基于Kinect的平衡功能康复训练系统应用设计

张志鹏

摘 要：文章基于体感设备Kinect，设计开发了一套针对老年人和脑卒中患者的平衡功能康复训练系统。该系统以游戏的形式对使用者的平衡功能进行训练，成本低、交互流畅、使用简单，在患者自主训练的积极性、便捷性和有效性方面得到了验证。

关键词：平衡功能；Kinect；康复训练

研究表明，老年人以及患病人数逐年增长的脑卒中患者会出现平衡能力大幅下降的情况[1]。平衡能力的下降会导致人体丧失独立行动的能力[2]。因此研究并改善平衡功能康复训练系统具有重要意义[3]。

现有的平衡能力训练都以指定动作的完成情况或重心轨迹为标准，而后者更加客观准确[4]。采用三维运动捕捉系统来捕捉身体重心，或是采用足底压力测试系统以足底压力中心替代重心[5]，两种方式成本都较高，而且不够方便。而现有的采用Kinect作为输入设备获取重心的平衡康复系统对训练设计不够深入，也没有提供个性化的训练，有较大的改进空间。

1 系统介绍

本系统包括以下模块：用户模块、检测模块、训练模块、评价模块，系统的结构框如图1所示。

1.1 总体设计

用户登录后可以选择x-t重心训练模式和x-y重心训练模式。训练过程中，系统的检测模块通过Kinect捕捉患者的骨骼点的空间三维坐标，通过身体节段法计算得到重心空间坐标[6]，并由此得到重心轨迹参数，包括：摆幅、x-y平面轨迹包络面积、x-t重心轨迹稳定性。评价模块负责实时难度智能调控，还会根据训练任务完成情况给出评价，并提供近期训练趋势，作为训练建议和激励。

1.2 x-t重心训练模式设计

x-t重心训练模式是虚拟角色驾驶平衡车在平直路线上收集金币的虚拟训练场景。如图2所示，训练题材和反馈上区别于普通游戏，回避了障碍物以及碰撞障碍带来的消极反馈，保证了训练全程都是正向激励。为了满足无限长直跑到需求，采用了模块化的场景设计，备选模块动态在下一个任务单元难度范围中随机加载。

虚拟角色实时保持与患者动作一致，与平衡车的尾灯一起直观体现患者重心与当前动作的关系，方便自主动作纠正。平衡车整体在x轴的移动方式采用速度与重心偏移方向一致的方案，保证了行车轨迹与重心轨迹的一致性。

x-t训练模式的训练任务是驾驶平衡车收集路上的金币。收集金币的即时反馈引导患者进行重心偏移，完整收集金币的增益反馈引导患者对重心更精确的持续控制，完成指定数量金币的阶段性反馈，提供患者挑战更高分数的动力。

系统对难度进行智能控制，当前任务单元完成情况较好时会自动提高难度，提高训练效率。当前任务单元完成情况较差时会自动降低难度，保证患者训练的积极性。

1.3 x-y重心训练模式设计

如图3所示，在x-y训练模式场景中，航标实时反馈患者重心在当前平面內的位置，轨迹与重心轨迹相对应。渔船始终以不超过渔船极限的速度驶向航标，防止了渔船的频繁不规则移动，同时保证患者不会为了更快完成任务而过快移动中心造成摔倒。鱼群为圆形区域，鱼群范围边缘有环形粒子特效标识鱼群的判定范围，并在渔船进行捕捞时进行倒计时。

x-y重心训练模式的任务就是通过移动重心控制航标，进而控制渔船到鱼群范围捕鱼。通过鱼群的属性灵活配置可以适应不同类型患者定制化的平衡康复训练需求。缩小捕捞范围即提升患者重心控制精确性，控制鱼群刷新区域即配置患者的训练区域以及患侧方向，增长捕捞要求时间即提升患者重心的稳定性。

2 结语

本文基于Kinect设计开发了一套针对老年人和脑卒中患者的平衡功能康复训练系统。该系统使用简单、趣味性强，不仅能够以游戏的形式为患者提供平衡训练，还能将训练数据作为平衡功能评估参考。该系统的应用对于老年人及脑卒中患者的平衡功能康复训练具有重要意义。

[参考文献]

[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，冯亚琴，杨再兴，等.基于体感交互设备的人体重心计算方法[J].数据采集与处理，2018（4）：595-602.