摘要
本发明公开了一种基于关键点识别模型和图神经网络的康复训练系统,属于深度学习神经网络领域。本系统融合了YOLOv8‑Pose姿态识别模型、STGCN时空图卷积及双层全卷积孪生网络。YOLOv8‑Pose姿态识别模型用于精确地检测人体姿态,为人体姿态的动作分析提供基础数据。基于时空注意力改进后的STGCN时空图卷积及双层全卷积孪生网络根据人体姿态这些特征进行动作识别,并评估康复动作的正确性,从而实现对患者康复进度的准确监测和评估。
技术关键词
康复训练系统
关键点识别
姿态识别模型
卷积孪生网络
全卷积网络
坐标点
动作特征
图片
骨架识别
精确地检测
康复动作
深度学习神经网络
时空序列数据
时间序列信息
归一化算法
视频
人体
系统为您推荐了相关专利信息
路面病害区域
路面病害识别方法
滑动窗口算法
融合特征
多层次特征提取
水下图像增强方法
全卷积网络
照度
光照
组合算法
智能识别系统
识别模块
电能表接线端子
字符识别
图像采集模块
关节点
三维点云数据
姿态识别模型
点云特征
点云强度