一种基于大数据的肢体动作安全评估系统及方法

技术领域

本发明涉及大数据技术领域，具体为一种基于大数据的肢体动作安全评估系统及方法。

背景技术

仿真机器人是一种基于计算机技术、机械工程、电子工程和人工智能等领域的交叉学科技术，通过模拟人类的行为和思维过程，实现人机交互和自主决策的智能机器人；其技术原理主要基于计算机图形学、运动学、动力学和控制论等学科知识，通过构建机器人模型、建立数学模型、进行模拟仿真等技术手段实现；随着科技的不断发展，仿真机器人在许多领域得到了广泛应用，如医疗、教育、娱乐、服务等领域，在医疗领域，仿真机器人可以用于手术模拟训练、康复治疗训练等方面，提高医疗水平和治疗效果；

现有技术中，基于肢体动作的康复训练往往存在多种训练运动项目，每一种运动项目针对实现的肢体动作训练效果存在不同，同时为实现不同的肢体动作训练效果，肢体动作在每一种运动项目中的训练强度也是不同的，如果强制进行连续的训练，势必导致训练效果存在很大的安全风险。

发明内容

本发明的目的在于提供一种基于大数据的肢体动作安全评估系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于大数据的肢体动作安全评估系统，本系统包括：仿真机器人模块、动作行为感知模块、行为安全评估模块和运动训练推荐模块；

所述仿真机器人模块，基于仿真机器人设置不同的肢体动作监测点，并构成肢体动作监测片段；基于肢体动作监测片段，存储仿真机器人在不同的运动项目中进行训练时产生的运动数据；

所述动作行为感知模块，用于建立训练数据簇，记录肢体动作监测片段在不同运动项目中的表现行为；构建二维坐标系，将表现行为转化为移动频率频谱图；

所述行为安全评估模块，用于通过迭代分析的方式，分析肢体动作监测片段在同一个运动项目中的姿态变化特征性；并基于迭代分析结果，评估肢体动作监测片段在同一个运动项目中的姿态变化安全情况；

所述运动训练推荐模块，用于通过矩阵的形式，记录仿真机器人在同一个运动项目中的风险动作行为；构建仿真机器人的肢体动作安全评估模型，对运动项目进行评估推荐。

进一步的，所述仿真机器人模块还包括数据源库单元和动作特征记录单元；

所述数据源库单元，用于建立肢体动作数据源库，所述肢体动作数据源库基于仿真机器人设置不同的肢体动作监测点，所述肢体动作监测点沿着仿真机器人的肢体干线进行两两连接，构成肢体动作监测片段；

所述动作特征记录单元，根据运动训练项目，建立动作训练模型数据库，所述动作训练模型数据库中存储仿真机器人在不同的运动项目中进行训练时产生的运动数据，所述运动数据为肢体动作监测片段的移动频率，所述移动是指仿真机器人在运动项目中进行训练时的前一个姿态到下一个姿态之间发生姿态改变时感知到的肢体动作监测片段的前后姿态变化。

进一步的，所述动作行为感知模块还包括训练数据簇单元和动作频谱图单元；

所述训练数据簇单元，用于将任意第i个肢体动作监测片段记为L

所述动作频谱图单元，根据训练数据簇，构建二维坐标系，所述二维坐标系的横坐标自变量对应移动频率的个数序号r，所述二维坐标系的纵坐标应变量对应移动频率TF

进一步的，所述行为安全评估模块还包括姿态变化特征分析单元和姿态变化安全分析单元；

所述姿态变化特征分析单元，用于构建迭代感知模型，根据移动频率频谱图，计算肢体动作监测片段L

G(t→t+1)＝∫f

其中，G(t→t+1)表示肢体动作监测片段L

调整可调节平移参数r

所述姿态变化安全分析单元，根据姿态变化特征值的最大值G

其中，EFV[L

进一步的，所述运动训练推荐模块还包括特征载体单元和训练推荐分析单元；

所述特征载体单元，用于构建训练行为矩阵，所述训练行为矩阵的行号对应肢体动作监测片段的编码号，并按照训练期间的编号顺序，将姿态变化安全概率值EFV[L

预设概率值阈值，如果姿态变化安全概率值大于等于概率值阈值，则在所述训练行为矩阵中，将大于等于概率值阈值的姿态变化安全概率值对应的矩阵元素位置置0，否则，置1，得到仿真机器人在运动项目F

所述训练推荐分析单元，根据异常动作行为布尔矩阵，构建仿真机器人的肢体动作安全评估模型，对仿真机器人的肢体动作安全进行评估，计算运动项目F

其中，AV(F

预设关联值阈值，如果训练影响关联值大于等于关联值阈值，则仿真机器人训练完运动项目F

一种基于大数据的肢体动作安全评估方法，本方法包括以下步骤：

步骤S100：基于仿真机器人设置不同的肢体动作监测点，并构成肢体动作监测片段；基于肢体动作监测片段，存储仿真机器人在不同的运动项目中进行训练时产生的运动数据；

步骤S200：建立训练数据簇，记录肢体动作监测片段在不同运动项目中的表现行为；构建二维坐标系，将表现行为转化为移动频率频谱图；

步骤S300：通过迭代分析的方式，分析肢体动作监测片段在同一个运动项目中的姿态变化特征性；并基于迭代分析结果，评估肢体动作监测片段在同一个运动项目中的姿态变化安全情况；

步骤S400：通过矩阵的形式，记录仿真机器人在同一个运动项目中的风险动作行为；构建仿真机器人的肢体动作安全评估模型，对运动项目进行评估推荐。

进一步的，所述步骤S100的具体实施过程包括：

步骤S101：建立肢体动作数据源库，所述肢体动作数据源库基于仿真机器人设置不同的肢体动作监测点，所述肢体动作监测点沿着仿真机器人的肢体干线进行两两连接，构成肢体动作监测片段；

步骤S102：根据运动训练项目，建立动作训练模型数据库，所述动作训练模型数据库中存储仿真机器人在不同的运动项目中进行训练时产生的运动数据，所述运动数据为肢体动作监测片段的移动频率，所述移动是指仿真机器人在运动项目中进行训练时的前一个姿态到下一个姿态之间发生姿态改变时感知到的肢体动作监测片段的前后姿态变化。

进一步的，所述步骤S200的具体实施过程包括：

步骤S201：将任意第i个肢体动作监测片段记为L

步骤S202：根据训练数据簇，构建二维坐标系，所述二维坐标系的横坐标自变量对应移动频率的个数序号r，所述二维坐标系的纵坐标应变量对应移动频率TF

进一步的，所述步骤S300的具体实施过程包括：

步骤S301：构建迭代感知模型，根据移动频率频谱图，计算肢体动作监测片段L

G(t→t+1)＝∫f

其中，G(t→t+1)表示肢体动作监测片段L

调整可调节平移参数r

根据上述方法，数学原理中的不定积分能够很好的帮助找到一个函数的变化规律和趋势，同时，肢体在训练过程中的移动频率往往存在周期性的变化特征，如果被积函数是周期性函数，那么不定积分的结果也将是周期性函数；基于数字信号知识，可调节平移参数的作用即是为了快速找到两个周期性函数的变化特征相似情况，姿态变化特征值越大表示两个函数之间的相似度越大，即，两个函数在可调节平移参数处，曲线的对称波动特征规律越相似；

步骤S302：根据姿态变化特征值的最大值G

其中，EFV[L

根据上述方法，姿态变化安全概率值反馈的是，姿态变化特征值在一个训练周期到下一个训练周期的连续转移过程中的波动情况，如果姿态变化安全概率值越大，则表示肢体动作在同一个训练项目中的不同训练期间的姿态变化一致性概率越大。

进一步的，所述步骤S400的具体实施过程包括：

步骤S401：构建训练行为矩阵，所述训练行为矩阵的行号对应肢体动作监测片段的编码号，并按照训练期间的编号顺序，将姿态变化安全概率值EFV[L

预设概率值阈值，如果姿态变化安全概率值大于等于概率值阈值，则在所述训练行为矩阵中，将大于等于概率值阈值的姿态变化安全概率值对应的矩阵元素位置置0，否则，置1，得到仿真机器人在运动项目F

根据上述方法，当姿态变化一致性概率越大时，肢体动作的安全程度也越高，进而对于姿态变化不一致性概率越大的情况，在训练行为矩阵中置1，从而通过布尔矩阵来记录仿真机器人在同一个运动项目中的异常动作行为。

步骤S402：根据异常动作行为布尔矩阵，构建仿真机器人的肢体动作安全评估模型，对仿真机器人的肢体动作安全进行评估，计算运动项目F

其中，AV(F

预设关联值阈值，如果训练影响关联值大于等于关联值阈值，则仿真机器人训练完运动项目F

根据上述方法，通过大数据的分析，评估出在同一个训练期间，哪些运动项目能够交叉训练，异常动作行为的特征性越相关，则两个运动项目对仿真机器人的训练影响关联值越大，进而不能进行交叉训练。

与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于大数据的肢体动作安全评估系统及方法中，基于仿真机器人设置不同的肢体动作监测点，构成肢体动作监测片段，并存储仿真机器人在不同的运动项目中进行训练时产生的运动数据；记录肢体动作监测片段在不同运动项目中的表现行为，将表现行为转化为移动频率频谱图；分析肢体动作监测片段在同一个运动项目中的姿态变化特征性，评估肢体动作监测片段在同一个运动项目中的姿态变化安全情况；记录仿真机器人在同一个运动项目中的风险动作行为，构建仿真机器人的肢体动作安全评估模型，对运动项目进行评估推荐；进而，结合大数据分析，在实现不同的肢体动作训练效果同时，能够对肢体动作的交叉训练进行安全评估。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并且不构成对本发明的限制。在附图中：

图1是本发明一种基于大数据的肢体动作安全评估系统的结构示意图；

图2是本发明一种基于大数据的肢体动作安全评估方法的步骤示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-图2，本发明提供技术方案：

请参阅图1，在本实施例一中：提供一种基于大数据的肢体动作安全评估系统，该系统包括：仿真机器人模块、动作行为感知模块、行为安全评估模块和运动训练推荐模块；

仿真机器人模块，基于仿真机器人设置不同的肢体动作监测点，并构成肢体动作监测片段；基于肢体动作监测片段，存储仿真机器人在不同的运动项目中进行训练时产生的运动数据；

其中，仿真机器人模块还包括数据源库单元和动作特征记录单元；

数据源库单元，用于建立肢体动作数据源库，肢体动作数据源库基于仿真机器人设置不同的肢体动作监测点，肢体动作监测点沿着仿真机器人的肢体干线进行两两连接，构成肢体动作监测片段；

动作特征记录单元，根据运动训练项目，建立动作训练模型数据库，动作训练模型数据库中存储仿真机器人在不同的运动项目中进行训练时产生的运动数据，运动数据为肢体动作监测片段的移动频率，移动是指仿真机器人在运动项目中进行训练时的前一个姿态到下一个姿态之间发生姿态改变时感知到的肢体动作监测片段的前后姿态变化；

动作行为感知模块，用于建立训练数据簇，记录肢体动作监测片段在不同运动项目中的表现行为；构建二维坐标系，将表现行为转化为移动频率频谱图；

其中，动作行为感知模块还包括训练数据簇单元和动作频谱图单元；

训练数据簇单元，用于将任意第i个肢体动作监测片段记为L

动作频谱图单元，根据训练数据簇，构建二维坐标系，二维坐标系的横坐标自变量对应移动频率的个数序号r，二维坐标系的纵坐标应变量对应移动频率TF

行为安全评估模块，用于通过迭代分析的方式，分析肢体动作监测片段在同一个运动项目中的姿态变化特征性；并基于迭代分析结果，评估肢体动作监测片段在同一个运动项目中的姿态变化安全情况；

其中，行为安全评估模块还包括姿态变化特征分析单元和姿态变化安全分析单元；

姿态变化特征分析单元，用于构建迭代感知模型，根据移动频率频谱图，计算肢体动作监测片段L

G(t→t+1)＝∫f

其中，G(t→t+1)表示肢体动作监测片段L

调整可调节平移参数r

姿态变化安全分析单元，根据姿态变化特征值的最大值G

其中，EFV[L

运动训练推荐模块，用于通过矩阵的形式，记录仿真机器人在同一个运动项目中的风险动作行为；构建仿真机器人的肢体动作安全评估模型，对运动项目进行评估推荐；

其中，运动训练推荐模块还包括特征载体单元和训练推荐分析单元；

特征载体单元，用于构建训练行为矩阵，训练行为矩阵的行号对应肢体动作监测片段的编码号，并按照训练期间的编号顺序，将姿态变化安全概率值EFV[L

预设概率值阈值，如果姿态变化安全概率值大于等于概率值阈值，则在训练行为矩阵中，将大于等于概率值阈值的姿态变化安全概率值对应的矩阵元素位置置0，否则，置1，得到仿真机器人在运动项目F

训练推荐分析单元，根据异常动作行为布尔矩阵，构建仿真机器人的肢体动作安全评估模型，对仿真机器人的肢体动作安全进行评估，计算运动项目F

其中，AV(F

预设关联值阈值，如果训练影响关联值大于等于关联值阈值，则仿真机器人训练完运动项目F

请参阅图2，在本实施例二中：提供一种基于大数据的肢体动作安全评估方法，该方法包括以下步骤：

步骤S100：基于仿真机器人设置不同的肢体动作监测点，并构成肢体动作监测片段；基于肢体动作监测片段，存储仿真机器人在不同的运动项目中进行训练时产生的运动数据；

具体的，建立肢体动作数据源库，肢体动作数据源库基于仿真机器人设置不同的肢体动作监测点，肢体动作监测点沿着仿真机器人的肢体干线进行两两连接，构成肢体动作监测片段；

根据运动训练项目，建立动作训练模型数据库，动作训练模型数据库中存储仿真机器人在不同的运动项目中进行训练时产生的运动数据，运动数据为肢体动作监测片段的移动频率，移动是指仿真机器人在运动项目中进行训练时的前一个姿态到下一个姿态之间发生姿态改变时感知到的肢体动作监测片段的前后姿态变化；

例如，在仿真机器人的头部、肩膀、手指、腰部、膝盖部和脚趾部各设置监测点，则沿着仿真机器人的肢体干线，将头部和肩膀的监测点连接，得到头部到肩膀之间的肢体动作监测片段，将肩膀和手指的监测点连接，得到手臂的肢体动作监测片段。

步骤S200：建立训练数据簇，记录肢体动作监测片段在不同运动项目中的表现行为；构建二维坐标系，将表现行为转化为移动频率频谱图；

具体的，将任意第i个肢体动作监测片段记为L

根据训练数据簇，构建二维坐标系，二维坐标系的横坐标自变量对应移动频率的个数序号r，二维坐标系的纵坐标应变量对应移动频率TF

步骤S300：通过迭代分析的方式，分析肢体动作监测片段在同一个运动项目中的姿态变化特征性；并基于迭代分析结果，评估肢体动作监测片段在同一个运动项目中的姿态变化安全情况；

具体的，构建迭代感知模型，根据移动频率频谱图，计算肢体动作监测片段L

G(t→t+1)＝∫f

其中，G(t→t+1)表示肢体动作监测片段L

调整可调节平移参数r

根据姿态变化特征值的最大值G

其中，EFV[L

步骤S400：通过矩阵的形式，记录仿真机器人在同一个运动项目中的风险动作行为；构建仿真机器人的肢体动作安全评估模型，对运动项目进行评估推荐；

具体的，构建训练行为矩阵，训练行为矩阵的行号对应肢体动作监测片段的编码号，并按照训练期间的编号顺序，将姿态变化安全概率值EFV[L

预设概率值阈值，如果姿态变化安全概率值大于等于概率值阈值，则在训练行为矩阵中，将大于等于概率值阈值的姿态变化安全概率值对应的矩阵元素位置置0，否则，置1，得到仿真机器人在运动项目F

根据异常动作行为布尔矩阵，构建仿真机器人的肢体动作安全评估模型，对仿真机器人的肢体动作安全进行评估，计算运动项目F

其中，AV(F

预设关联值阈值，如果训练影响关联值大于等于关联值阈值，则仿真机器人训练完运动项目F

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并且不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。