基于人体骨骼特征的中医体质辨识模型研究

目的传统中医体质辨识主要依靠填写体质量表,存在一定的主观性,而后出现了基于舌象辨识体质的方法,为体质辨识客观化奠定了基石,但这些方法往往依赖于舌诊仪、面诊仪等专业设备。研究旨在提出一种仅依赖室内光学摄像头的基于人体骨骼特征的中医体质辨识模型,研讨将体质辨识的输入特征扩展至全身的可行性。方法采集受试者身高、体质量、性别、全身图像,并让受试者填写体质量表,以量表测试结果作为数据标注,利用深度学习算法提取人体骨骼特征,并利用神经网络建立身高、体质量、性别以及骨骼特征与受试者体质之间的联系,建立基于骨骼特征的中医体质辨识模型,并评估其表现。结果实验结果表明,基于人体骨骼特征的中医体质辨识模型在样本数据上取得了一定的准确性,在仅依靠室内光学摄像头的条件下,能够达到与基于舌象的体质辨识模型相近的水平。结论基于人体骨骼特征的中医体质辨识模型能够在仅依靠室内光学摄像头的条件下实现中医体质辨识,相较于传统的体质量表更加具有客观性,相较于基于舌象的方法更加便捷。未来可以对此类方法进行多模态融合,优势互补,进一步完善中医体质辨识客观化、智能化、多模态化。

基于人体骨骼点改进的局部椭圆拟合跌倒检测方法

老年人跌倒所造成的生理和心理问题是对健康的重大危害,也对独立生活造成极大障碍。为了解决传统的使用几何形状和前景检测对人体外轮廓特征进行跌倒检测的不稳定性、难以区别相似活动以及算法过于复杂等问题,本文提出了一个基于人体骨骼点改进的局部椭圆拟合跌倒检测方法。首先,使用OpenPose算法提取人体骨骼点位置坐标并筛选出用于拟合的骨骼点。然后通过骨骼点坐标计算拟合出椭圆轮廓,提取椭圆的长短轴之比、方向角和中心点垂直方向速度,融合成一个运动特征。最后,经过一个CNN对运动特征加以训练,用于跌倒行为检测判断。试验结果表明,本文方法相较于现有方法,有效克服了人体外几何轮廓的不稳定性,从而大大提高检测的准确率。