基于Kinect技術的胸外心臟按壓輔助訓練系統研究

摘 要：隨著計算機視覺和人機交互技術的發展，運動捕捉技術逐漸開始在各領域得到應用和普及，具有較強的教學實踐指導意義。本文根據對心肺復蘇（CPR）教學現狀的需求分析，研究開發了一種基于Kinect技術的胸外心臟按壓輔助訓練系統，旨在提高醫療專業人員在緊急情況下執行高質量心肺復蘇的能力。系統通過實時捕捉操作者的動作并提供反饋，幫助用戶學習和改進按壓技巧。研究結果表明，該系統能夠有效提高用戶的CPR技能，具有較高的實用性和教育價值。

關鍵詞：Kinect；胸外心臟按壓；輔助訓練

中圖分類號：TP 31 文獻標志碼：A

心臟驟停是臨床上常見的危急重癥，致死率高[1]。高質量的CPR能顯著提升患者生存率，但CPR普及率低，尤其在中國，大眾普遍缺乏相關知識。非專業人員因缺乏訓練，操作可能不規范，影響救援效果。傳統胸外心臟按壓訓練方式成本高、反饋不及時、效率低。隨著技術發展，Kinect技術已應用于醫療領域[2]，本系統通過捕捉人體三維骨骼信息，實時評估按壓深度、頻率和姿勢，提供即時反饋，解決傳統訓練不足。當前，CPR教學正借助互聯網等新興媒體，從面對面教學向多樣化方式轉變，促進技能普及[3]。BESKIND等[4]發現視頻訓練在提高CPR技能質量和反應能力方面優勢顯著。PAGLINO M等[5]研究了一個以視頻為媒介的小學生CPR教學計劃，學生通過視頻學習CPR操作，并在人體模型上進行練習。NAS等[6]發現虛擬培訓在胸部按壓速度上優于面對面培訓，但在按壓深度上稍顯不足。LEARY等[7]創建了一個模擬的虛擬現實環境，學員可以與環境互動，并且參與訓練的人體模型能夠提供反饋。萬資鈺[8]在高級生命支持訓練系統中加入了Kinect圖像識別技術用來對訓練者操作過程中訓練姿態進行識別與糾正。

1 相關技術與開發平臺

1.1 Kinect技術概述

Kinect V2擁有三個關鍵組件：紅外投影器、彩色攝像頭和紅外攝像頭。紅外投影器與紅外攝像頭協同工作，實現深度感知，能夠捕捉深度圖像并進行人體跟蹤。彩色攝像頭則負責捕捉場景和人物的RGB圖像，提供彩色圖像流，使得簡單的人臉識別成為可能。此外，Kinect V2底部配備了四個麥克風，它們線性排列且等距分布，能夠同時收集聲音信息，并通過數字語音處理技術，實現聲源定位。Kinect V1和Kinect V2的骨骼追蹤功能是其顯著特點之一，能夠精確地定位和追蹤人體骨骼關節點，提供實時的3D骨骼坐標信息，為各種應用提供了強大的交互能力。Kinect在醫療范疇的應用廣泛，涵蓋復健操練、體態量化、機能評價、人身辨識以及新科技探索等多重要領域。

1.2 Unity3D三維建模平臺

該系統將動畫創作中的角色原型引入至虛擬建構環境，開展相應劇本的編撰，以此實現虛擬行動的復刻。Unity3D系UnityTechnologies企業所研發之軟件工具，專為生成三維動畫、構建虛擬環境與執行物理運算等任務而設計，具備跨平臺特性，適用于游戲開發及其他多媒體應用領域。作為一款跨平臺的開發工具，Unity3D集成了三維游戲引擎所需的編輯器框架、圖像渲染模塊、地形處理系統等核心功能，能夠生成引人入勝的三維視覺體驗。該工具所配套的編程語言包括C#與JavaScript等，允許開發者在Unity3D的開發環境中便捷地制作出動態的三維視覺效果。X、開放圖形庫技術。很多類似于Maya、使用如3D Max在內的流行三維建模工具所創建的內容能夠順暢且高效地集成至Unity3D環境。

2 輔助訓練系統的實現

為了構建胸外按壓輔助訓練系統，第一步是收集運動信息。該系統利用無須人體額外佩戴的Kinect體感裝置來獲取動作數據，并將這些實際操作記錄為虛擬檔案。建立基準數據庫至關重要，因為它直接影響著整個輔助平臺的專業水平和實用性。

2.1 標準數據庫的設計

構建規范數據庫的核心要素如下。1）**數據收集流程**：應選用具備專業知識的急救人員進行操作，確保采用標準化的心肺復蘇胸外按壓動作作為數據采集的基礎，以確保數據的精度和一致性。 2） **數據標準化與準確性**：建立一個專業且標準化的數據庫，能有效降低因參考數據偏差導致的評估不精確問題，從而減輕后續數據處理與調整的工作負擔。 3） **任務模型與用戶匹配**：在計算動作數據時，需通過調整任務模型與用戶之間的對應關系，確保動作的準確性和兼容性。此步驟涉及執行三種不同動作，通過這些動作姿態來校正人體各部位與Unity虛擬人物骨骼的相對位置，這直接影響了數據的準確性及其后續處理的復雜度。 4）**Kinect數據采集**：在使用Kinect設備進行數據收集時，應將其完整記錄救護員的動作過程，以便于在后續的數據修正階段，以視頻為依據，提供直觀的參考，確保數據的可靠性和精確性。在構建數據庫時，須收集若干批次數據，各批次中急救人員面對Kinect紅外攝像頭的角度各異。

2.2 人體姿態特征提取

本文提取的角度特征、速度特性均遵循核心數據特性提取的準則：一是特征數據能刻畫動作的獨有狀況；二是特征數據在動作全周期內保持連貫性與穩定性，實現了從原始數據到簡化形式的降維，從而縮減了運算負荷，減輕了計算難度；三是即便遭遇不可抗力的外界干擾，特征數據仍具備不變性。利用抽取的人體姿態角度特征作為后續章節中DTW算法匹配對應幀的評判基準。利用提取效率及方向屬性作為評估標準。

2.3 DTW算法匹配

該系統運用DTW算法對測試個體的動作序列與基準動作序列的相應幀進行匹配，匹配準則基于所抽取的人體姿勢角度特性。DTW算法憑借其簡潔與高效的特點，普遍應用于語音識別、文本信息匹配等范疇，乃是一種旨在優化模板匹配的算法。該方法的核心理念在于，通過拉長及壓縮時間序列，以評估測試案例與基準案例之間的相似度，進而構建一條連接二者的時間校準對應軌跡。在求解環節，目標是識別兩個樣本間累積距離最短的路徑，以此界定最優路徑。

Kinect 采集的數據的速率大約 30 幀/s，一個動作序列可看作為連續多幀骨架數據的集合。定義兩個動作序列U=（U1，U2，…，Um）和V=（V1，V2，…，Vn），U為測試序列，V為標準序列，長度分別m幀和n幀。通常情況下m≠n，需要構建一個m×n的矩陣網格，定義矩陣D如公式（1）所示。

（1）

最優匹配路徑如圖1 所示，為了在該網格矩陣內識別一條涵蓋特定節點的最短路徑，此路徑連接的節點代表了兩個序列各自幀中的對應點。將此最短路徑命名為有序路徑WK=（ω1，ω2，…，ωK）這一組連續矩陣元素用來映射動作序列U、V的角度特征對應關系，W的第k-1、k個元素分別定義WK-l=D（i'，j'）k-l，Wk=D（i，j）k。這條最優路徑要滿足以下4個約束條件。1）邊界約束：ω1=D（1，1）， ωk=D（m，n）。2） 有界性：max（m，n）≤k≤m+n-1。3）連續性：ωi=D（i，j）" "ωk-1=D（i'，j'），i-i'≤1，j-j'≤1。4）單調性：不允許同時出現i-i'=1，j-j'=1。

根據上述幾個約束條件，計算距離矩陣的最優路徑，如果序列U中的某一幀Ui和序列V中的某一幀Vj，對應到最優路徑中的同一個元素上，那么Ui和Vj即是對應幀。

2.4 系統評分設計

本系統的中心模塊為評分機制的構建，融合DTW算法匹配幀間關節的角度及速度指標。以計算測試參與者執行的動作序列與預定標準動作序列之間的角度偏差作為評估基準：鑒于心肺復蘇過程中按壓動作的特性，此設計方案進一步分析了動作序列的速度參數，將速度的離散程度作為評價的另一關鍵指標。此外，該平臺還將提供太極動作的時長信息，并通過整合分析，評定成績。評分算法具體計算流程如圖2所示。

2.4.1 人體姿態角度差異計算

假設長度分別為m幀和n幀的兩個動作序列A=（A1，A2，…，Am）和B=（B1，B2，…，Bn）有k個對應幀。A為測試序列B為標準序列。Bi幀對應的角度特征為θi，幀Bi對應的角度特征用θi表示（角度特征是一個16維的向量），測試動作序列A與標準動作序列B的距離即把A中每個幀與其對應幀的距離求和再取平均值（即DAngle），如公式（2）所示。

（2）

式中：Di Angle表示Bi幀角度特征與Bi幀角度特征的曼哈頓距離；Bi表示序列B中的任意一幀；Bi'表示序列A中，與幀Bi對應的幀。

2.4.2 人體姿態速度差異計算

序列A與序列B之間對應幀的速度偏差計算機制相仿。令Bi幀的速度特征為vi，Bi'幀的速度特征為vi'（速度特征是一個20維的向量，表示每個關節點的瞬時速度）。序列A與序列的速度特征距離計算如公式（3）所示。

（3）

式中：Di Speed表示Bi幀速度特征與Bi'幀速度特征的曼哈頓距離。

2.4.3 得分計算

上述計算反映的是兩個動作序列間的差異度，序列間越是相像，其距離數值越低；反之，若序列差異顯著，則距離數值相應增加。借助轉換，將間距轉化為評價指標，具體而言，若間距更廣，則評分較低；反之，若間距較窄，則評分較高。映射公式如公式（4）所示。

S=α·（S-β） （4）

式中：S表示角度或者速度得分；α與β是映射參數，應該根據實際測試情況選擇合理的值，使得分能映射到合理的范圍內。

2.4.4 系統的三維重建

在三維組件的設計探索中，旨在克服將Kinect捕獲的各個關節旋轉信息映射至Unity3D角色模型對應關節位置的挑戰。一旦收集到特定關鍵點的信息，鑒于Kinect固有的噪聲影響，就必須執行去噪操作以優化數據質量。為保證人物姿態和生理構造的一致性，對各關鍵點的轉動進行必要的限制。此步驟旨在生成更為自然、合理的模型姿勢。最后，通過調整Kinect坐標系統與Unity3D中的鏡像和旋轉校正，成功再現由Kinect捕獲的三維動作。

Kinect與Unity組件通過調用特定函數實現信息交換，其中Unity組件側重于利用二維繪圖工具構建虛擬環境及動作元素，在Unity3D平臺內執行模塊集成、數據解析與互動管理，以此確保能即時呈現用戶的三維動畫效果。

3 試驗設計與分析

選取30名學員對系統功能進行測試，將受試者分為AB兩組：A組未使用系統輔助訓練（15人）；B組使用系統輔助訓練（15人），經過兩周的分開訓練后測試。結果顯示B組平均得分（88.3）明顯高于A組平均得分（70.5），說明系統對CPR動作水平的提高具有顯著效果，提高了訓練的效率。成績見表1。

通過試驗數據來看，本系統對CPR動作的評價機制已經充分驗證了項目的可行性、可靠性和先進性。經過系統的輔助訓練后，在實際的CPR動作考核中成績提升顯著。評分較之前提高了20%～40% 。

4 結論

通過剖析胸外心臟按壓技巧教育現狀，本文明確了系統的任務及實施流程，并采用Kinect技術及Unity平臺，創制了一款旨在輔助練習者提升胸外按壓技能的訓練系統，該系統能夠評估操作者的動作準確性與及時性，并提供必要的反饋以糾正不規范的操作。動作捕捉單元能夠將用戶的彩色視頻流呈現在界面上，并在彩色視頻上標注出骨骼數據流所對應的空間坐標及關鍵點位置；動作評價單元已成功構建了對使用者動作進行評判與修正的功能，展現出較為理想的性能；而實現的三維重構組件，則具備即時將收集到的被試者運動信息輸入至角色模型內，進而操控虛擬角色的能力。此方案旨在適當地輔佐傳統教學，不僅能夠幫助用戶對其動作進行自我校準與修正，還能提升訓練的科學性與吸引力。通過實施自主學習與自我評估機制，成功克服了傳統胸外按壓技藝教學中的效率低下及反饋滯后難題，為推行系統化與科學性的胸外按壓技能實踐與培訓，提供了堅實的數據支撐。進而顯著提升了訓練效能，展現出極高的實踐價值。對Kinect在體育、在虛擬現實顯示、動畫創作、體感互動游戲等范疇的應用，具備實際的借鑒意義。

參考文獻

[1]王歡，鄭家偉，彭登高.心臟驟停患者心肺復蘇后自主循環恢復和生存的影響因素分析[J].嶺南急診醫學雜志，2024，29（2）： 82-85.

[2]曹雅，于生元. Microsoft Kinect 體感技術在神經系統疾病中的應用[J].醫學研究生學報，2017（3）：329-332.

[3]高玉潔，劉京銘，唐曉英，等.心肺復蘇教學及實踐智能化輔助技術的研究進展[J].中國急救醫學，2022（1）：76-80.

[4]BESKIND D L， STOLZ U， THIEDE R，et al. Viewing a Brief"Chest-Compression-Only CPR Video Improves Bystander CPR Performance and Responsiveness In High School Students； a cluster randomized trial.[J]. Resuscitation， 2016（104）：28-33.

[5]PAGLINO M， CONTRI E， BAGGIANI M， et al. A video-based training to effectively teach CPR with long-term retention： the ScuolaSalvaVita.it （“SchoolSavesLives.it”） project.[J]. Internal amp; Emergency Medicine， 2019（2）：275-279.

[6]ORIS NAS J T P V. Effect of Face-to-Face vs Virtual Reality"Training on Cardiopulmonary Resuscitation Quality， A Randomized"Clinical Trial[J]. JAMA cardiology， 2020（3）：328-335.

[7]LEARY， MARION. Method and Systems for Virtual and Augmented"Reality Training for Responding to Emergency Conditions： WO2018US29387[P]. WO2018200692A1， 2018.

[8]萬資鈺.高級生命支持訓練系統的設計與實現[D].沈陽：遼寧大學，2017.