基于深度学习和机器视觉的关节活动度测量系统

本发明公开了基于深度学习和机器视觉的关节活动度测量系统，涉及康复医学技术领域，系统包括：深度相机模块：用于捕捉人体动作的RGB和深度图像；图像处理模块：对捕捉到的图像进行预处理，包括降噪、缩放；姿态估计模块：采用OpenPose深度学习网络模型，对预处理后的图像进行人体姿态估计，识别人体关节点的空间坐标；通过使用OpenPose深度学习网络模型和RGBD深度相机，能够精确地追踪和定位人体关节点；与传统的量角器法和视觉估计法相比，本系统能够减少由于操作者主观判断带来的误差，提供更为精确的关节活动度测量结果；此外，系统能够通过学习大量的关节活动样本，不断优化算法，进一步提升测量的准确性和可靠性。