(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210941947.7 (22)申请日 2022.08.08 (65)同一申请的已公布的文献号 申请公布号 CN 114998816 A (43)申请公布日 2022.09.02 (73)专利权人 深圳市指南针医疗科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区科苑南路3170号留学生 创业大厦一期16 08 (72)发明人 舒振峰　刘洋　杨政　张世焱　 (74)专利代理 机构 深圳市恒程创新知识产权代 理有限公司 4 4542 专利代理师 张小容 (51)Int.Cl. G16H 50/30(2018.01)G06V 20/40(2022.01) G06V 40/20(2022.01) G06F 16/36(2019.01) 审查员 黄攀 (54)发明名称 基于骨骼AI视频的病例改进方法、 装置及存 储介质 (57)摘要 本发明涉及人工智能技术领域， 公开了一种 基于骨骼AI视频的病例改进方法、 装置及存储介 质， 所述方法包括： 通过目标姿态形状预估模型 对运动骨骼视频数据进行预测， 得到人体动作形 态的偏移量； 在人体动作形态的偏移量与目标形 态偏移量一致时， 根据基本数据、 生理数据以及 目标健康管 理策略生成目标健康知识图谱； 根据 目标健康知识图谱对目标用户的健康进行管理， 以及根据目标健康知识 图谱对初始病例进行改 进； 通过上述方式， 根据目标姿态形状预估模型 预测出人体动作形态的偏移量， 根据目标健康知 识图谱对目标用户的健康进行管 理， 能够有效提 高管理用户健康的效率和便捷性， 且适用人群范 围较广， 以及使得改进后的病例符合健康管理规 定。 权利要求书3页 说明书11页 附图4页 CN 114998816 B 2022.11.01 CN 114998816 B 1.一种基于骨骼AI视频的病例改进方法， 其特征在于， 所述基于骨骼AI视频的病例改 进方法包括以下步骤： 获取目标用户的基本数据、 生理数据以及运动骨骼视频 数据； 通过目标姿态形状预估模型对所述运动骨骼视频数据进行预测， 得到人体动作形态的 偏移量； 根据目标健康管理策略获取在预设时间段内的目标 形态偏移量； 在所述人体动作形态的偏移量与所述目标形态偏移量一致时， 根据所述基本数据、 所 述生理数据以及所述目标健康管理策略生成目标健康知识图谱； 根据所述目标健康知识图谱对所述目标用户的健康进行管理， 以及根据 所述目标健康 知识图谱 对初始病例进行改进； 所述通过目标姿态形状预估模型对所述运动骨骼视频数据进行预测， 得到人体动作 形 态的偏移量， 包括： 根据所述 运动骨骼视频 数据得到对应的行 走骨骼视频 数据和动作骨骼视频 数据； 分别提取 所述行走骨骼视频 数据和动作骨骼视频 数据的数据格式； 在所述数据格 式均不为目标数据格式时， 对所述行走骨骼视频数据和所述动作骨骼视 频数据进行格式转换， 得到目标格式行 走数据和目标动作短视频 数据； 通过预设标准压缩策略分别对所述目标格式行走数据和所述目标动作短视频数据进 行压缩； 通过目标姿态形状预估模型对压缩后的目标格式行走数据和目标动作短视频数据进 行预测， 得到人体动作形态的偏移量； 所述通过目标姿态形状预估模型对压缩后的目标格式行走数据和目标动作短视频数 据进行预测， 得到人体动作形态的偏移量， 包括： 通过目标姿态形状预估模型对压缩后的目标格式行走数据进行检测， 得到连续行走关 键点； 根据历史行走数据对所述连续行走关键点的位置进行定量分析， 得到行走关键点偏移 量； 通过所述目标姿态形状预估模型对压缩后的目标动作短视频数据进行检测， 得到动作 形态完成度； 根据所述行 走关键点偏移量和动作形态完成度预测出 人体动作形态的偏移量。 2.如权利要求1所述的基于骨骼AI视频的病例改进方法， 其特征在于， 所述在所述数据 格式均不为目标数据格式时， 对所述行走骨骼视频数据和所述动作骨骼视频数据进行格式 转换， 得到目标格式行 走数据和目标动作短视频 数据， 包括： 在所述数据格式均不为目标数据格式时， 对所述行走骨骼视频数据进行格式转换， 得 到目标格式行 走数据； 根据所述动作骨骼视频 数据得到对应的动作数量； 按照所述动作数量对所述动作骨骼视频 数据进行裁 剪， 得到各个动作短视频 数据； 对所述各个动作短视频 数据进行格式转换， 得到目标动作短视频 数据。 3.如权利要求1或2中任一项所述的基于骨骼AI视频的病例改进方法， 其特征在于， 所 述根据目标健康管理策略获取在预设时间段内的目标 形态偏移量， 包括：权　利　要　求　书 1/3 页 2 CN 114998816 B 2根据所述人体动作形态的偏移量在健康管理策略集 合中选取目标健康管理策略； 根据预设标签策略对所述人体动作形态的关键点进行 标记， 得到目标位置标记点； 根据目标健康管理策略对所述目标用户的身体 状态进行调理； 通过所述目标位置标记点对调理后的身体状态进行追踪， 得到在预设时间段内的目标 形态偏移量。 4.如权利要求3所述的基于骨骼AI视频的病例改进方法， 其特征在于， 所述通过所述目 标位置标记点对调理后的身体状态进行追踪， 得到在预设时间段内的目标形态偏移量之 前， 还包括： 根据所述人体动作形态的偏移量得到对应的当前骨骼磨损度； 根据调理后的身体 状态得到对应的目标骨骼磨损度； 根据所述当前骨骼磨损度和所述目标骨骼磨损度确定骨骼磨损度差值； 通过时间编码设备对所述骨骼磨损度差值进行计算， 得到预设时间段。 5.如权利要求1或2中任一项所述的基于骨骼AI视频的病例改进方法， 其特征在于， 所 述在所述人体动作形态的偏移量与所述 目标形态偏移量一致时， 根据所述基本数据、 所述 生理数据以及所述目标健康管理策略生成目标健康知识图谱， 包括： 根据所述人体动作形态的偏移量得到对应的现实形态序列； 根据所述目标 形态偏移量得到目标姿势序列； 在通过运动识别设备判定所述现实形态序列与 所述目标姿势序列一致 时， 根据所述生 理数据得到当前病状危险程度和并发症状； 根据所述基本数据、 当前病状危险程度、 并发症状以及所述目标健康管理策略生成目 标健康知识图谱。 6.一种基于骨骼AI视频的病例改进装置， 其特征在于， 所述基于骨骼AI视频的病例改 进装置包括： 获取模块， 用于获取目标用户的基本数据、 生理数据以及运动骨骼视频 数据； 预测模块， 用于通过目标姿态形状预估模型对所述运动骨骼视频数据进行预测， 得到 人体动作形态的偏移量； 所述获取模块， 还用于根据目标健康管理策略获取在预设时间段内的目标形态偏移 量； 生成模块， 用于在所述人体动作形态的偏移量与所述目标形态偏移量一致时， 根据所 述基本数据、 所述 生理数据以及所述目标健康管理策略生成目标健康知识图谱； 管理模块， 用于根据所述目标健康知识图谱对所述目标用户的健康进行管理， 以及根 据所述目标健康知识图谱 对初始病例进行改进； 所述预测模块， 还用于根据 所述运动骨骼视频数据得到对应的行走骨骼视频数据和动 作骨骼视频数据； 分别提取所述行走骨骼视频数据和动作骨骼视频数据的数据格式； 在所 述数据格式均不为目标数据格式时， 对所述行走骨骼视频数据和所述动作骨骼视频数据进 行格式转换， 得到目标格式行走数据和目标动作短视频数据； 通过预设标准压缩策略分别 对所述目标格式行走数据和所述目标动作短视频数据进行压缩； 通过目标姿态形状预估模 型对压缩后的目标格式行走数据和目标动作短视频数据进 行预测， 得到人体动作形态的偏 移量；权　利　要　求　书 2/3 页 3 CN 114998816 B 3