[发明专利]一种基于三维卷积神经网络的人体平衡能力分类方法

说明书

本发明公开了一种基于三维卷积神经网络的人体平衡能力分类方法，具体按照以下步骤实施：步骤1、在搭建好的模拟现实的虚拟场景中拍摄正常人和非正常人的人体行走姿态视频；步骤2、将步骤1采集到的正常人和非正常人的行走姿态视频分别提取成图像，再分别对正常人和非正常人图像在三维卷积神经网络中训练，计算特征向量；步骤3、将步骤2得到的特征向量输入到Softmax函数中，利用Softmax函数的出的数值对平衡能力分类，解决了现有技术中存在的提取的特征单一，导致分类准确率不高的问题。

技术领域

本发明属于深度学习技术领域，涉及一种基于三维卷积神经网络的人体平衡能力分类方法。

背景技术

平衡能力不仅会带来身体创伤，还会带来心理创伤。跌倒会造成人们表现出消极、害怕、抑郁以及对新事物的抗拒和畏惧的行为，这些行为表现不仅会限制自己的活动，还会丧失自信心，对人的身体健康和心理健康极其不利。拥有良好的平衡能力，有利于提高运动器官的功能和前庭器官的机能，改善中枢神经系统对肌肉组织与内脏器官的调节功能，从而保证身体活动的顺利进行，提高适应复杂环境的能力和自我保护的能力。

传统的主观人体平衡能力观察方法主要有强化Romberg氏检测法、闭目直立检查法和单腿直立检测法(OLST)。传统的主观观察法虽然操作较为简单，但是过于粗略和主观，缺乏客观性和统一的标准，不能清楚直观的判断平衡障碍的程度，只能用于临床上对疑似平衡能力障碍患者的初步测试。其他的方法如量表测评法，包括Berg平衡量表、Tinetti步态和平衡量表、活动平衡信心量表、Brunel平衡量表等，需要通过复杂的设备。目前，基于虚拟现实的VR系统得到了很大的利用，其涉及计算机图形学、人机交互技术、传感技术、人工智能等技术，有望产生巨大的经济效益和社会效益。利用计算机，生成逼真的三维视、听、嗅觉等感觉，使参与者自然地对虚拟世界进行体验和交互作用，通过精确的3D世界影像产生身临其境的感觉。通过VR系统模拟出的不同虚拟场景，使参与者根据相应的场景做出反应与交互，同时计算机根据所做出的反应得到的数据，通过科学的依据与数据测量计算方法，就可以快速判定出人体平衡能力的好坏。具有更高的准确性和可靠性，以及更高的效率。现有基于VR拍摄视频进行平衡能力分类的方法中，提取的特征单一，导致分类准确率不高。

发明内容

本发明的目的是提供一种基于三维卷积神经网络的人体平衡能力分类方法，解决了现有技术中存在的提取的特征单一，导致分类准确率不高的问题。

本发明所采用的技术方案是，一种基于三维卷积神经网络的人体平衡能力分类方法，具体按照以下步骤实施：

步骤1、在搭建好的模拟现实的虚拟场景中拍摄正常人和非正常人的人体行走姿态视频；

步骤2、将步骤1采集到的正常人和非正常人的行走姿态视频分别提取成图像，再分别对正常人和非正常人图像在三维卷积神经网络中训练，计算特征向量；

步骤3、将步骤2得到的特征向量输入到Softmax函数中，利用Softmax函数的出的数值对平衡能力分类。

本发明的特点还在于：

所述步骤2具体按照以下步骤实施：

步骤2.1、使用cvLoadImage函数读取采集到的正常人和非正常人的姿态视频，设定读入视频的开始时间和结束时间；

步骤2.2、通过OpenCV中的CvCapture函数将提取的正常人和非正常人的视频分别拆帧，分别提取出两组视频中的空白场景进行图片保存后，然将拍摄的人体姿态视频每两秒取一帧保存为图像；

步骤2.3、输入保存的图像在三维卷积神经网络中进行模型训练，计算特征向量；

步骤2.3中的计算特征向量具体按照以下步骤实施：

步骤2.3.1、先计算三维卷积神经网络的第i层第j个特征图的(x，y，z)，具体按以下公式计算：