[发明专利]一种手部生理信息检测方法

说明书

本发明涉及一种手部生理信息检测方法，具体步骤如下，手部完整度检测；手腕灵活度检测；手指灵活度检测。本发明提供一种基于骨骼关键点动态识别技术的手部生理信息的处理方法，对运动中的手部进行实时扫描，并通过独有算法和模型进行计算机分析，进而能够快速准确的将手部的信息进行分析和处理，对手部骨骼关键点、手部腕部及上肢功能是否健全以及手部完整度、双手协调性等相关信息进行数据分析，并给出准确的完整度、灵活度检测结果。

技术领域

本发明涉及一种基于骨骼关键点动态识别技术的手部生理信息检测处理方法，属于视频图像处理技术领域

背景技术

《机动车驾驶证申领和使用规定(2016版)》中对驾照申领人的手部要求如下：双手拇指健全，每只手其他手指必须有三指健全，肢体和手指运动功能正常。手指末节残缺或者左手有三指健全，且双手手掌完整的，可以申请小型汽车、小型自动挡汽车、低速载货汽车、三轮汽车准驾车型的机动车驾驶证；右下肢、双下肢缺失或者丧失运动功能但能够自主坐立，且上肢符合规定的，可以申请残疾人专用小型自动挡载客汽车准驾车型的机动车驾驶证。一只手掌缺失，另一只手拇指健全，其他手指有两指健全，上肢和手指运动功能正常，且下肢符合规定的，可以申请残疾人专用小型自动挡载客汽车准驾车型的机动车驾驶证。

鉴于以上规定中情况的复杂性，现阶段公安交管部门体检涉及手部完整度、灵活度检测及判定仍主要依靠人力完成。在机器检测中，目前通用的检测技术是利用手部照片图像抠图技术来判定手部完整度，当手部出现佩戴手套、饰物遮挡、大面积颜色干扰、佩戴假肢等情况时，测量数据就会出现不准确现象，且无法直接判定手部灵活度，需要人力进行辅助检测，增加了检测的时间、人力、物力投入。

发明内容

本发明提供一种基于骨骼关键点动态识别技术的手部生理信息的处理方法。

本发明的目的是实现一种手部生理信息检测方法，具体步骤如下，

(1)手部完整度检测；通过对运动中的手部进行实时数据采集，基于OpenPose手部识别算法识别定位手部21个骨骼关键点，通过关键点位置计算出检测骨节比例及手指长度比例，通过训练的出的手部标准生理结构模型，迅速给出精准的手指完整度判定。手指长度通过后，进行肤色验证，判定手掌面是否残缺。

(2)手腕灵活度检测；首先通过骨骼关键点定位检测人肩膀、上肢以及手部关骨骼键点位置，在检测人进行手部翻转操作时，以手部位移最小的关键点为轴，实时捕捉其他骨骼关键点位置及运动轨迹，提取所述完整动作片段的特征值，完成手腕灵活度检测。

(3)手指灵活度检测。提取完整动作片段的特征值，如关键点位置关系、角度关系以及手掌掌面比例等，进行手势识别的神经网络训练，形成手指关节及手掌抓握完成度、手指关节弯曲幅度、手指横向张合度、手指纵向拉伸度、手部肌肉是否抽搐、手部协调度等在内的手部动作模型的。在进行灵活度检测时，从手势集合中随机选取三种手势，让体检人依次做出指定的手势动作，在每个动作的时间序列内，对每帧图像取出关键点，再通过训练好模型进行手势识别，识别的正确率大于90％时，即可认为手指运动灵活无障碍，本检测可有效排除假肢佩戴、手部病变损伤等情况。

进一步的，在(1)手部完整度检测中，包括下列步骤，

(101)通过大量实际正常手部检测，提取完整手部正常的特征值通过神经网络训练，形成手指长度特征模型库；

(102)在对被测者的手部完整度检测中，先将置信分数低于M的关键点排除，然后根据选择出的关键点，计算每根手指的长度以及每根手指中各个骨节的长度。

(103)进行肤色验证。

作为进一步限定，在(103)进行肤色验证的步骤中，包含下列步骤，

(1031)从原始图像中，将手部区域抠出，

(1032)进行平滑模糊；