公开(公告)号：CN115311737A

公开(公告)日：2022-11-08

申请号：CN202210809560.6

申请日：2022-07-10

Applicant: 复旦大学

Inventor： 付淇 ,  陈炜 ,  孟龙 ,  秦海波 ,  张安静 ,  陈晨

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明属于健康检测技术领域，具体为一种基于深度学习的无察觉式脑卒中患者手部动作识别方法。本发明方法包括：患者手部动作的采集，手部动作设计为三大类17小类，使用非接触式Kinect传感器采集患者手部动作数据；对采集的数据进行预处理，用于模型训练和预测；采用三种深度学习模型TSN、I3D和Slowfast进行训练和预测，最后将三种模型预测结果进行融合，得到最终预测结果。本发明为脑卒中上肢精细动作活动识别提供了有效的解决方案，不再需要复杂繁琐的可穿戴式设备采集电信号，而是通过基于视觉的方式，更加便捷地识别脑卒中患者上肢活动，便于评估脑卒中患者恢复水平。