陈平平+赵阳洋+陈丽兰

摘要：为了根据不同中风患者的康复情况制定相应的中风治疗标准，对基于大数据改进中风康复训练行为的识别进行了研究。首先，通过Kinect获取人体20个骨骼关节点的数据信息，然后提取关节点极坐标的位置信息，定义运动特征分类集合，完成朴素贝叶斯分类器设计。根据捕获的各种人群数据信息，在云服务器上的数据分析系统加以量化和分析后进行阈值计算。基于此，可对中风康复训练动作识别阈值进行偏差处理，从而设定不同的患者人群最合适的动作标准。

关键词：大数据；朴素贝叶斯分类器；Kinect；中风治疗

DOIDOI：10.11907/rjdk.171060

中图分类号：TP319

文献标识码：A 文章编号：1672-7800（2017）006-0124-03

0 引言

在医疗康复领域，基于Kinect的体感技术发展十分迅猛[1]。随着Kinect for Windows 传感器的发布，Kinect的3D体感摄影机和语音识别技术在国外已广泛应用于康复治疗的研究当中。但在国内把Kinect应用到医学领域的研究几乎处于空白状态，特别是康复领域，主要由于人们缺乏对康复的认识，对其重视程度不够。因此，目前Kinect的市场潜能还未充分发挥出来。另外，在国内的应用尚未采用大数据分析协助中风康复治疗，所以将大数据与Kinect结合具有一定的开创性，其潜在市场较大。

国际上采取患者的三级平衡能力及Berg平衡（the Berg Balance Scale，BBS）评分评定中风患者练习八段锦等动作的标准程度。Berg 评分是目前国际上常用的平衡量表，共包括14个项目，如独立坐、由坐到站、由站到坐、独立站立、床-椅转移、闭眼站立、双足并扰站立、站立位上肢前伸、站立位从地上拾物、转身向后看、转身一周、双足交替踏台阶、双足前后站立、单腿站立。……