本发明涉及运动姿态评估，尤其涉及一种基于肌肉信号的姿态识别方法、装置、设备及存储介质。
背景技术：
1、神经、软骨、半月板、肌腱、肌肉、骨等肢体损伤是临床常见的损伤。据统计，下肢损伤的发病率居于各类损伤的首位，我国发病率为7.9％-47.3％。下肢肌肉或者骨组织损伤，极大程度影响患者的生活质量。由于肢体损伤的复杂性，目前缺乏系统性、准确性、科学性、量化指标引导的早期康复器具，可能引起病情发展而导致肢体功能障碍，甚至引起肢体伤残并严重影响患者的生活质量。因此，面对复杂、多样化的肢体损伤，手术或治疗后，在康复训练时如何实现科学、有效、安全地肢体运动康复锻炼，运动姿态的识别作为如何以客观可量化指标作为牵引，引导患者进行有效锻炼的关键环节，是迫切需要解决的问题。
技术实现思路
1、基于此，有必要针对上述问题，提出了一种基于肌肉信号的姿态识别方法、装置、设备及存储介质。
2、一种基于肌肉信号的姿态识别方法，所述方法包括：
3、获取肢体动作时的肌肉信号，所述肌肉信号包括：模拟量肌电信号、模拟量肌力信号及模拟量阻抗信号；
4、将所述模拟量肌电信号转换为数字量肌电信号，将所述模拟量肌力信号转换为数字量肌力信号，将所述模拟量阻抗信号转换为数字量阻抗信号；
5、提取所述数字量肌电信号的第一特征信号、提取所述数字量肌力信号的第二特征信号及提取所述数字量阻抗信号的第三特征信号；
6、将所述第一特征信号、第二特征信号和第三特征信号输入至姿态识别模型，以获取对应的姿态信息及肌肉疲劳度。
7、在一个实施例中，所述提取所述数字量肌电信号的第一特征信号、提取所述数字量肌力信号的第二特征信号及提取所述数字量阻抗信号的第三特征信号之前还包括：
8、对所述数字量肌电信号、所述数字量肌力信号和所述数字量阻抗信号进行放大和滤波处理。
9、在一个实施例中，所述提取所述数字量肌电信号的第一特征信号包括：
10、将所述数字量肌电信号进行分割，以获得肢体的第一活动时间段，并标记肌肉动作的第一有效时间段，根据所述第一有效时间段确定所述数字量肌电信号的第一均方根；
11、对所述数字量肌电信号在时域上进行间隔分组，计算时域间隔内所述数字量肌电信号的第一平均值；
12、根据所述第一均方根和所述第一平均值确定所述第一特征信号。
13、在一个实施例中，所述提取所述数字量肌力信号的第二特征信号包括：
14、将所述数字量肌力信号进行分割，以获得肢体的第二活动时间段，并标记肌肉动作的第二有效时间段，根据所述第二有效时间段确定所述数字量肌力信号的第二均方根；
15、对所述数字量肌力信号在时域上进行间隔分组，计算时域间隔内所述数字量肌力信号的第二平均值；
16、根据所述第二均方根和所述第二平均值确定所述第二特征信号。
17、在一个实施例中，所述提取所述数字量阻抗信号的第三特征信号包括：
18、将所述数字量阻抗信号进行分割，以获得肢体的第三活动时间段，并标记肌肉动作的第三有效时间段，根据所述第三有效时间段确定所述数字量阻抗信号的第三均方根；
19、对所述数字量阻抗信号在时域上进行间隔分组，计算时域间隔内所述数字量阻抗信号的第三平均值；
20、根据所述第三均方根和所述第三平均值确定所述第三特征信号。
21、在一个实施例中，所述姿态识别模型的建立包括：
22、获取肢体动作时的测试肌电信号，及所述测试肌电信号对应的测试姿态信息及测试肌肉疲劳度；
23、对所述测试肌电信号进行短时傅里叶变换得到信号频谱；
24、对所述信号频谱进行傅里叶变换得到谱图特征，所述谱图特征包括频谱信息和定时序列数据的频域信息；
25、以所述谱图特征作为所述姿态识别模型的输入，所述测试姿态信息及所述测试肌肉疲劳度作为所述姿态识别模型的输出，对所述姿态识别模型进行训练。
26、一种基于肌肉信号的姿态识别装置，所述装置包括：
27、获取模块，用于获取肢体动作时的模拟量肌电信号、模拟量肌力信号及模拟量阻抗信号；
28、转换模块，用于将所述模拟量肌电信号转换为数字量肌电信号，将所述模拟量肌力信号转换为数字量肌力信号，将所述模拟量阻抗信号转换为数字量阻抗信号；
29、提取模块，用于提取所述数字量肌电信号的第一特征信号、提取所述数字量肌力信号的第二特征信号及提取所述数字量阻抗信号的第三特征信号；
30、确定模块，用于将所述第一特征信号、第二特征信号和第三特征信号输入至姿态识别模型，以获取对应的姿态信息及肌肉疲劳度。
31、在一个实施例中，所述的基于肌肉信号的姿态识别装置，还包括：
32、处理模块，用于对所述数字量肌电信号、所述数字量肌力信号和所述数字量阻抗信号进行放大和滤波处理。
33、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
34、获取肢体动作时的模拟量肌电信号、模拟量肌力信号及模拟量阻抗信号；
35、将所述模拟量肌电信号转换为数字量肌电信号，将所述模拟量肌力信号转换为数字量肌力信号，将所述模拟量阻抗信号转换为数字量阻抗信号；
36、提取所述数字量肌电信号的第一特征信号、提取所述数字量肌力信号的第二特征信号及提取所述数字量阻抗信号的第三特征信号；
37、将所述第一特征信号、第二特征信号和第三特征信号输入至姿态识别模型，以获取对应的姿态信息及肌肉疲劳度。
38、一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：
39、获取肢体动作时的模拟量肌电信号、模拟量肌力信号及模拟量阻抗信号；
40、将所述模拟量肌电信号转换为数字量肌电信号，将所述模拟量肌力信号转换为数字量肌力信号，将所述模拟量阻抗信号转换为数字量阻抗信号；
41、提取所述数字量肌电信号的第一特征信号、提取所述数字量肌力信号的第二特征信号及提取所述数字量阻抗信号的第三特征信号；
42、将所述第一特征信号、第二特征信号和第三特征信号输入至姿态识别模型，以获取对应的姿态信息及肌肉疲劳度。
43、本技术通过获取肢体动作时的模拟量肌电信号、模拟量肌力信号及模拟量阻抗信号；将所述模拟量肌电信号转换为数字量肌电信号，将所述模拟量肌力信号转换为数字量肌力信号，将所述模拟量阻抗信号转换为数字量阻抗信号；提取所述数字量肌电信号的第一特征信号、提取所述数字量肌力信号的第二特征信号及提取所述数字量阻抗信号的第三特征信号；将所述第一特征信号、第二特征信号和第三特征信号输入至姿态识别模型，以获取对应的姿态信息及肌肉疲劳度。可有效的确定患者的运动姿态，便于客观可量化的引导患者进行有效锻炼。
1.一种基于肌肉信号的姿态识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于肌肉信号的姿态识别方法，其特征在于，所述提取所述数字量肌电信号的第一特征信号、提取所述数字量肌力信号的第二特征信号及提取所述数字量阻抗信号的第三特征信号之前还包括：
3.根据权利要求1所述的基于肌肉信号的姿态识别方法，其特征在于，所述提取所述数字量肌电信号的第一特征信号包括：
4.根据权利要求1所述的基于肌肉信号的姿态识别方法，其特征在于，所述提取所述数字量肌力信号的第二特征信号包括：
5.根据权利要求1所述的基于肌肉信号的姿态识别方法，其特征在于，所述提取所述数字量阻抗信号的第三特征信号包括：
6.根据权利要求1所述的基于肌肉信号的姿态识别方法，其特征在于，所述姿态识别模型的建立包括：
7.一种基于肌肉信号的姿态识别装置，其特征在于，所述装置包括：
8.根据权利要求7所述的基于肌肉信号的姿态识别装置，其特征在于，还包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
