24、基于深度学习的腰痛瑜伽姿势识别方法

基于深度学习的腰痛瑜伽姿势识别方法

1. 引言

在当今快节奏的生活中，腰痛（LBP）已成为一个普遍问题，影响着全球数百万人的生活。约84%的人一生中至少会经历一次腰痛。腰痛的主要症状包括脊柱结构不当、重物提拉和意外扭伤等。由于腰痛，人们无法正常工作。其治疗方法包括锻炼、注射，严重时还需进行脊柱手术。

在家进行瑜伽锻炼有助于缓解腰痛，但准确进行瑜伽动作需要教练指导，而患者很难随时找到专业人士进行指导。人工智能和机器学习（AI/ML）模型能够在无教练的情况下准确跟踪患者的瑜伽锻炼。

本文的主要贡献如下：
1. 提出了基于卷积神经网络（CNN）和人工神经网络（ANN）的高效系统模型YPPD_FS_ANN和YPPD_FS_CNN，用于监测瑜伽锻炼。
2. 利用OpenCV和Mediapipe生成人体关键点，开发了瑜伽姿势检测（YPPD）数据集，用于训练分类器。
3. 所提出的模型比其他模型具有更高的准确性，优于其他现有技术。

2. 相关工作

姿势估计系统已广泛应用于各个领域。此前的研究包括开发用于LBP治疗的可穿戴姿势控制设备、促进骨科康复的实时游戏平台、智能医疗保健系统等。深度学习方法如CNN和ANN在姿势分类监测研究领域得到了广泛应用。

以下是一些相关模型及其准确率：
| 模型提出者 | 准确率 |
| — | — |
| Gonzalez - Ortega等 | 96.28% |
| Avishkar Seth等 | 低于90% |
| Sellmann等 | 98.3% |
| Ordonez等 | 95.8% |
|