融合机器视觉与惯性传感器的智能康复评估技术

摘要

为缓解患有运动功能障碍的患者不方便频繁前往医院进行康复评估的问题,本文提出一种基于“互联网+”的居家康复评估技术,为康复医师提供参考,节约康复医师和患者的时间,缓解医疗资源不足。针对脑卒中患者上肢康复量表的评估问题,仅使用惯性传感器或者机器视觉建立的长短期记忆人工神经网络分类模型在测试样本中准确率分别为55.6%、92.6%,本文在基于机器视觉方式获取人体的3D坐标的同时,通过惯性传感器获取肢体的方向并融合两者的数据,进一步采用长短期记忆人工神经网络分类模型对数据进行分析,在测试样本中取得了98.1%的分类准确率,取得了良好的实验效果。