基于骨骼身体关节的康复运动重复次数分割与计数
计算机视觉与模式识别
2023-04-20 v1 人工智能
摘要
体育锻炼是康复方案的重要组成部分，可改善生活质量并降低死亡率与再住院率。在人工智能驱动的虚拟康复方案中，患者于家中独立完成锻炼，同时 AI 算法分析运动数据以向患者提供反馈并向临床医生报告其进展。要分析运动数据，第一步是将其分割为连续的重复动作。已有大量研究基于原始视频数据对健康个体的重复活动进行分割与计数，这引发了隐私担忧且计算密集。既往关于患者康复运动分割的研究依赖于多个可穿戴传感器采集的数据，康复患者难以在家中使用。与健康个体相比，对患者进行运动重复次数的分割与计数更具挑战性，因为重复时长不规则且重复间存在差异。本文提出一种基于患者骨骼身体关节对其康复运动重复进行分割与计数的新方法。骨骼身体关节可通过深度相机或应用于患者 RGB 视频的计算机视觉技术获取。设计了多种序列神经网络来分析骨骼身体关节序列并执行重复分割与计数。在 KIMORE、UI-PRMD 和 IntelliRehabDS 三个公开康复运动数据集上的大量实验证明了所提方法相对于既往方法的优越性。该方法能够在保护隐私的同时实现准确的运动分析，从而促进虚拟康复方案的有效实施。
引用
@article{arxiv.2304.09735,
title = {Rehabilitation Exercise Repetition Segmentation and Counting using Skeletal Body Joints},
author = {Ali Abedi and Paritosh Bisht and Riddhi Chatterjee and Rachit Agrawal and Vyom Sharma and Dinesh Babu Jayagopi and Shehroz S. Khan},
journal= {arXiv preprint arXiv:2304.09735},
year = {2023}
}
备注
8 pages, 1 figure, 2 tables