[发明专利]一种基于多示例学习的颈椎健康评分装置及其应用

说明书

本发明涉及一种基于多示例学习的颈椎健康评分装置及其应用。本发明所述基于多示例学习的颈椎健康评分装置，从计算机视觉角度出发，从视频信息中提取颈椎健康特征；使用简易的深度摄像机设备和机器学习模型自动学习颈椎健康评分，既节省了设备成本和标注成本，又可以在不干扰用户的情况下对用户的颈椎健康进行准确的评分。

技术领域

本发明涉及一种基于多示例学习的颈椎健康评分装置及其应用，属于颈椎健康评分的技术领域。

背景技术

颈椎健康是人们一直密切关注的问题，坐姿健康评估、头部姿态估计以及多示例学习模型等领域，都会涉及颈椎健康的评估。

坐姿健康评估的方法中，文献“Villanueva M B G,Jonai H,Sotoyama M,etal.Sitting posture and neck and shoulder muscle activities at differentscreen height settings of the visual display terminal[J].Industrial health,1997,35(3):330-336.”记载了通过记录肌肉的活动评估坐姿健康；文献“Kamiya K,KudoM,Nonaka H,et al.Sitting posture analysis by pressure sensors[C]//PatternRecognition,2008.ICPR 2008.19th International Conference on.IEEE,2008:1-4.”记载了借助压力传感器判断坐姿状态；文献“Xu W,Huang M C,Amini N,et al.ecushion:Atextile pressure sensor array design and calibration for sitting postureanalysis[J].IEEE Sensors Journal,2013,13(10):3926-3934.”公开了使用纺织压力传感器获得数据，并以此为依据评估坐姿健康。上述方法可以直接或间接对坐姿健康进行评估，并借助特殊设备，通过物理手段辅助检测，在用户坐姿非健康状态时提出相应警告，达到颈椎病预防和辅助康复的目的。但这些特殊设备往往会对使用者的正常办公造成不便，成本较高且不易于应用。另外，这些方法只能对病态坐姿提出提示,而不能反映病态程度，在康复指导方面有其局限性。

在头部姿态估计领域，头部姿态估计是推断头部相对相机的位置和朝向的关键，在许多高层次的人脸分析任务中起着至关重要的作用，例如，文献“Li C,Zhong F,QinX.Accurate 3D head pose estimation with noisy RGBD images[C]//Proceedings ofthe 33rd Computer Graphics International.ACM,2016:37-40”记载了相应的内容。在颈椎健康评估中，对人体姿态特征进行捕捉，可以得到用户的整体身体状态，而头部姿态对用户的颈椎健康具有判别作用。一般来说，仅依靠彩色图像的头部姿态估计方法对光照变化、部分遮挡和特征点缺失非常敏感，而仅基于深度的方法缺乏纹理和颜色信息，容易受深度噪声的影响。

现有技术中的头部姿态估计算法日趋成熟可以对头部的6自由度参数进行实时估计。头部的6自由度姿态参数包括三个位置参数和三个旋转参数，其物理意义分别表示头部相对相机的位置和头部相对相机的朝向，因此可以用头部姿态参数反映颈椎健康情况；例如，“Li C,Zhong F,Qin X.Accurate 3D head pose estimation with noisy RGBDimages[C]//Proceedings of the 33rd Computer Graphics International.ACM,2016:37-40”公开了具体的头部姿态估计算法。

多示例学习是一种弱监督学习方法，数据以包的形式给出，包的标签为正或负，每个包中包含若干个示例及相应特征，示例的标签则不予标注。如果一个包中包含的所有示例的标签为负，则该包的标签为负；如果一个包中包含的示例中至少有一个标签为正，则该包的标签为正。