[发明专利]基于Leap Motion手势识别的虚拟康复游戏的自调整方法及装置

权利要求书

1.一种基于Leap Motion手势识别的虚拟康复游戏的自调整方法，其特征在于，包括：

1）建立数据库：

利用Leap Motion采集患者健侧手部图像数据，建立患者健侧手部在玩不同等级游戏时对应的健侧手势数据库；

建立游戏难度等级级别数据库，将游戏按照难度等级分别进行划分并记录；

根据同一游戏的所有难度级别数据逐一设定触发游戏难度变化的条件：所述条件包括，完成同一游戏难度时的健侧手势数据和患侧手势数据动作差距范围阈值；

2）患侧手部参与康复：

患者开始游戏，利用Leap Motion实时采集患者的患侧手部图像数据，形成患侧手势数据，并将所述患侧手势数据和健侧手势数据库中的健侧手势数据在游戏时域进行动作幅度对比：

形成健侧手势和患侧手势完成同一游戏难度时的动作差距范围；

当所述健侧手势和患侧手势完成同一游戏难度时的动作差距范围超出预设的动作差距范围阈值时，则触发游戏难度变小的条件；

当所述健侧手势和患侧手势完成同一游戏难度时的动作差距范围小于预设的动作差距范围阈值时，则触发游戏难度变大的条件；

3）自动调整游戏难度：

根据步骤2）所触发游戏难度变小或变大的条件，根据游戏难度等级级别数据自动对游戏进行难度调整；

在所述步骤1）中的设定触发游戏难度变化的条件时，还包括设定所述动作差距范围的持续次数阈值；

利用基于K最近邻分类算法、SVM算法或神经网络算法中的一种算法对所述步骤1）、2）中对患者健侧手部图像数据、患者患侧手部图像数据提取关键特征，形成健侧手势数据库和患侧手势数据库；

利用基于Leap Motion手势识别算法进行图像采集时，预先设定针对不同手势的特征模型；利用不同手势的特征模型对比健侧手势数据和患侧手势数据；对所述健侧手势数据和患侧手势数据进行建模，通过所述特征模型还原虚拟现实的手部状态；

所述方法还包括以下显示信息：患者的游戏得分、和/或参数游戏时间、展现患者健侧手势和患侧手势完成同一游戏难度时的动作差距量化的手部运动能量条：所述能量条满格代表健侧手势完成同一游戏难度时的动作幅度，能量条未满格代表患侧手势的动作幅度占健侧手势的动作幅度的比例；

所述方法还包括一种游戏难度调整方法：

设定完成任一次任务健侧的综合表现参数为，健侧多次完成任务后求得的平均综合表现参数为，根据游戏难度确定百分比乘以健侧平均综合表现参数为游戏难度参数调整阈值p；

健侧完成游戏任务后，患侧可分阶段多次完成相同难度的游戏任务，完成任一次任务患侧的综合表现参数为，患侧多次完成任务后求得的平均综合表现参数为q；游戏难度等级的更新幅度也可根据调整阈值p和患侧平均综合表现参数q来确定；记录健侧平均综合表现参数、患侧平均综合表现参数q为患者当前游戏难度的健、患侧表现记录，游戏难度参数改变量通过p与q的差值判断：

；

其中，K为游戏难度变化系数，用以表征患者健、患侧综合表现差值与难度改变量的关系，S为原来的难度参数；

为了满足条件,令K取，为多次任务中健侧最佳综合表现参数，为患侧多次任务中最差综合表现参数；

求出之后，如果为正，则说明患者表现低于调整阈值，需要降低游戏难度，如果为负，说明患者表现优于调整阈值，则需要提高游戏难度，新的难度参数。

2.根据权利要求1所述的一种基于Leap Motion手势识别的虚拟康复游戏的自调整方法，其特征在于，在所述步骤1）中还包括：建立包含多种游戏的游戏数据库，在进行步骤2）之前，患者根据偏好选择游戏种类。

3.根据权利要求2所述的一种基于Leap Motion手势识别的虚拟康复游戏的自调整方法，其特征在于，在步骤2）之前，所述患者可以更新健侧手部在玩不同等级游戏时对应的健侧手势数据库。