-
公开(公告)号：CN110110633B
公开(公告)日：2022-05-13
申请号：CN201910347222.3
申请日：2019-04-28
Applicant: 华东交通大学
IPC: G06V40/20 , G06V10/764 , G06K9/62
Abstract: 一种基于机器学习的偏瘫步态自动识别和分析的方法，包括步态特征提取、步态特征识别、特征重要性排序、贝叶斯结果分类。具体步骤如下：（1）基于Kinect传感器捕获受试者骨骼节点的三维坐标位置；（2）通过欧氏距离算法与节段质心算法算出人体质心位置移动范围与步幅、步速等时空特征；（3）建立出由输入空间步态特征集与输出空间对应的标记的映射关系；（4）利用以信息增益为依据的模糊二元对比决策方法进行特征组合重要性排序；（5）模型性能分析。本发明方法可明显降低医生对患者病情程度的主观判断的出错率，并为临床康复医生提供辅助数据与评估结果。
-
公开(公告)号：CN110119697A
公开(公告)日：2019-08-13
申请号：CN201910347151.7
申请日：2019-04-28
Applicant: 华东交通大学
Abstract: 一种基于Kinect装置的步态特征提取系统，包括Kinect传感器、信息接收装置、数据处理模块、中央控制中心和终端设备；所述数据处理模块包括第一数据处理模块和第二数据处理模块。所述Kinect传感器的信号输出端连接信息接收装置的输入端；信息接收装置的输出端连接数据处理模块；数据处理模块的输出端连接终端设备；中央控制中心分别连接信息接收装置和数据处理模块。通过中央控制中心与Kinect装置的相互联合，对受试者三维坐标的收集、储存和处理,并实时的将受试者的步态特征信息显示到终端设备上，能为临床医生对偏瘫步态障碍进行诊断和评估提供依据。
-
公开(公告)号：CN110110633A
公开(公告)日：2019-08-09
申请号：CN201910347222.3
申请日：2019-04-28
Applicant: 华东交通大学
Abstract: 一种基于机器学习的偏瘫步态自动识别和分析的方法，包括步态特征提取、步态特征识别、特征重要性排序、贝叶斯结果分类。具体步骤如下：（1）基于Kinect传感器捕获受试者骨骼节点的三维坐标位置；（2）通过欧氏距离算法与节段质心算法算出人体质心位置移动范围与步幅、步速等时空特征；（3）建立出由输入空间步态特征集与输出空间对应的标记的映射关系；（4）利用以信息增益为依据的模糊二元对比决策方法进行特征组合重要性排序；（5）模型性能分析。本发明方法可明显降低医生对患者病情程度的主观判断的出错率，并为临床康复医生提供辅助数据与评估结果。
-
-
Search Results
3
records
(took 0.016 seconds)
