公开(公告)号：CN116151520A

公开(公告)日：2023-05-23

申请号：CN202310240974.6

申请日：2023-03-13

Applicant: 南京理工大学

Inventor： 张茜茜 ,  周慧 ,  杨添宝 ,  张根宁 ,  邹路遥 ,  郭亚东

IPC: G06Q10/063 ,  G06N3/08 ,  G06N3/047 ,  G06F18/213 ,  G06F18/25 ,  G06N3/048 ,  G06N3/0442 ,  A63B71/06

Abstract: 本发明公开了一种太极拳自动打分方法及装置，将信息技术领域的传感器技术与太极拳比赛相结合，使用深度相机、表面肌电系统、压力传感器对运动员完成二十四式太极拳的多维度数据进行采集；通过对运动员数据的分析，建立基于深度学习的二十四式太极拳打分模型，并使用专家的打分策略对模型进行训练；针对基于单一传感器信息难以保证分析结果的可靠性和准确性，本发明综合分析深度相机、表面肌电传感器以及压力传感器测量的人体运动数据，对运动员完成的指定动作进行打分，充分利用多维数据的互补性和冗余性、设备的容错性能较高，并且装置的使用不易受到环境光线条件等因素的干扰、没有使用场景的限制。

公开(公告)号：CN117995351A

公开(公告)日：2024-05-07

申请号：CN202410079427.9

申请日：2024-01-19

Applicant: 南京理工大学

Inventor： 周慧 ,  张根宁 ,  滕洪璟 ,  王言博

IPC: G16H20/30 ,  A61B5/11 ,  A61B5/296 ,  A61B5/00 ,  G16H50/30 ,  G06F18/213 ,  G06F18/214 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种用于跑步姿势监测的下肢运动学参数测量方法与装置，采用表面肌电信号综合监测技术结合图卷积网络与长短期记忆网络的深度学习模型，能够准确地监测跑步运动员的下肢关节角度变化并对运动员的肌肉损伤风险进行分析；本发明搭建了一个整合了图卷积网络与长短时记忆网络的深度学习模型，通过训练，模型可以学习肌电信号和髋关节运动之间的复杂关系，从而能够预测髋关节在跑步时的运动轨迹。为有效分析跑步姿势不正确造成的肌肉损伤风险，本发明综合考虑了送髋的角度、触地时间以及表面肌电信号特征作为风险评估参数，可有效指导长跑者的跑步姿势，降低运动损伤风险。

公开(公告)号：CN114224325A

公开(公告)日：2022-03-25

申请号：CN202111178707.8

申请日：2021-10-11

Applicant: 南京理工大学

Inventor： 滕洪璟 ,  周思雨 ,  吴婷 ,  张根宁 ,  周慧

IPC: A61B5/11

Abstract: 本发明公开了一种利用惯性传感器计算关节力矩和角度的步态分析系统及方法，系统包括佩戴于被试者身上的惯性传感器和计算单元；所述惯性传感器用于测量加速度和陀螺仪数据，所述计算单元利用深度学习网络，计算得出关节角度、地反力和关节力矩。本发明通过佩戴于被试者身上的惯性传感器得到数据，利用深度神经网络等技术，可以实时计算地面反作用力、关节角度与关节力矩等步态信息，同时具有低成本、高精度、便携、高效等多方面优势，能方便分析被试者的步态特征、开展运动评估、指导运动训练，因此在医疗康复、生物力学、运动科学等领域具有较好的应用前景和经济效益。