运动干预计算机辅助认知训练系统设计

来源 :软件工程 | 被引量 : 0次 | 上传用户:cccccdddddccccccccc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在中国步入中等老龄化社会以及新冠肺炎对认知障碍患者的感染性更强的背景下,针对认知障碍患者的康复训练,提出通过运动锻炼来干预认知训练的认知康复软件训练系统。该系统由Kinect数据采集模块和康复训练软件模块构成,结合数据库,实现运动锻炼干预认知训练。通过镜像的模型映射促进认知功能锻炼,通过循环多次检测保证姿势识别率,通过运动干预提高认知训练的康复效果。通过该系统可以将运动锻炼和认知训练相结合,虚拟训练可以提高患者的训练兴趣和注意力,为认知障碍的非药物治疗手段提供新的思路和方法。
其他文献
为了进一步了解情感分析方向的发展趋势,通过对基于机器学习的情感分析文献的整理与分析,首先对国内外基于机器学习的情感分析方法进行了梳理,介绍了相关方法的基本原理及算法改进;其次列举了几种方法在电子商务、餐馆评价和灾害管理中的实际应用,对当前情感分析应用中存在的主要困难进行探讨,对相关方法处理能力进行评价;最后得出了上下游任务结合的处理方法值得深入研究的结论,给出了对情感分析未来研究趋势的展望,提出了
针对传统音乐流派分类模型性能不稳定、音乐信号特征单一导致分类准确率低的问题,提出了改进的BP神经网络(Back Propagation Neural Network)音乐流派分类模型,通过Python的Librosa库提取了音乐的均方根能量、过零率、频谱质心、频谱对比度等多种特征,并使用PCA(Principal Component Analysis)和LDA(Linear Discriminan
在自动扶梯场景下的视频人体动作识别中,视频数据源不稳定,如遮挡、多视角、光照、低分辨率、动态背景以及背景混乱等均导致动作分类及检测不准确。针对这些问题,提出使用基于改进的SlowFast网络的人体动作识别方法,以更好地捕获视频连续帧中隐藏的时间和空间信息。通过与R(2+1)D卷积网络模型的识别准确率进行对比,改进的SlowFast网络模型在视频中的动作分类和检测方面都表现了很好的性能,能够有效地解