关节活动数据检测方法、装置、设备及存储介质与流程

1.本技术涉及数据处理技术领域，尤其涉及一种关节活动数据检测方法、装置、设备及存储介质。


背景技术：

2.在医学领域，腕关节主动活动范围或被动活动范围受限是临床上常见的问题，例如骨折等外伤造成关节活动范围的受限。患者往往因疼痛、制动后软组织短缩僵硬、肌力减退等原因导致关节活动范围受限及出现功能障碍。此外，中枢神经系统损伤导致的肢体痉挛、力弱也可造成关节活动范围受限和出现功能障碍。
3.目前腕关节运动功能的评估通常是利用量角器的等测量工具测量腕关节的最大活动度，此类评估方法需要人工参与，在患者较多的时候容易导致患者问诊等候时间过长，以及存在检测效率低、人工和时间成本高等问题。


技术实现要素：

4.本技术提供一种关节活动数据检测方法、装置、设备及存储介质，旨在提高关节活动数据检测的效率以及减少关节活动数据检测所需成本。
5.第一方面，本技术提供一种关节活动数据检测方法，所述关节活动数据检测方法包括以下步骤：
6.获取待测人员的目标手部图像；
7.确定所述目标手部图像是否符合预设的图像处理条件；
8.若所述目标手部图像符合所述图像处理条件，将所述目标手部图像输入至训练好的关键点预测模型，得到所述关键点预测模型输出的所述目标手部图像对应的手部关键点预测信息；
9.根据所述手部关键点预测信息确定所述待测人员的手腕活动数据。
10.第二方面，本技术还提供一种关节活动数据检测装置，所述关节活动数据检测装置包括：
11.图像获取模块，用于获取待测人员的目标手部图像；
12.第一处理模块，用于确定所述目标手部图像是否符合预设的图像处理条件；
13.预测模块，用于若所述目标手部图像符合所述图像处理条件，将所述目标手部图像输入至训练好的关键点预测模型，得到所述关键点预测模型输出的所述目标手部图像对应的手部关键点预测信息；
14.第二处理模块，用于根据所述手部关键点预测信息确定所述待测人员的手腕活动数据。
15.第三方面，本技术还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的关节活动数据检测方法的步骤。
16.第四方面，本技术还提供一种存储介质，所述存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的关节活动数据检测方法的步骤。
17.本技术提供一种关节活动数据检测方法、装置、设备及存储介质，本技术通过获取待测人员的目标手部图像，以及在目标手部图像符合图像处理条件时，基于训练好的关键点预测模型，预测得到目标手部图像对应的手部关键点预测信息，以通过目标手部图像对应的手部关键点预测信息确定待测人员的手腕活动数据，整个过程无需人工的参与，能够有效地提升关节活动数据检测的效率以及降低关节活动数据检测的人工和时间成本。
附图说明
18.为了更清楚地说明本技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
19.图1为本技术实施例提供的一种关节活动数据检测方法的流程示意图；
20.图2a为本技术一实施例提供的目标手部图像的示意图；
21.图2b为本技术另一实施例提供的目标手部图像的示意图；
22.图2c为本技术又一实施例提供的目标手部图像的示意图；
23.图2d为本技术再一实施例提供的目标手部图像的示意图；
24.图3为本技术一实施例提供的关节活动数据检测装置的示意图；
25.图4为本技术一实施例涉及的计算机设备的结构示意框图。
具体实施方式
26.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
27.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
28.本技术实施例提供一种关节活动数据检测方法、装置、计算机设备及计算机可读存储介质。其中，该关节活动数据检测方法可应用于终端设备中，该终端设备可以手机、平板电脑、笔记本电脑、台式电脑等电子设备。也可以应用于服务器中，该服务器可以是单独的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
29.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
30.请参照图1，图1为本技术一实施例提供关节活动数据检测方法的流程示意图。
31.如图1所示，该关节活动数据检测方法包括步骤s101至步骤s104。
32.步骤s101、获取待测人员的目标手部图像。
33.示例性的，通过图像采集装置对待测人员的目标手部进行图像采集，以使得终端或服务器能够获取待测人员的目标手部图像。
34.可以理解的，图像采集装置通信连接终端和/或服务器，其中，终端和/或服务器用于实现本技术提供的关节活动数据检测方法。
35.在另一些实施方式中，在对待测人员的目标手部进行图像采集之前，方法还包括：通过语音播报装置播放语音提示信息，和/或通过显示装置显示图像提示信息，其中，语音提示信息及图像提示信息用于提示待测人员，使得待测人员的手部以目标摆放姿态摆放于图像采集装置之前，使得图像采集装置能够得到待测人员的目标手部图像。可以理解的，语音提示信息及图像提示信息还用于提示待测人员更改手部的摆放姿态。
36.步骤s102、确定目标手部图像是否符合预设的图像处理条件。
37.示例性的，在得到目标手部图像之后，确定目标手部图像是否符合预设的图像处理条件，若符合，进入步骤s103，以根据目标手部图像确定目标手部图像对应的待测人员的手腕活动数据；若未符合，则输出对应的提示信息并删除该目标手部图像，使得图像采集装置重新对待测人员的手部进行图像采集。
38.通过确定目标手部图像是否符合预设的图像处理条件确定是否对目标手部图像进行图像处理，筛选出不符合图像处理条件的图像，以避免对这些图像进行处理，提升了关节活动数据检测的效率及准确性。
39.在一些实施例中，确定目标手部图像是否符合预设的图像处理条件，包括：确定目标手部图像的拍摄方向信息、目标手部图像的拍摄角度信息及目标手部图像的遮挡信息；若目标手部图像的拍摄方向信息、目标手部图像的拍摄角度信息及目标手部图像的遮挡信息均符合对应的图像处理条件，确定目标手部图像符合预设的图像处理条件。
40.示例性的，通过目标手部图像，能够确定拍摄方向信息、拍摄角度信息及遮挡信息，具体的，拍摄方向信息用于指示图像采集装置从何处方向对待测人员的手部进行图像采集；拍摄角度信息用于指示在对手部进行图像采集时，手部是否水平，也即，手掌是否与图像采集装置平行或垂直；遮挡信息用于指示待测人员的手部是否存在衣物等其他物品的遮挡，以清晰得到目标手部图像。
41.可以理解的，在拍摄方向信息、拍摄角度信息及遮挡信息均符合对应的图像处理条件时，确定目标手部图像符合图像处理条件。
42.在另一些实施例中，若目标手部图像的拍摄方向信息、目标手部图像的拍摄角度信息及目标手部图像的遮挡信息中的至少一项未符合对应的图像处理条件，确定目标手部图像未符合图像处理条件，则对该目标手部图像进行删除并提示待测人员重新进行手部图像的采集过程。
43.在一些实施例中，若目标手部图像的拍摄方向信息、目标手部图像的拍摄角度信息及目标手部图像的遮挡信息均符合对应的图像处理条件，确定目标手部图像符合预设的图像处理条件，包括：在确定目标手部图像的拍摄方向信息为目标拍摄方向时，确定拍摄方向信息符合第一图像处理条件，其中，目标拍摄方向用于指示从手部的拇指侧或从手背侧对手部进行拍摄；在目标手部图像的拍摄角度小于或等于第一角度阈值，或大于或等于第二角度阈值度时，确定拍摄角度信息符合第二图像处理条件，其中，拍摄角度用于指示手部的手掌所在的水平线与拍摄水平线之间夹角的角度，第一角度阈值小于第二角度阈值；在
遮挡信息指示目标手部图像中的手部无遮挡时，确定目标手部图像的遮挡信息符合第三图像处理条件；在拍摄方向信息符合第一图像处理条件、拍摄角度信息符合第二图像处理条件及遮挡信息符合第三图像处理条件时，确定目标手部图像符合图像处理条件。
44.示例性的，在根据目标手部图像确定拍摄方向信息为目标拍摄方向时，确定拍摄方向信息符合第一图像处理条件，其中，目标拍摄方向用于指示从待测人员的拇指侧，如大拇指或小拇指侧对待测人员的手部进行图像采集；或从待测人员的手背侧对待测人员的手部进行图像采集。
45.示例性的，确定拍摄角度是否小于或等于第一角度阈值或是否大于或等于第二角度阈值，例如，在图像采集装置与一预设平台平行时，确定待测人员的手掌所在平面与该预设平面的关系，具体的，待测人员的手掌所在平面与预设平台之间的夹角为拍摄角度，在待测人员的手掌所在平面与预设平台之间的夹角小于或等于第一角度阈值且待测人员的手部能够被图像采集装置进行图像采集时，确定拍摄角度符合第二图像处理条件，可以理解的，在待测人员的手掌所在平面与预设平台之间的夹角大于或等于第一角度阈值且待测人员的手部能够被图像采集装置进行图像采集时，确定拍摄角度符合第二图像处理条件。第一角度阈值例如为5
°
，第二角度阈值例如为85
°
。
46.示例性的，通过目标手部图像的颜色信息确定遮挡信息，例如在目标手部图像中确定手指部分的颜色，以及确定手臂部分的颜色，若手指部分的颜色与手臂部分的颜色差值小于等于预设颜色差值，确定目标手部图像对应的待测人员的手部无遮挡情况，确定遮挡信息符合第三图像处理条件。
47.示例性的，上述确定目标手部图像是否符合图像处理条件的过程可以基于图像分析模型实现，其中，图像分析模型可以例如是densenet模型。
48.可以理解的，在上述拍摄方向信息、拍摄角度信息及遮挡信息均符合对应的图像处理条件时，确定目标手部图像符合图像处理条件，并对目标手部图像进行关键点预测的处理。
49.步骤s103、若目标手部图像符合图像处理条件，将目标手部图像输入至训练好的关键点预测模型，得到关键点预测模型输出的目标手部图像对应的手部关键点预测信息。
50.示例性的，在确定目标手部图像符合图像处理条件后，将目标手部图像输入至关键点预测模型，以对目标手部图像进行关键点的预测，得到手部关键点预测信息。
51.在一些实施例中，将目标手部图像输入至训练好的关键点预测模型，得到关键点预测模型输出的目标手部图像对应的手部关键点预测信息，包括：基于关键点预测模型的分割网络层，在目标手部图像中确定手臂部位及手掌部位；基于关键点预测模型的关键点预测网络层，在手臂部位预测得到手肘关键点及手腕关键点，以及在手掌部位预测得到手掌关键点及手指关键点。
52.示例性的，关键点预测模型包括分割网络层及关键点预测网络层，基于分割网络层，对目标手部图像中的目标手部进行图像分割处理，得到用于指示手臂部位的第一图像及用于指示手掌部位的第二图像，并将第一图像及第二图像输入至关键点预测网络层中。
53.基于关键点预测网络层，在第一图像中进行关键点预测得到手肘关键点及手腕关键点，以及在第二图像中进行关键点预测得到手掌关键点及手指关键点。
54.在具体的实施过程中，关键点预测网络层的骨干网络为hr-net。
55.示例性的，根据预测得到的四个关键点确定待测人员的手腕活动数据。
56.步骤s104、根据手部关键点预测信息确定待测人员的手腕活动数据。
57.示例性的，根据预测得到的手部关键点预测信息确定待测人员的手部活动数据，实现手腕关节活动数据自动化检测，无需人工进行检测，有效提升检测效率。
58.在另一些实施方式中，还能通过待测人员的手腕活动数据及待测人员的保险信息实现自动理赔，提升案件理赔处理的效率。
59.在一些实施例中，根据根据所述手肘关键点、所述手腕关键点、所述手掌关键点及所述手指关键点确定所述待测人员的手腕活动数据，包括：对手肘关键点及手腕关键点进行连线处理，得到第一关键点连接线；对手掌关键点及手指关键点进行连线处理，得到第二关键点连接线；根据第一关键点连接线和第二关键点连接线确定待测人员的手腕活动数据。
60.示例性的，连接手肘关键点及手腕关键点，得到第一关键点连接线，以及连接手掌关键点及手指关键点，得到第二关键点连接线，从而根据第一关键点连接线及第二关键点连接线确定手腕关键的最大活动度，以确定手腕活动数据。
61.在具体的实施过程中，方法还包括：基于关键点预测模型，确定目标手部图像的手部运动姿态，以根据运动姿态及关键点预测信息确定待测人员的手腕活动数据，可以理解的，在不同运动姿态下对关键点预测的位置不同，因此在确定目标手部图像中手部运动姿态后，进行对应的关键点预测，以提升关键点预测的准确性。
62.在一些实施例中，方法还包括：获取目标手部图像对应的运动姿态信息；根据手部关键点预测信息及运动姿态信息确定待测人员的手腕活动数据。
63.可以理解的，还可以在待测人员进行手部图像采集的过程中，根据待测人员和/或工作人员的输入信息，确定待测人员的手部的运动姿态，以使得终端和/或服务器获取目标手部图像对应的运动姿态信息，从而根据运动姿态信息提升手部关键点预测的准确性，且能够根据运动姿态信息及手部关键点预测信息确定待测人员的手腕活动数据。
64.请参阅图2a、图2b、图2c及图2d，图2a为本技术一实施例提供的目标手部图像的示意图。图2b为本技术另一实施例提供的目标手部图像的示意图。图2c为本技术又一实施例提供的目标手部图像的示意图。图2d为本技术再一实施例提供的目标手部图像的示意图。
65.示例性的，运动姿态包括背伸(图2a所示)或掌屈(图2b所示)、以及尺偏(图2c所示)或桡偏(图2d所示)，可以理解的，若手腕关节出现一些运动障碍，手腕在某一运动状态下仍具备正常的运动功能，但可能在另一运动状态下则活动受限，通过确定目标手部图像对应的手部运动姿态以确定手腕关键点预测信息，从而确定待测人员的手腕活动数据。
66.在一些实施例中，根据第一关键点连接线和第二关键点连接线确定待测人员的手腕活动数据，包括：确定第一关键点连接线与第二关键点连接线的夹角；根据夹角确定待测人员的手腕活动数据。
67.示例性的，确定第一关键点连接线与第二关键点连接线的夹角，从而根据该夹角的角度确定待测人员在当前运动姿态下的最大活动度。
68.具体的，在确定目标手部图像对应的运动姿态为掌屈时，确定目标手部图像的关键点以及得到第一关键点连接线与第二关键点连接线的夹角，并确定夹角的角度，从而得到待测人员在掌屈情况的手腕关节活动度。可以理解的，若在进行图像采集时，待测人员利
用手腕关节的最大活动度实现对应的运动姿态，则在根据夹角的角度为待测人员的手腕关节在当前运动姿态下的最大活动度。
69.在另一些实施方式中，通过采集待测人员的手腕关节活动视频，其中，待测人员的手腕关节从背伸姿态缓慢移动至掌屈，并基于预设的时间间隔将手腕关节活动视频进行拆帧处理，得到多个目标手部图像，并对目标手部图像进行对应的处理，得到手腕最大活动度、手腕活动能力(以手腕运动速率表征)等手腕活动数据。对目标手部图像进行处理的具体实施方式如上述实施例所提供的方式，在此不再重复撰述。
70.上述实施例提供的关节活动数据检测方法，通过获取待测人员的目标手部图像，以及在目标手部图像符合图像处理条件时，基于训练好的关键点预测模型，预测得到目标手部图像对应的手部关键点预测信息，以通过目标手部图像对应的手部关键点预测信息确定待测人员的手腕活动数据，整个过程无需人工的参与，能够有效地提升关节活动数据检测的效率、准确性以及降低人工和时间成本。以及，该方法在实现患者、待测人员能够自行检测手腕活动数据的情况下，在不同使用场景下能够根据手腕活动数据输出对应的信息，如对手腕关节的治疗方案，实现自动化的诊断，使得医生更快得知患者手腕关节信息，无需医生对每个患者进行人工检测，提升问诊效率。还能够根据手腕活动数据输出理赔信息，实现自动化的保险理赔，提升案件理赔处理效率。
71.请参阅图3，图3是本技术一实施例提供的关节活动数据检测装置的示意图，该关节活动数据检测装置可以配置于服务器或终端中，用于执行前述的关节活动数据检测方法。
72.如图3所示，该关节活动数据检测装置，包括：图像获取模块110、第一处理模块120、预测模块130、第二处理模块140。
73.图像获取模块110，用于获取待测人员的目标手部图像。
74.第一处理模块120，用于确定所述目标手部图像是否符合预设的图像处理条件。
75.预测模块130，用于若所述目标手部图像符合所述图像处理条件，将所述目标手部图像输入至训练好的关键点预测模型，得到所述关键点预测模型输出的所述目标手部图像对应的手部关键点预测信息。
76.第二处理模块140，用于根据所述手部关键点预测信息确定所述待测人员的手腕活动数据。
77.示例性的，预测模块130包括图像分割子模块、关键点预测子模块。
78.图像分割子模块，用于基于所述关键点预测模型的分割网络层，在所述目标手部图像中确定手臂部位及手掌部位。
79.关键点预测子模块，用于基于所述关键点预测模型的关键点预测网络层，在所述手臂部位预测得到手肘关键点及手腕关键点，以及在所述手掌部位预测得到手掌关键点及手指关键点。
80.第二处理模块140，还用于根据所述手肘关键点、所述手腕关键点、所述手掌关键点及所述手指关键点确定所述待测人员的手腕活动数据。
81.示例性的，第二处理模块140包括第一连线子模块、第二连线子模块。
82.第一连线子模块，用于对所述手肘关键点及所述手腕关键点进行连线处理，得到第一关键点连接线。
83.第二连线子模块，用于对所述手掌关键点及所述手指关键点进行连线处理，得到第二关键点连接线。
84.第二处理模块140，还用于根据所述第一关键点连接线和所述第二关键点连接线确定所述待测人员的手腕活动数据。
85.示例性的，第二处理模块140还包括夹角确定子模块。
86.夹角确定子模块，用于确定所述第一关键点连接线与所述第二关键点连接线的夹角。
87.第二处理模块140，还用于根据所述夹角确定所述待测人员的手腕活动数据。
88.示例性的，关节活动数据检测装置还包括信息确定模块。
89.信息确定模块，用于获取所述目标手部图像对应的运动姿态信息。
90.第二处理模块140，还用于根据所述手部关键点预测信息及所述运动姿态信息确定所述待测人员的手腕活动数据。
91.示例性的，第一处理模块120包括手部拍摄信息确定子模块。
92.手部拍摄信息确定子模块，用于确定所述目标手部图像的拍摄方向信息、所述目标手部图像的拍摄角度信息及所述目标手部图像的遮挡信息。
93.第一处理模块120，还用于若所述目标手部图像的拍摄方向信息、所述目标手部图像的拍摄角度信息及所述目标手部图像的遮挡信息均符合对应的图像处理条件，确定所述目标手部图像符合预设的图像处理条件。
94.示例性的，手部拍摄信息确定子模块包括第一拍摄信息确定子模块、第二拍摄信息确定子模块、第三拍摄信息确定子模块。
95.第一拍摄信息确定子模块，用于在确定所述目标手部图像的拍摄方向信息为目标拍摄方向时，确定所述拍摄方向信息符合第一图像处理条件，其中，所述目标拍摄方向用于指示从所述手部的拇指侧或从手背侧对所述手部进行拍摄。
96.第二拍摄信息确定子模块，用于在所述目标手部图像的拍摄角度小于或等于第一角度阈值，或大于或等于第二角度阈值度时，确定所述拍摄角度信息符合第二图像处理条件，其中，所述拍摄角度用于指示所述手部的手掌所在的水平线与所述拍摄水平线之间夹角的角度，所述第一角度阈值小于所述第二角度阈值。
97.第三拍摄信息确定子模块，用于在所述遮挡信息指示所述目标手部图像中的手部无遮挡时，确定所述目标手部图像的遮挡信息符合第三图像处理条件。
98.第一处理模块120，还用于在所述拍摄方向信息符合所述第一图像处理条件、所述拍摄角度信息符合所述第二图像处理条件及所述遮挡信息符合所述第三图像处理条件时，确定所述目标手部图像符合图像处理条件。
99.需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述关节活动数据检测装置的具体工作过程，可以参考前述关节活动数据检测方法实施例中的对应过程，在此不再赘述。
100.请参阅图4，图4为本技术实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器或终端。
101.如图4所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
102.非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种关节活动数据检测方法。
103.处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
104.内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种关节活动数据检测方法。
105.该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
106.应当理解的是，处理器可以是中央处理单元(central processing unit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
107.其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
108.获取待测人员的目标手部图像；
109.确定所述目标手部图像是否符合预设的图像处理条件；
110.若所述目标手部图像符合所述图像处理条件，将所述目标手部图像输入至训练好的关键点预测模型，得到所述关键点预测模型输出的所述目标手部图像对应的手部关键点预测信息；
111.根据所述手部关键点预测信息确定所述待测人员的手腕活动数据。
112.在一个实施例中，所述处理器在实现将所述所述目标手部图像输入至训练好的关键点预测模型，得到所述关键点预测模型输出的所述目标手部图像对应的手部关键点预测信息时，用于实现：
113.基于所述关键点预测模型的分割网络层，在所述目标手部图像中确定手臂部位及手掌部位；
114.基于所述关键点预测模型的关键点预测网络层，在所述手臂部位预测得到手肘关键点及手腕关键点，以及在所述手掌部位预测得到手掌关键点及手指关键点；
115.所述处理器在实现根据所述手臂关键点预测信息确定所述待测人员的手腕活动数据时，还用于实现：
116.根据所述手肘关键点、所述手腕关键点、所述手掌关键点及所述手指关键点确定所述待测人员的手腕活动数据。
117.在一个实施例中，所述处理器在实现根据所述手肘关键点、所述手腕关键点、所述手掌关键点及所述手指关键点确定所述待测人员的手腕活动数据时，用于实现：
118.对所述手肘关键点及所述手腕关键点进行连线处理，得到第一关键点连接线；
119.对所述手掌关键点及所述手指关键点进行连线处理，得到第二关键点连接线；
120.根据所述第一关键点连接线和所述第二关键点连接线确定所述待测人员的手腕
media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。
138.应当理解，在此本技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本技术。如在本技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
139.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
140.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种关节活动数据检测方法，其特征在于，包括：获取待测人员的目标手部图像；确定所述目标手部图像是否符合预设的图像处理条件；若所述目标手部图像符合所述图像处理条件，将所述目标手部图像输入至训练好的关键点预测模型，得到所述关键点预测模型输出的所述目标手部图像对应的手部关键点预测信息；根据所述手部关键点预测信息确定所述待测人员的手腕活动数据。2.如权利要求1所述的关节活动数据检测方法，其特征在于，所述将所述所述目标手部图像输入至训练好的关键点预测模型，得到所述关键点预测模型输出的所述目标手部图像对应的手部关键点预测信息，包括：基于所述关键点预测模型的分割网络层，在所述目标手部图像中确定手臂部位及手掌部位；基于所述关键点预测模型的关键点预测网络层，在所述手臂部位预测得到手肘关键点及手腕关键点，以及在所述手掌部位预测得到手掌关键点及手指关键点；所述根据所述手臂关键点预测信息确定所述待测人员的手腕活动数据，包括：根据所述手肘关键点、所述手腕关键点、所述手掌关键点及所述手指关键点确定所述待测人员的手腕活动数据。3.如权利要求2所述的关节活动数据检测方法，其特征在于，所述根据所述手肘关键点、所述手腕关键点、所述手掌关键点及所述手指关键点确定所述待测人员的手腕活动数据，包括：对所述手肘关键点及所述手腕关键点进行连线处理，得到第一关键点连接线；对所述手掌关键点及所述手指关键点进行连线处理，得到第二关键点连接线；根据所述第一关键点连接线和所述第二关键点连接线确定所述待测人员的手腕活动数据。4.如权利要求3所述的关节活动数据检测方法，其特征在于，所述根据所述第一关键点连接线和所述第二关键点连接线确定所述待测人员的手腕活动数据，包括：确定所述第一关键点连接线与所述第二关键点连接线的夹角；根据所述夹角确定所述待测人员的手腕活动数据。5.如权利要求1-4任一项所述的关节活动数据检测方法，其特征在于，所述方法还包括：获取所述目标手部图像对应的运动姿态信息；所述根据所述手部关键点预测信息确定所述待测人员的手腕活动数据，包括：根据所述手部关键点预测信息及所述运动姿态信息确定所述待测人员的手腕活动数据。6.如权利要求1-3中任一项所述的关节活动数据检测方法，其特征在于，所述确定所述目标手部图像是否符合预设的图像处理条件，包括：确定所述目标手部图像的拍摄方向信息、所述目标手部图像的拍摄角度信息及所述目标手部图像的遮挡信息；若所述目标手部图像的拍摄方向信息、所述目标手部图像的拍摄角度信息及所述目标
手部图像的遮挡信息均符合对应的图像处理条件，确定所述目标手部图像符合预设的图像处理条件。7.如权利要求6所述的关节活动数据检测方法，其特征在于，所述若所述目标手部图像的拍摄方向信息、所述目标手部图像的拍摄角度信息及所述目标手部图像的遮挡信息均符合对应的图像处理条件，确定所述目标手部图像符合预设的图像处理条件，包括：在确定所述目标手部图像的拍摄方向信息为目标拍摄方向时，确定所述拍摄方向信息符合第一图像处理条件，其中，所述目标拍摄方向用于指示从所述手部的拇指侧或从手背侧对所述手部进行拍摄；在所述目标手部图像的拍摄角度小于或等于第一角度阈值，或大于或等于第二角度阈值度时，确定所述拍摄角度信息符合第二图像处理条件，其中，所述拍摄角度用于指示所述手部的手掌所在的水平线与所述拍摄水平线之间夹角的角度，所述第一角度阈值小于所述第二角度阈值；在所述遮挡信息指示所述目标手部图像中的手部无遮挡时，确定所述目标手部图像的遮挡信息符合第三图像处理条件；在所述拍摄方向信息符合所述第一图像处理条件、所述拍摄角度信息符合所述第二图像处理条件及所述遮挡信息符合所述第三图像处理条件时，确定所述目标手部图像符合图像处理条件。8.一种关节活动数据检测装置，其特征在于，所述关节活动数据检测装置包括：图像获取模块，用于获取待测人员的目标手部图像；第一处理模块，用于确定所述目标手部图像是否符合预设的图像处理条件；预测模块，用于若所述目标手部图像符合所述图像处理条件，将所述目标手部图像输入至训练好的关键点预测模型，得到所述关键点预测模型输出的所述目标手部图像对应的手部关键点预测信息；第二处理模块，用于根据所述手部关键点预测信息确定所述待测人员的手腕活动数据。9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的关节活动数据检测方法的步骤。10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的关节活动数据检测方法的步骤。

技术总结
本申请提供一种关节活动数据检测方法、装置、设备及存储介质，该方法包括：获取待测人员的目标手部图像；确定所述目标手部图像是否符合预设的图像处理条件；若所述目标手部图像符合所述图像处理条件，将所述目标手部图像输入至训练好的关键点预测模型，得到所述关键点预测模型输出的所述目标手部图像对应的手部关键点预测信息；根据所述手部关键点预测信息确定所述待测人员的手腕活动数据。本申请能够有效地提升关节活动数据检测的效率以及降低关节活动数据检测的人工和时间成本。节活动数据检测的人工和时间成本。节活动数据检测的人工和时间成本。


技术研发人员：韩英男 王佳平 初晓
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2023.07.06
技术公布日：2023/10/6