买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国人民解放军海军青岛特勤疗养中心申请的专利一种骨关节康复训练优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119339880B 。

龙图腾网通过国家知识产权局官网在2025-06-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411907882.X，技术领域涉及：G16H20/30；该发明授权一种骨关节康复训练优化方法是由曲新军;乔淑姣;刘彬彬;陈鑫影设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种骨关节康复训练优化方法在说明书摘要公布了：本发明属于康复训练领域，具体是指一种骨关节康复训练优化方法，方法包括信息提取、模型生成和记忆更替。本方案采用骨骼模型生成方法，采用多个深度相机从不同角度获取患者肢体数据，生成并不断更新3D人体骨骼模型，实现人体姿态的连续跟踪，提升3D人体骨骼模型的稳定性和灵活性；采用记忆更替方法，实现长短期记忆网络在患者进行骨关节康复训练时，连续性地学习视频数据，在不忘记过去知识的前提下，动态调整长短期记忆网络结构，构建新的节点通路并移除不重要的节点，以学习新的关节运动知识，提升长短期记忆网络的连续学习能力。

本发明授权一种骨关节康复训练优化方法在权利要求书中公布了：1.一种骨关节康复训练优化方法，其特征在于：该方法包括以下步骤：步骤S1：信息提取，使用M个深度相机从不同角度获取患者肢体的深度信息；步骤S2：模型生成，使用骨骼模型生成方法，生成并更新3D人体骨骼模型；步骤S3：记忆更替，采用记忆更替方法优化长短期记忆网络，使用所述长短期记忆网络推断身体部位的活动与医学康复训练标准人体姿势的相似程度，检测患者对关节康复训练医嘱的执行；在步骤S2中，所述骨骼模型生成方法，具体包括以下步骤：步骤S21：使用预训练的CNN网络对所述深度信息进行处理，生成2D关节位置，根据相机参数，将2D关节位置数据转换为3D坐标，得到3D人体骨骼模型；步骤S22：使用所有3D人体骨骼模型，计算关节位置，获得关节位置向量，将3D人体骨骼模型中的关节按照解剖学结构功能进行分类，形成关节组；步骤S23：人体姿态连续跟踪；在步骤S23中，所述人体姿态连续跟踪，具体包括以下步骤：步骤S231：计算关节的投影角度，所用公式如下： ；式中，表示关节的投影角度，表示所述关节位置向量，表示第个深度相机的关节位置向量，表示关节到深度相机的单位方向向量，表示关节到深度相机的方向向量；步骤S232：计算关节的遮挡程度，具体为，预先设置基准阈值，如果所述投影角度小于基准阈值，则认为该关节没有被遮挡，设置遮挡程度为1，记为，如果所述投影角度大于等于基准阈值，则认为关节存在遮挡，则遮挡程度计算公式如下： ；式中，表示第个3D人体骨骼模型中第个关节组中第个关节的遮挡程度，表示所述关节位置向量，表示第个深度相机的关节位置向量，表示当前关节的所述投影角度，表示基准阈值；步骤S233：评估关节组可靠性，具体为，遍历并计算所有关节组中关节的置信度，根据关节的置信度和所述遮挡程度计算关节组的置信度，所用公式如下： ；式中，表示在时间步时，第个3D人体骨骼模型中第个关节组的置信度，表示3D人体骨骼模型的索引，表示关节组的索引，表示第个3D人体骨骼模型中第个关节组中检测到的关节数量，表示关节的索引，表示第个3D人体骨骼模型中第个关节组中第个关节的置信度，表示第个3D人体骨骼模型中第个关节组中第个关节的遮挡程度；步骤S234：计算综合置信度，用于根据关节组的置信度，计算所有3D人体骨骼模型的综合置信度，具体为，先计算每个3D人体骨骼模型中每个关节组的置信度与所有关节组的置信度累计和的比值，得到平均置信度，再对所有3D人体骨骼模型的平均置信度求累计和，得到综合置信度；步骤S235：更新当前时间步的关节位置向量，具体为，通过将上一时间步的所述关节位置向量和当前时间步的所述综合置信度相加，得到当前时间步的关节位置向量；步骤S236：更新当前时间步的综合置信度，具体为，重复执行步骤S231至S234，得到综合置信度，将深度相机生成的3D人体骨骼模型按照各自的综合置信度进行整合，得到最终的3D人体骨骼模型；在步骤S3中，所述记忆更替方法，具体包括以下步骤：步骤S31：提取活动特征，具体为，使用3DCNN网络作为特征提取器，采用所述特征提取器从所述3D人体骨骼模型实时提取与人体活动相关的新的长期特征和短期特征，将新的长期特征和短期特征记为输入数据；步骤S32：网络更替；进一步地，在步骤S32中，所述网络更替，具体包括以下步骤：步骤S321：更新长期记忆权重向量，所用公式如下： ； ；式中，表示长期记忆权重向量的最大值,表示的更新值，表示长期记忆权重向量的最小值,表示的更新值，表示学习率，表示所述输入数据，表示当前时间步时在第维度的值，和分别表示和的第维度，表示全局最大值，输出一个和的所有维度中最大的标量值，表示逐元素最大值，输出一个与维度相同的向量，其中每一维度都表示该维度下和的较大值；所述长期记忆权重向量用于存储在长短期记忆网络学习迭代过程中长期特征的边界值；步骤S322：计算第个节点与当前输入数据的匹配误差，所用公式如下： ；式中，表示当前时间步t时，长短期记忆网络中第个节点对输入数据的匹配误差，表示欧氏距离平方，表示第个节点的权重向量；步骤S323：匹配节点，具体为，选择当前输入数据对应的最佳匹配节点，所述最佳匹配节点是与输入数据最相似的节点，即匹配误差最小的节点，所用公式如下： ；式中，表示当前输入数据的最佳匹配节点，表示使最小的节点的索引；步骤S324：计算最佳匹配节点的激活值，所述激活值用于衡量节点对输入数据的响应强度，所用公式如下： ；式中，表示最佳匹配节点的激活值，表示最佳匹配节点对输入数据的匹配误差；步骤S325：预先设置激活阈值，具体为，如果激活值小于预设阈值，表示当前最佳匹配节点不足以很好地表示输入数据，需要生成新节点，执行步骤S326，如果激活值大于等于预设阈值，表示当前最佳匹配节点可以代表输入数据，无需生成新节点；步骤S326：新节点生成，具体为，构建新节点，生成的新节点的初始权重是输入数据和最佳匹配节点权重向量的和的均值；步骤S327：更新正则化程度，所用公式如下： ；式中，表示节点的正则化程度，表示节点更新后的正则化程度，表示节点的时间衰减因子，表示正则化控制参数；步骤S328：更新节点的权重向量，所用公式如下： ；式中，表示节点的权重向量，表示更新后节点的权重向量,表示节点的学习率；步骤S329：节点移除，具体为，计算移除阈值，如果任一节点的正则化程度大于等于移除阈值，则保留该节点，如果任一节点的正则化程度小于移除阈值，则认为该节点不重要，移除该节点，移除阈值计算公式如下： ；式中，表示移除阈值，表示所有节点正则化程度的平均值，表示正则性分布的标准差。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军海军青岛特勤疗养中心，其通讯地址为：266071 山东省青岛市市南区莲岛路21号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。