(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210243496.X (22)申请日 2022.03.11 (71)申请人 上海太翼健康科技有限公司 地址 201306 上海市浦东 新区中国 （上海） 自由贸易试验区临港新片区环湖西二 路888号C楼 (72)发明人 孙卫国　张若愚　何晓锋　 (74)专利代理 机构 上海科律专利代理事务所 (特殊普通 合伙) 31290 专利代理师 袁亚军 (51)Int.Cl. A61B 5/11(2006.01) A61B 5/00(2006.01) G06V 40/20(2022.01) G06V 10/774(2022.01)G06V 10/44(2022.01) G06V 10/75(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (54)发明名称 一种病人卧床姿势的监控方法 (57)摘要 本发明公开了一种病人卧床姿势的监控方 法， 包括如下步骤： S1)通过深度相机采集人体姿 势行为的图像信息； S2)对采集到的图像信息进 行人体骨架信息提取， 得到人体动作骨架图信 息； S3)根据人体动作骨架图识别病人卧床姿势 。 所述步骤S3利用分类特征算法进行相关图像姿 势分类， 并对分类后的姿势 类型结果与国家标准 卧床姿势进行对比。 本发明提供的病人卧床姿势 的监控方法， 能够准确地识别病人姿势的正确与 否， 从而可以自动对术后或病重患者卧床休息时 的行为进行规范纠正。 权利要求书2页 说明书5页 附图2页 CN 114601454 A 2022.06.10 CN 114601454 A 1.一种病人卧床姿势的监控方法， 其特 征在于， 包括如下步骤： S1)通过深度相机采集人体姿势行为的图像信息； S2)对采集到的图像信息进行 人体骨架信息提取， 得到人体动作骨架图信息； S3)根据人体动作骨架图识别病人卧床姿势。 2.如权利要求1所述的病人卧床姿势的监控方法， 其特征在于， 所述步骤S1中的深度相 机与多个摄像头相连， 所述多个摄像头安置在病房天花板上方、 前方、 左边和右边， 分别获 取四个方向的深度信息 。 3.如权利要求1所述的病人卧床姿势的监控方法， 其特征在于， 所述步骤S2通过 Alphapose模型采用自下而上式检测人体骨骼关节点， 具体包括： 首先通过网络预测人体部位检测的置信度， 检测出人体关键骨骼点的位置； 在得到关 键骨骼点的位置后， 接着通过网络预测关联 的部位之间的亲和度； 最后通过贪婪算法解析 置信度和亲和度， 将关键点之间连接， 从而得到病人的人体动作骨架图。 4.如权利要求3所述的病人卧床姿势的监控方法， 其特征在于， 所述人体动作骨架图由 25个关节点与24条骨骼边组成， 每一 帧中的原始骨架数据始终作为向量序列提供， 每个矢 量表示相应人体关节的二 维或三维坐标； 所述步骤S2还包括以病床中心 位置为原 点O坐标， 计算人体骨架的三 位向量偏移量以及偏移角度。 5.如权利要求1所述的病人卧床姿势的监控方法， 其特征在于， 所述步骤S3利用分类特 征算法进行相关图像姿势分类， 并对分类后的姿势类型结果与国家标准卧床姿势进行对 比， 具体包括： S31)获取标准库中所储存的国家标准示例图像文件 并进行向量化处理， 生成患者姿势 标准数据集； S32)从患者姿势标准数据集中随机导入图片作为神经网络模型的目标数据集， 将目标 数据集70％作为训练集， 3 0％作为验证集； S33)利用图卷积神经网络对得到的人体动作骨架图进行特征提取， 给定身体关节的2D 或者3D形式的坐标序列， 构造了一个以关节为节点， 以人体结构和时间为边的自然连通的 时空图； 在输入数据上采用多层时空图卷积运算生成更高层次的特征图， 然后通过标准 SoftMax分类 器分类为相应的动作类别。 6.如权利要求5所述的病人卧床姿势的监控方法， 其特征在于， 所述步骤S31中处理后 的向量化标准labels文件 中每个对象为一行， 每一行包括类别、 x_center、 y_center、 宽度 和高度格式， (x_center， y_center)为归一 化后的病人的图像矩形框的中心点 坐标。 7.如权利要求5所述的病人卧床姿势的监控方法， 其特征在于， 人体骨架的特征包括从 关节和骨骼提取的空间相对特 征， 所述步骤S33包括： 计算关节角相对向量大小和误差大小， 假设规范文件的空间向量大小LM＝(xm， ym， zm), 其中M为各关节的定义名称， 取 标签为M∈{1， 2， 3. ...m}； 实时检测关节空间向量LN＝(xn， yn， zn)， 其中N为实时检测的各关节的定义名称， 取标签 为N∈{1， 2， 3. ...n}； 实时检测病人关节空间向量 误差p， 其中p的数权　利　要　求　书 1/2 页 2 CN 114601454 A 2值越大表明图像模型匹配率越低， 表 示病人的姿势距离标准姿势的程度越大； 如果p的取值 大于设置阈值， 则判定病人姿势差额过大， 实时反馈需要纠正姿势并进 行报警处理； 反之则 将数据自动存储至数据存储子模块， 作为神经网络模型 的训练数据调用， 以此构成一个闭 环检测存 储系统。 8.如权利要求5所述的病人卧床姿势的监控方法， 其特征在于， 人体骨架的特征包括运 动特征， 所述步骤S33包括： 将关节的运动信 息计算为沿时间维度的坐标差， 同时将骨骼的变形设为连续帧中同一 骨骼的向量之差； 则病人的关节平均运动趋势方向为 病人 运动趋势方向为AB向量的方向， 病人起始运动起点坐标为A＝(x1,y1,z1)， 最终关节坐标位 置为B＝(x2,y2,z2)。权　利　要　求　书 2/2 页 3 CN 114601454 A 3