基于Kinect的平衡功能康復訓練系統應用設計

張志鵬

摘 要：文章基于體感設備Kinect，設計開發了一套針對老年人和腦卒中患者的平衡功能康復訓練系統。該系統以游戲的形式對使用者的平衡功能進行訓練，成本低、交互流暢、使用簡單，在患者自主訓練的積極性、便捷性和有效性方面得到了驗證。

關鍵詞：平衡功能；Kinect；康復訓練

研究表明，老年人以及患病人數逐年增長的腦卒中患者會出現平衡能力大幅下降的情況[1]。平衡能力的下降會導致人體喪失獨立行動的能力[2]。因此研究并改善平衡功能康復訓練系統具有重要意義[3]。

現有的平衡能力訓練都以指定動作的完成情況或重心軌跡為標準，而后者更加客觀準確[4]。采用三維運動捕捉系統來捕捉身體重心，或是采用足底壓力測試系統以足底壓力中心替代重心[5]，兩種方式成本都較高，而且不夠方便。而現有的采用Kinect作為輸入設備獲取重心的平衡康復系統對訓練設計不夠深入，也沒有提供個性化的訓練，有較大的改進空間。

1 系統介紹

本系統包括以下模塊：用戶模塊、檢測模塊、訓練模塊、評價模塊，系統的結構框如圖1所示。

1.1 總體設計

用戶登錄后可以選擇x-t重心訓練模式和x-y重心訓練模式。訓練過程中，系統的檢測模塊通過Kinect捕捉患者的骨骼點的空間三維坐標，通過身體節段法計算得到重心空間坐標[6]，并由此得到重心軌跡參數，包括：擺幅、x-y平面軌跡包絡面積、x-t重心軌跡穩定性。評價模塊負責實時難度智能調控，還會根據訓練任務完成情況給出評價，并提供近期訓練趨勢，作為訓練建議和激勵。

1.2 x-t重心訓練模式設計

x-t重心訓練模式是虛擬角色駕駛平衡車在平直路線上收集金幣的虛擬訓練場景。如圖2所示，訓練題材和反饋上區別于普通游戲，回避了障礙物以及碰撞障礙帶來的消極反饋，保證了訓練全程都是正向激勵。為了滿足無限長直跑到需求，采用了模塊化的場景設計，備選模塊動態在下一個任務單元難度范圍中隨機加載。

虛擬角色實時保持與患者動作一致，與平衡車的尾燈一起直觀體現患者重心與當前動作的關系，方便自主動作糾正。平衡車整體在x軸的移動方式采用速度與重心偏移方向一致的方案，保證了行車軌跡與重心軌跡的一致性。

x-t訓練模式的訓練任務是駕駛平衡車收集路上的金幣。收集金幣的即時反饋引導患者進行重心偏移，完整收集金幣的增益反饋引導患者對重心更精確的持續控制，完成指定數量金幣的階段性反饋，提供患者挑戰更高分數的動力。

系統對難度進行智能控制，當前任務單元完成情況較好時會自動提高難度，提高訓練效率。當前任務單元完成情況較差時會自動降低難度，保證患者訓練的積極性。

1.3 x-y重心訓練模式設計

如圖3所示，在x-y訓練模式場景中，航標實時反饋患者重心在當前平面內的位置，軌跡與重心軌跡相對應。漁船始終以不超過漁船極限的速度駛向航標，防止了漁船的頻繁不規則移動，同時保證患者不會為了更快完成任務而過快移動中心造成摔倒。魚群為圓形區域，魚群范圍邊緣有環形粒子特效標識魚群的判定范圍，并在漁船進行捕撈時進行倒計時。

x-y重心訓練模式的任務就是通過移動重心控制航標，進而控制漁船到魚群范圍捕魚。通過魚群的屬性靈活配置可以適應不同類型患者定制化的平衡康復訓練需求。縮小捕撈范圍即提升患者重心控制精確性，控制魚群刷新區域即配置患者的訓練區域以及患側方向，增長捕撈要求時間即提升患者重心的穩定性。

2 結語

本文基于Kinect設計開發了一套針對老年人和腦卒中患者的平衡功能康復訓練系統。該系統使用簡單、趣味性強，不僅能夠以游戲的形式為患者提供平衡訓練，還能將訓練數據作為平衡功能評估參考。該系統的應用對于老年人及腦卒中患者的平衡功能康復訓練具有重要意義。

[參考文獻]

[1]VALENTIN FUSTER，SAMEER BANSILAL.Promoting cardiovascular and cerebrovascular health[J].Stroke，2010（6）：26.

[2]BLAKE A J，MORGAN K，BENDALL M J，et al.Falls by elderly people at home：prevalence and associated factors[J].Age Ageing，1988（17）：365-372.

[3]HOF A L，GAZENDAM M G J，SINKE W E.The condition for dynamic stability[J].Journal of Biomechanics，2005（1）：1-8.

[4]ZUMBRUNN T，MACWILLIAMS B A，JOHNSON B A.Evaluation of a single leg stance balance test in children[J].Gait&Posture，2011（34）：174-177.

[5]王蔚，馮亞琴，楊再興，等.基于體感交互設備的人體重心計算方法[J].數據采集與處理，2018（4）：595-602.