值和该时刻的运动角度，并以加速度均方根值和运动角度作为运动幅度指标。所述运动量由评估分析模块提取表面肌电信号截至当前时刻的中值频率作为运动量指标。
15、所述建立不同部位康复运动效果判别模型，具体包括：
16、预先建立包含大量用户身体数据、运动功能评价指标和医生判定康复效果得分的映射关系的康复运动效果先验知识库。身体数据包括身高、体重、受伤部位及受损程度。所述受损程度按照0到3期划分，0期为未受损，1期为轻度病变，2期为中度病变，3期为重度病变，受损程度由医生临床诊断后得出。所述先验知识库通过康复运动实验获取，包括正常健康用户和待康复用户的数据。基于bp神经网络建立康复效果识别模型，将先验知识库按照8：2分为训练集和测试集。将训练集输入bp神经网络进行训练，然后将测试集输入初步训练好的bp神经网络中，输出损失函数值和测试集对应的预测值。不断重复迭代训练更新模型参数，降低损失函数，当损失函数值不再变化时模型训练完成。
17、所述判断受伤部位康复运动效果，本文档来自技高网...
【技术保护点】
1.一种基于可穿戴设备的康复训练安全性评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其中，所述可穿戴设备关联的用户信息系统构建与用户信息识别，包括：
3.根据权利要求1所述的方法，其中，所述获取运动功能评价指标，判断各受伤部位的最佳康复运动效果，包括：
4.根据权利要求1所述的方法，其中，所述获取受伤部位的运动信号和表面肌电信号，判断受伤部位之间的关联度，包括：
5.根据权利要求1所述的方法，其中，所述判断在部位互相牵连的过程中，最佳的训练幅度与时长，包括：
6.根据权利要求1所述的方法，其中，所述获取用户身体数据、运动功能评价指标，生成并控制训练内容与节奏，包括：
7.根据权利要求1所述的方法，其中，所述获取用户身体数据，初始化训练内容与音乐播放内容，包括：
8.根据权利要求1所述的方法，其中，所述根据运动功能评价指标和康复效果进行实时牵连检测，包括：
9.根据权利要求1所述的方法，其中，所述自动调节和生成康复训练的播放内容，包括训练内容与音乐播放内容，包括：<...
【技术特征摘要】
1.一种基于可穿戴设备的康复训练安全性评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其中，所述可穿戴设备关联的用户信息系统构建与用户信息识别，包括：
3.根据权利要求1所述的方法，其中，所述获取运动功能评价指标，判断各受伤部位的最佳康复运动效果，包括：
4.根据权利要求1所述的方法，其中，所述获取受伤部位的运动信号和表面肌电信号，判断受伤部位之间的关联度，包括：
5.根据权利要求1所述的方法，其中，所述判断在部位互相牵连的...
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。