1.本发明涉及辅助训练
技术领域：
：，尤其涉及一种假肢控制的训练方法、终端设备及计算机可读存储介质。
背景技术：
：：2.假肢的使用者完成抓取动作会比正常人耗费更多的时间和精力，需要长期反复地训练才能达到精准控制。然而，现有假肢使用训练过程依靠康复训练医生的肉眼观察以评估训练效果，容易出现偏差，训练效果无法得到有效提升和客观量化考核。3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。技术实现要素：4.本发明的主要目的在于提供一种假肢控制的训练方法、终端设备及计算机可读存储介质，旨在解决依靠康复训练医生的肉眼观察以评估训练效果，训练效果无法得到有效提升和客观量化考核的问题。5.为实现上述目的，本发明提供一种假肢控制的训练方法，所述假肢控制的训练方法包括：6.获取用户基于当前的训练教程给出的目标动作指令，进行动作时的实际神经电和肌肉电信号；7.根据所述实际神经电和肌肉电信号确定所述用户动作时假肢模型产生的实际动作信息；8.根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定所述用户完成目标动作的准确度。9.可选地，根据所述实际神经电和肌肉电信号确定所述用户动作时产生的实际动作信息的步骤包括：10.根据所述实际神经电和肌肉电信号确定所述用户动作时对应的动作控制指令；11.获取所述动作控制指令对应的运动控制参数；12.根据所述运动控制参数控制所述假肢模型动作，以确定所述用户动作时所述假肢模型产生的实际动作信息。13.可选地，根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定所述用户完成目标动作的准确度步骤包括：14.比对所述实际神经电和肌肉电信号以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，得到信号比对结果；15.根据所述实际动作信息、当前的所述训练教程所对应的基准动作信息以及所述信号比对结果确定所述用户完成目标动作的准确度。16.可选地，比对所述实际神经电和肌肉电信号以及当前的所述训练教程对应的基准动作信号，得到信号比对结果的步骤包括：17.获取所述实际神经电和肌肉电信号对应的各个通道的子神经电和子肌肉电信号；18.获取当前的所述训练教程的基准动作信号对应的各个通道的子基准动作信号；19.基于每个相同的通道，比对所述通道的所述子神经电和子肌肉电信号以及所述子基准动作信号以确定每个所述通道的信号比对结果，和/或，基于每个相同的通道，根据所述通道的子神经电和肌肉电信号以及子基准动作信号确定每个所述通道的相关系数；20.根据各个所述通道的信号比对结果，和/或，各个所述通道的相关系数得到信号比对结果。21.可选地，根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定所述用户完成目标动作的准确度步骤之后，包括：22.根据所述用户完成目标动作的准确度确定所述用户的待训练教程。23.可选地，根据所述用户完成目标动作的准确度确定所述用户的待训练教程的步骤包括：24.在所述准确度大于或者等于预设准确度时，将与当前的所述训练教程相邻的下一训练教程确定为所述用户的待训练教程；25.在所述准确度小于预设准确度时，将所述用户的待训练教程确定为当前的训练教程。26.可选地，根据所述实际神经电和肌肉电信号确定所述用户动作时假肢模型产生的实际动作信息的步骤包括：27.根据所述实际神经电和肌肉电信号确定在预设时长内所述用户动作时假肢模型产生的实际动作信息；28.所述根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定用户完成目标动作的准确度的步骤包括：29.根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，确定所述假肢模型在预设时长内动作时的目标动作的完成次数以及动作的总次数，所述目标动作是当前的所述训练教程所对应的基准动作信息确定的训练动作；30.根据所述完成次数以及所述总次数确定所述假肢模型在预设时长内动作时的准确率，以得到所述用户完成目标动作的准确度。31.可选地，根据所述实际神经电和肌肉电信号确定所述用户动作时假肢模型产生的实际动作信息的步骤包括：32.根据所述实际神经电和肌肉电信号确定在预设时长内所述用户动作时假肢模型产生的实际动作信息；33.所述根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定用户完成目标动作的准确度的步骤包括：34.根据所述动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，确定完成当前的所述训练教程所对应的基准动作信息确定的训练动作的时长，并更新完成当前的所述训练教程所对应的基准动作信息确定的训练动作的次数；35.根据所述时长以及所述次数确定所述用户完成目标动作的准确度。36.此外，为实现上述目的，本发明还提供一种终端设备，所述终端设备包括：存储器、处理器以及存储在所述存储器里并可在所述处理器上运行的假肢控制的训练程序，所述假肢控制的训练程序被所述处理器执行时实现如以上所述假肢控制的训练方法的各个步骤。37.此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有假肢控制的训练程序，所述假肢控制的训练程序被所述处理器执行时实现如以上所述假肢控制的训练方法的各个步骤。38.本发明提出的假肢控制的训练方法、终端设备及计算机可读存储介质，在明确当前的训练教程的前提下，通过获取用户训练时的实际神经电和肌肉电信号以确定用户动作时假肢模型产生的实际动作信息，根据实际动作信息以及当前的训练教程多对应的基准动作信息，以确定用户完成目标动作的准确度，也即通过用户基于训练教程训练时操控假肢模型所实际呈现的动作，与训练教程所对应的基准动作信息确定的目标动作以评估用户训练的实际效果，进而确定用户完成目标动作的准确度，以量化用户训练的训练效果的同时，提升用户训练的质量与效果。附图说明39.图1为本发明的假肢控制的训练方法各个实施例涉及的终端设备的结构示意图；40.图2为本发明的假肢控制的训练方法第一实施例的流程示意图；41.图3为本发明的假肢训练方法第一实施例中通过运动控制参数控制假肢模型动作的示意图；42.图4为本发明的假肢控制的训练方法第二实施例的流程示意图；43.图5为8通道神经电和肌肉电信号图；44.图6为8通道雷达图；45.图7为本发明的假肢控制的训练方法第三实施例的流程示意图；46.图8为本发明的假肢控制的训练方法第四实施例的流程示意图；47.图9为抓取过程的示意图。48.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式49.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。50.在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或者“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或者“单元”可以混合地使用。51.终端设备可以以各种形式来实施。例如，本发明中描述的终端设备可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(personaldigitalassistant，pda)、便捷式媒体播放器(portablemediaplayer，pmp)、导航装置、可穿戴设备、智能手环、计步器等移动终端。52.本领域技术人员可以理解的是，除了特别用于移动目的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的移动终端。53.请参考图1，图1为本发明的假肢控制的训练方法各个实施例涉及的终端设备的结构示意图。如图1所示，该终端设备可以包括：存储器101以及处理器102。本领域技术人员可以理解，图1示出的终端的结构框图并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中，存储器101中存储有操作系统以及假肢控制的训练程序。处理器102是终端设备的控制中心，处理器102执行存储在存储器101内的假肢控制的训练程序，以实现本发明的假肢控制的训练方法各实施例的步骤。可选地，终端设备还可包括显示单元103，显示单元103包括显示面板，可采用液晶显示器(liquidcrystaldisplay，lcd)、有机发光二极管(organiclight-emittingdiode,oled)等形式来配置显示面板，用于输出显示用户浏览的界面。54.基于上述终端设备的结构框图，提出本发明的假肢控制的训练方法的各个实施例。55.在第一实施例中，本发明提供一种假肢控制的训练方法，请参考图2，图2为本发明的假肢控制的训练方法第一实施例的流程示意图。在该实施例中，假肢控制的训练方法包括以下步骤：56.步骤s10，获取用户基于当前的训练教程训练给出的目标动作指令进行动作时的实际神经电和肌肉电信号；57.神经电和肌肉电信号，也即肌电信号，是众多肌纤维中运动单元动作电位在时间和空间上的叠加。表面神经电和肌肉电信号是浅层肌肉和神经干上电活动在皮肤表面的综合效应，能在一定程度上反映神经肌肉的活动。58.在实际应用过程中，在用户进行控制假肢训练时，可通过输出与训练教程的训练动作对应的动作指令，以使得用户按照到动作指令进行动作训练，在用户基于动作指令进行动作训练时，用户按照动作指令产生动作引起肌肉活动，获取用户基于当前的训练教程训练时的实际神经电和肌肉电信号，可通过肌电传感器采集用户训练时的实际神经电和肌肉电信号获取得到，也可通过设置于用户手臂上的臂环或者接受腔采集用户训练时的实际神经电和肌肉电信号获取得到，对此不做限定。59.步骤s20，根据所述实际神经电和肌肉电信号确定所述用户动作时假肢模型产生的实际动作信息；60.需要说明的是，用户训练前，利用三维绘图软件构建假肢模型以及坐标系，使用图形开发包导入假肢模型，此外，将训练教程、训练教程对应训练动作、训练动作对应的神经电和肌肉电信号、训练动作对应的动作信息以及动作控制指令确定假肢模型对应的运动控制参数之间的对应关系可预先录入系统的数据库，其中，训练动作对应的神经电和肌肉电信号作为基准动作信号(也即基准神经电和基准肌肉电信号)，动作控制指令确定假肢模型对应的运动控制参数可控制假肢模型动作。61.示例性地，假肢造价昂贵，为了避免佩戴假肢的用户在使用假肢进行训练时对假肢造成损耗，在本实施例中，通过基于虚拟现实的假肢训练系统，以辅助用户进行假肢控制的训练，在用户未佩戴假肢的情况下，通过输出训练教程所指示的训练动作对应的动作指令以指示用户进行训练，进而获取用户基于当前的训练教程训练时的实际神经电和肌肉电信号，以进一步根据实际神经电和肌肉电信号所确定的动作信息，以通过动作信息控制虚拟的假肢模型运动，进而确定用户在训练时是否按照训练教程的指示准确做出与训练教程相对应的动作，以评估用户训练的效果。62.作为一种可选的实施方式，步骤s20包括：63.根据所述实际神经电和肌肉电信号确定所述用户动作时对应的动作控制指令；64.获取所述动作控制指令对应的运动控制参数；65.根据所述运动控制参数控制所述假肢模型动作，以确定所述用户动作时所述假肢模型产生的实际动作信息。66.在实际应用过程中，用户在接收到训练动作对应的动作指令时，用户按照动作指令产生动作引起肌肉活动，获取用户的实际神经电和肌肉电信号，进而比对实际神经电和肌肉电信号与预存的训练动作对应的神经电和肌肉电信号，在实际神经电和肌肉电信号与预存的训练动作对应的神经电和肌肉电信号匹配时，可获取该预存的训练动作对应的动作控制指令，以确定用户动作时对应的动作控制指令。67.可选地，步骤获取所述动作控制指令对应的运动控制参数包括：68.获取与所述动作控制指令对应的所述假肢模型中各个关节动作时的转动角度；69.根据每个所述关节动作时的转动角度以及预设的基准坐标系确定所述关节动作后的目标坐标参数，以得到运动控制参数。70.需要说明的是，基于三维绘图软件构建价值模型以及坐标系，设定假肢模型的各个关节的装配关系以及关节坐标系，根据假肢运动学建立基准坐标系，获得各个关节坐标系相对基准坐标系运动的转动矩阵，具体可参考图3，图3为本发明的假肢训练方法第一实施例中通过运动控制参数控制加之模型动作的示意图。也即，获取与确定的动作信息对应的假肢模型中各个关节动作时的转动角度，基于预设的基准坐标系，根据各个关节动作时的转动角度确定每个关节动作后的目标坐标参数，以获取得到运动控制参数，通过运动控制参数控制假肢模型动作，以使得用户按照训练教程的动作指令而产生的动作所引起的肌肉活动控制假肢模型动作进行可视化。71.可以理解的是，动作控制指令与假肢模型的各个关节动作时的转动角度之间的对应关系可预先进行设置，在确定动作控制指令的前提下，可获取与动作控制指令对应的假肢模型中各个关节动作时的转动角度。72.根据运动控制参数控制假肢模型动作，以确定所述用户动作时所述假肢模型产生的实际动作信息，通过运动控制参数控制假肢模型动作，以使得用户按照训练教程的动作指令而产生的动作所引起的肌肉活动控制假肢模型动作进行可视化，也即根据运动控制参数控制假肢模型动作的同时，可获取假肢模型按照运动控制参数动作时的实际动作信息，其中，动作信息是指假肢模型按照运动控制参数动作后的动作反馈信息，如握拳以及半握拳等，可选地，动作信息包括动作名称以及动作图像中的至少一个。73.可选地，动作名称可通过动作信息对应的训练动作确定，也可通过采集假肢模型按照运动控制参数动作后的动作图像识别获取得到，对此不做限定。74.步骤s30，根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定所述用户完成目标动作的准确度。75.需要说明的是，根据实际动作信息以及当前的训练教程所对应目标动作指令对应的基准动作信息，确定用户完成目标动作的准确度，在动作信息仅包括动作名称时，可比对动作名称以及训练教程所对应的基准动作信息确定的目标动作的训练动作名称，在动作名称与训练动作名称相同，则确定用户完成目标动作的准确度为100％，否则，用户完成目标动作的准确度为0；在动作信息仅包括动作图像时，可获取动作图像以及训练教程所对应的基准动作信息确定的目标动作的训练动作图形的相似度，根据相似度确定用户完成目标动作的准确度，举例来说，可获取相似度所在的预设相似区间，进而根据预设相似区间确定用户完成目标动作的准确度，例如：相似区间在0至30％，确定用户完成目标动作的准确度为40％；相似区间在30％至60％，确定用户完成目标动作的准确度为60％；相似区间在60％至100％，确定用户完成目标动作的准确度为90％，对此不做限定；在动作信息包括动作名称以及动作图像时，可比对动作名称以及训练教程所对应的基准动作信息确定的目标动作的训练动作名称，根据比对结果获取第一参考准确度，可获取动作图像以及训练教程所对应的基准动作信息确定的目标动作的训练动作图形的相似度，根据相似度获取第二参考准确度，进而分别获取第一参考准确度与第二参考准确度分别对应的权重值，根据第一参考准确度、第一参考准确度的权重值、第二参考准确度以及第二参考准确度的权重值以确定用户完成目标动作的准确度。76.需要说明的是，在本实施例中，在明确当前的训练教程的前提下，通过获取用户训练时的实际神经电和肌肉电信号以确定用户动作时产生的实际训练时对应的动作信息，进而通过动作控制指令确定假肢模型对应的运动控制参数控制假肢模型动作，以确定用户训练时操控假肢模型所实际呈现的动作，进一步根据获取到的假肢模型按照运动控制参数动作时的实际动作信息以及当前的训练教程多对应的基准动作信息，以确定用户完成目标动作的准确度，也即通过用户基于训练教程训练时操控假肢模型所实际呈现的动作，与训练教程所对应的基准动作信息确定的目标动作以评估用户训练的实际效果，进而确定用户完成目标动作的准确度，以量化用户训练的训练效果的同时，提升用户训练的质量与效果。77.作为一种可选的实施方式，步骤s30之后包括：78.根据所述准确度确定所述用户的待训练教程。79.通过用户基于训练教程训练时操控假肢模型所实际呈现的动作，与训练教程所对应的基准动作信息确定的目标动作以评估用户训练的实际效果，进而确定用户完成目标动作的准确度，以量化用户训练的训练效果，进一步地，通过根据准确度确定用户的待训练教程可提升用户训练的质量与效果，具体地，在准确度大于或者等于预设准确度时，表明用户基于训练教程训练时操控假肢模型所实际呈现的动作与目标动作大概率上匹配，将与当前的训练教程相邻的下一待训练教程确定为用户的待训练教程，以使得用户进入下一个待训练教程进行训练；在准确度小于预设准确度时，表明用户基于训练教程训练时操控假肢模型所实际呈现的动作与目标动作大概率上不匹配，将用户的待训练教程确定为当前的训练教程，以重复训练，进而提高用户完成目标动作的准确度，直到准确度大于或者等于预设准确度时，以使得用户进入下一个待训练教程进行训练。80.作为一种可选的实施方式，步骤s30之后包括：81.输出所述用户完成目标动作的准确度，以使得用户量化获知在用户完成目标动作的准确度，以量化用户训练的训练效果的同时，提升用户训练的质量与效果。82.为便于理解本实施例，举例来说，接收到全握拳的动作指令时，用户产生动作引起肌肉活动，获取用户的实际神经电和肌肉电信号，通过比对实际神经电和肌肉电信号与预存的训练动作对应的神经电和肌肉电信号，一种情况，用户产生的动作为全握拳引起肌肉活动，则实际神经电和肌肉电信号与训练动作为全握拳的神经电和肌肉电信号匹配度更高，获取与训练动作为全握拳对应的动作信息，进而获取与动作信息对应的动作控制参数，以通过动作控制参数控制假肢模型动作，也即假肢模型为全握拳，以使得用户产生的动作引起肌肉活动控制假肢模型动作进行可视化，并确认用户产生的动作引起肌肉活动与下发的训练教程为全握拳的动作指令匹配，进而达到指示用户对全握拳进行动作训练的目的；83.一种情况，用户实际产生的动作为半握拳引起肌肉活动，则实际神经电和肌肉电信号与训练动作为半握拳的神经电和肌肉电信号匹配度更高，获取与训练动作为半握拳对应的动作信息，进而获取与动作信息对应的动作控制参数，以通过动作控制参数控制假肢模型动作，也即假肢模型为半握拳，以使得用户产生的动作引起肌肉活动控制假肢模型动作进行可视化，并确认用户产生的动作引起肌肉活动与下发的训练教程为全握拳的动作指令不匹配，可通过动作修正提示信息，如当前为半握拳状态，可加大握手的动作力量以及幅度，以提示用户实现全握拳的动作训练；84.另一种情况，用户实际产生的动作引起肌肉活动产生的神经电和肌肉电信号与预存的训练动作对应的神经电和肌肉电信号均不匹配，也即，用户并未按照训练教程的动作指令准确做出训练教程对应的训练动作，可输出提示信息以提示用户按照训练教程的动作指令进行动作。可选地，提示信息包括但不限于语音信息、图文信息以及视频信息中的至少一种。其中，提示信息可以包括训练教程的训练动作的动作步骤指导信息，以便于用户做出与训练教程的动作指令对应的训练动作。85.在本实施例公开的技术方案中，在明确当前的训练教程的前提下，通过获取用户训练时的实际神经电和肌肉电信号以确定用户动作时假肢模型产生的实际动作信息，进而根据实际动作信息以及当前的训练教程多对应的基准动作信息，以确定用户完成目标动作的准确度，也即通过用户基于训练教程训练时操控假肢模型所实际呈现的动作，与训练教程所对应的基准动作信息确定的目标动作以评估用户训练的实际效果，进而确定用户完成目标动作的准确度，以量化用户训练的训练效果的同时，提升用户训练的质量与效果。86.在基于第一实施例的基础上提出本发明的假肢控制的训练方法的的第二实施例中，请参考图4，图4为本发明的假肢控制的训练方法第二实施例的流程示意图。在该实施例中，在该实施例中，步骤s30包括：87.步骤s31，比对所述实际神经电和肌肉电信号以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，得到信号比对结果；88.步骤s32，根据所述实际动作信息、当前的所述训练教程所对应的基准动作信息以及所述信号比对结果确定所述用户完成目标动作的准确度。89.容易理解的是，为更加准确且综合确定用户完成目标动作的准确度，可进一步比对实际神经电和肌肉电信号以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，根据实际动作信息、当前的训练教程所对应的基准动作信息以及信号比对结果确定用户完成目标动作的准确度，具体地，可比对动作名称以及训练教程所对应的基准动作信息确定的目标动作的训练动作名称，根据比对结果获取第一参考准确度，可获取动作图像以及训练教程所对应的基准动作信息确定的目标动作的训练动作图形的相似度，根据相似度获取第二参考准确度，可根据信号比对结果获取第三参考准确度，进而分别获取第一参考准确度、第二参考准确度以及第三参考准确度分别对应的权重值，根据第一参考准确度、第一参考准确度的权重值、第二参考准确度、第二参考准确度的权重值、第三参考准确度以及第三参考准确度的权重值以确定用户完成目标动作的准确度。90.作为一种可选的实施方式，步骤s31包括：91.获取所述实际神经电和肌肉电信号对应的各个通道的子神经电和肌肉电信号；92.获取当前的所述训练教程的基准动作信号对应的各个通道的子基准动作信号；93.基于每个相同的通道，比对所述通道的所述子神经电和子肌肉电信号以及所述子基准动作信号以确定每个所述通道的信号比对结果，和/或，基于每个相同的通道，根据所述通道的子神经电和子肌肉电信号以及子基准动作信号确定每个所述通道的相关系数；94.根据各个所述通道的信号比对结果，和/或，各个所述通道的相关系数得到信号比对结果。95.在实际应用过程中，获取实际神经电和肌肉电信号对应的各个通道的子神经电和子肌肉电信号，可在用户按照训练教程的动作指令所产生动作引起的肌肉活动时，通过臂环(或接受腔)多通道获取各个通道的子神经电和子肌肉电信号。96.基于预先设置的训练教程的基准动作信号与各个通道的子基准动作信号之间的对应关系，获取当前的训练教程的基准动作信号对应的各个通道的子基准动作信号。97.比对通道的子神经电和肌肉电信号以及子基准动作信号以确定每个通道的信号比对结果：98.具体地，一通道的神经电和肌肉电信号可以看作由n个离散元素组成的数组(系统采用频率fs在500hz-1khz之间，n＝fs*t1，t1为实际神经电和肌肉电信号录入的时间)：99.emg＝{x1,…,xn}ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(1)100.将每一通道信号取绝对值(或平方或先平方再开根号)，如公式(2)(或公式(3)、公式(4))所示。101.emgabs＝{|x1|,…,|xn|}ꢀꢀꢀꢀꢀꢀꢀꢀ(2)102.或[0103][0104]或[0105][0106]再按从大到小排列，计算前[20％n](取整)个元素的平均值，以此作为该信道的子神经电和肌肉电信号值emgt，j，j表示第j通道，j＝1，2，...，z(z为正整数)。[0107]相对应地，假设训练教程的基准动作信号对应的通道的子基准动作信号的子神经电和肌肉电信号值emgb，j，通道的信号比对结果可通过通道训练值emgt，j和基准值emgb，j的比值确定：[0108][0109]若各个通道的信号比对结果(比值)均为1，表明用户基于训练教程训练时操控假肢模型所实际呈现的动作与目标动作相同，若各个通道的信号比对结果(比值)中存在通道的信号比对结果不为1，表明用户基于训练教程训练时操控假肢模型所实际呈现的动作与目标动作不相同。[0110]示例性地，以8通道所对应的子神经电和肌肉电信号为例，图5为8通道神经电和肌肉电信号图，图6为8通道雷达图，通过输出假肢模型按照动作控制参数动作的动作信息以及雷达图可便于用户精准判断每次训练效果。[0111]雷达图可以直观地输出了结果，但是为了使用户更精确地了解自己的差距，基于每个相同的通道，根据通道的子神经电和子肌肉电信号以及子基准动作信号确定每个通道的相关系数，相关系数是研究两信号曲线之间线性相关程度，以8通道为例，分别计算8个通道的子基准动作信号值emgx和训练时的子神经电和肌肉电信号值emgy之间的相关系数如公式(5)所示，r越接近1，表明两信号曲线越相关。[0112][0113]每一次训练结果在屏幕上按表1形式呈现。[0114]表1相关系数(数据仅供参考)[0115]r1r2r3r4r5r6r7r80.550.450.780.660.32111[0116]需要说明的是，每训练1次，屏幕会显示此次训练的雷达图以及相关系数表格。每5次训练，系统会提醒用户休息一次，并将这5次训练结果呈现在电脑屏幕上。当用户5次训练结果都显示合格时(如5个雷达图里的8通道比值都接近于1时，以及5个相关系数表格里的数值都接近1时)，即完成此次训练教程的动作训练，用户便可更换动作，继续下一待训练教程。[0117]作为一种可选的实施方式，步骤s32之后，还包括：[0118]输出所述实际动作信息、所述基准动作信息以及所述信号比对结果，可便于用户对比获知自身的训练效果，以自身调整用户训练的质量与效果。[0119]在本实施例公开的技术方案中，通过比对实际神经电和肌肉电信号以及训练教程对应的基准动作信号，以确定用户训练时动作的实际幅度，进而明确用户训练所达到的力量训练，进一步通过综合实际动作信息、当前的训练教程所对应的基准动作信息以及比对实际神经电和肌肉电信号以及训练教程对应的基准动作信号的比对结果以确定用户的待训练教程，在通过用户基于训练教程训练时操控假肢模型所实际呈现的动作，与训练教程所对应的基准动作信息确定的目标动作以评估用户训练的实际效果的同时，通过比对结果以明确用户所达到的力量训练，进而确定用户完成目标动作的准确度，以量化用户训练的训练效果的同时，提升用户训练的质量与效果。[0120]基于上述任意一个实施例提出本发明的假肢控制的训练方法的第三实施例中，请参考图7，图7为本发明的假肢控制的训练方法第三实施例的流程示意图。在该实施例中，步骤s20包括：[0121]步骤s21，根据所述实际神经电和肌肉电信号确定在预设时长内所述用户动作时假肢模型产生的实际动作信息；[0122]步骤s30包括：[0123]步骤s33，根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，确定所述假肢模型在预设时长内动作时的目标动作的完成次数以及动作的总次数，所述目标动作是当前的所述训练教程所对应的基准动作信息确定的训练动作；[0124]步骤s34，根据所述完成次数以及所述总次数确定所述假肢模型在预设时长内动作时的准确率，以得到所述用户完成目标动作的准确度。[0125]动作信息包括动作名称以及动作图像中的至少一个。可选地，动作信息还包括动作次数。目标动作是当前的训练教程所对应的基准动作信息确定的训练动作。[0126]在实际应用过程中，举例来说，随机发送握拳指令，用户产生5s握拳运动意图，假肢模型随即发生握拳响应。但是可能由于用户控制不熟练，导致在这5s的时间内，假肢模型会产生如张开，仅拇指和食指闭合等其他动作响应，在本实施例中，为确定用户在训练过程中按照训练教程训练的准确度，可根据实际神经电和肌肉电信号确定在预设时长内用户动作时假肢模型产生的实际动作信息，进而根据动作信息确定假肢模型在预设时长内动作时的目标动作的完成次数以及动作的总次数，具体地，可通过统计表来统计这5s内用户控制假肢模型动作的情况，并计算此次用户完成目标动作的准确度。[0127]假设训练教程的训练动作为握拳，采样频率fs为1000hz，训练信号的采样时间t2为5s，每隔100ms系统就给出一次响应结果,共50次响应结果，最后将结果以表2的形式呈现在屏幕上。[0128]表2准确度统计表(数据仅参考)[0129]握拳张开拇指弯曲食指弯曲中指弯曲...不可识别10次2次1次3次1次...2次[0130]此次握拳的准确度为20％(也即(10/50)*100％)。[0131]需要说明的是，判断在5s内的训练信号是握拳信号，在本实施例中，引入了支持向量数据描述(svdd)算法，svdd是一种单值分类算法，能够实现目标样本和非目标样本的区分。以握拳为例，可以把系统随机发送动作指令-握拳信号数据看作目标样本x，其它动作信号数据看作非目标样本，在svdd中，目标样本的球心和半径的计算公式分别为：[0132][0133][0134]式中，xv∈sv，k(xi，xj)是核函数，等同于特征空间中样本的内积，即k(xi，xj)＝{φ(xi),φ(xj)}。[0135]其中，r是球体半径，a是球心，xi是目标样本点。[0136]对于训练样本xtest到球心的距离为：[0137][0138]若d≤r，说明训练样本在球体上或者内部，属于握拳动作；反之则不属于。如果训练样本不属于握拳，则按此方法依次判断训练样本所在的样本集合(是属于张开，还是拇指弯曲等)，都不属于，判定为不可识别。[0139]在本实施例公开的技术方案中，通过根据实际神经电和肌肉电信号确定在预设时长内用户动作时假肢模型产生的实际动作信息，以通过动作信息明确用户完成目标动作的次数以及动作的总次数，以确定用户在预设时长内完成目标动作的准确率，以评估用户对于训练教程的训练动作的准确度训练，实现量化用户训练的训练效果的同时，进一步提升用户训练的质量与效果。[0140]基于上述任意一个实施例提出本发明的假肢控制的训练方法的第四实施例中，请参考图8，图8为本发明的假肢控制的训练方法第四实施例的流程示意图。在该实施例中，步骤s20包括：[0141]步骤s22，根据所述实际神经电和肌肉电信号确定在预设时长内所述用户动作时假肢模型产生的实际动作信息；[0142]步骤s30包括：[0143]步骤s35，根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，确定完成当前的所述训练教程所对应的基准动作信息确定的训练动作的时长，并更新完成当前的所述训练教程所对应的基准动作信息确定的训练动作的次数；[0144]步骤s36，根据所述时长以及所述次数确定所述用户完成目标动作的准确度。[0145]动作信息包括动作名称以及动作图像中的至少一个。可选地，动作信息还包括动作次数以及动作的时长。[0146]在本实施例中，为实现对用户控制假肢的流畅程度进行评估，训练教程所对应的基准信息确定的训练动作为抓取过程，控制假肢模型的抓取过程包含伸向、预抓取、抓取、释放、回收这五个动作。具体地，根据实际动作信息确定完成当前的训练教程所对应的基准动作信息确定的训练动作的时长，并更新完成当前的训练教程所对应的基准动作信息确定的训练动作的次数。以球形物体为例，本实施例将详细阐述训练过程。[0147]在训练前，先利用三维图形开发工具包在虚拟系统中建立球形的虚拟物体。每次假肢执行动作指令时，只显示一种虚拟物体。当系统在界面弹出提示抓取的窗口时，用户才开始训练。[0148]用户控制假肢模型平稳伸向球形物体，伸向过程中保持假肢手是张开状态，在靠近物体时，假肢停住伸向并准确做出预抓取动作。然后在保持预抓取动作伸向靠近物体，轻微碰到物体时停止运动，抓取物体，并保持抓取姿势3s。随后，要求用户以该姿势提起物体至预设高度，以保证姿势可以稳定抓取物体，如不能稳定提起物体则重新更换抓取姿势。在完成物体抓取后，用户将该物体放回物体放置区域的原始位置，假肢顺利张开释放物体，最后回收。系统记录每次成功抓取过程的时间，并以表3的形式呈现在屏幕上。用户可以根据每次成功抓取时间判断自己训练效果，整个抓取过程如图9所示，图9为抓取过程的示意图。[0149]表3本次抓取训练时间表[0150]伸向预抓取抓取提物放回释放回收总过程1s1s4s3s3s1s1s14s[0151]当用户连续3次成功抓取的时间都在12s以内，用户便完成此次抓取任务。接着进行下一次抓取任务，当用户完成所有抓取任务时，假肢训练教程结束。[0152]根据时长以及次数确定用户完成目标动作的准确度，具体地，可通过获取预设时长内成功完成抓取的次数与总次数的比值确定用户完成目标动作的准确度，其中，总次数通过更新完成当前的训练教程所对应的基准动作信息确定的训练动作的次数确定，成功完成抓取的次数通过在时长小于或者等于一次抓取所设定的参考时长如12s时，更新成功完成抓取的次数确定，对此不做限定。[0153]在本实施例公开的技术方案中，通过实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，以通过实际动作信息明确用户完成训练教程所对应的基准动作信息所确定的训练动作的时长，进而根据训练动作的时长及次数确定用户在预设时长内完成目标动作的准确率，以评估用户对于训练教程的训练动作的准确度训练，实现量化用户训练的训练效果的同时，进一步提升用户训练的质量与效果。[0154]本发明还提出一种终端设备，所述终端设备包括：包括存储器、处理器以及存储在存储器里并可在处理器上运行的假肢控制的训练程序，假肢控制的训练程序被处理器执行时实现上述任一实施例中的假肢控制的训练方法的步骤。[0155]本发明还提出一种计算机可读存储介质，该计算机可读存储介质上存储有假肢控制的训练程序，所述假肢控制的训练程序被处理器执行时实现如以上任一实施例所述的假肢控制的训练方法的步骤。[0156]在本发明提供的终端设备和计算机可读存储介质的实施例中，包含了上述假肢控制的训练方法各实施例的全部技术特征，说明书拓展和解释内容与上述假肢控制的训练方法的各实施例基本相同，在此不做再赘述。[0157]需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。[0158]上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。[0159]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台移动终端(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本发明每个实施例的方法。[0160]以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的
技术领域：
：，均同理包括在本发明的专利保护范围内。当前第1页12当前第1页12
技术领域：
：，尤其涉及一种假肢控制的训练方法、终端设备及计算机可读存储介质。
背景技术：
：：2.假肢的使用者完成抓取动作会比正常人耗费更多的时间和精力，需要长期反复地训练才能达到精准控制。然而，现有假肢使用训练过程依靠康复训练医生的肉眼观察以评估训练效果，容易出现偏差，训练效果无法得到有效提升和客观量化考核。3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。技术实现要素：4.本发明的主要目的在于提供一种假肢控制的训练方法、终端设备及计算机可读存储介质，旨在解决依靠康复训练医生的肉眼观察以评估训练效果，训练效果无法得到有效提升和客观量化考核的问题。5.为实现上述目的，本发明提供一种假肢控制的训练方法，所述假肢控制的训练方法包括：6.获取用户基于当前的训练教程给出的目标动作指令，进行动作时的实际神经电和肌肉电信号；7.根据所述实际神经电和肌肉电信号确定所述用户动作时假肢模型产生的实际动作信息；8.根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定所述用户完成目标动作的准确度。9.可选地，根据所述实际神经电和肌肉电信号确定所述用户动作时产生的实际动作信息的步骤包括：10.根据所述实际神经电和肌肉电信号确定所述用户动作时对应的动作控制指令；11.获取所述动作控制指令对应的运动控制参数；12.根据所述运动控制参数控制所述假肢模型动作，以确定所述用户动作时所述假肢模型产生的实际动作信息。13.可选地，根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定所述用户完成目标动作的准确度步骤包括：14.比对所述实际神经电和肌肉电信号以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，得到信号比对结果；15.根据所述实际动作信息、当前的所述训练教程所对应的基准动作信息以及所述信号比对结果确定所述用户完成目标动作的准确度。16.可选地，比对所述实际神经电和肌肉电信号以及当前的所述训练教程对应的基准动作信号，得到信号比对结果的步骤包括：17.获取所述实际神经电和肌肉电信号对应的各个通道的子神经电和子肌肉电信号；18.获取当前的所述训练教程的基准动作信号对应的各个通道的子基准动作信号；19.基于每个相同的通道，比对所述通道的所述子神经电和子肌肉电信号以及所述子基准动作信号以确定每个所述通道的信号比对结果，和/或，基于每个相同的通道，根据所述通道的子神经电和肌肉电信号以及子基准动作信号确定每个所述通道的相关系数；20.根据各个所述通道的信号比对结果，和/或，各个所述通道的相关系数得到信号比对结果。21.可选地，根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定所述用户完成目标动作的准确度步骤之后，包括：22.根据所述用户完成目标动作的准确度确定所述用户的待训练教程。23.可选地，根据所述用户完成目标动作的准确度确定所述用户的待训练教程的步骤包括：24.在所述准确度大于或者等于预设准确度时，将与当前的所述训练教程相邻的下一训练教程确定为所述用户的待训练教程；25.在所述准确度小于预设准确度时，将所述用户的待训练教程确定为当前的训练教程。26.可选地，根据所述实际神经电和肌肉电信号确定所述用户动作时假肢模型产生的实际动作信息的步骤包括：27.根据所述实际神经电和肌肉电信号确定在预设时长内所述用户动作时假肢模型产生的实际动作信息；28.所述根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定用户完成目标动作的准确度的步骤包括：29.根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，确定所述假肢模型在预设时长内动作时的目标动作的完成次数以及动作的总次数，所述目标动作是当前的所述训练教程所对应的基准动作信息确定的训练动作；30.根据所述完成次数以及所述总次数确定所述假肢模型在预设时长内动作时的准确率，以得到所述用户完成目标动作的准确度。31.可选地，根据所述实际神经电和肌肉电信号确定所述用户动作时假肢模型产生的实际动作信息的步骤包括：32.根据所述实际神经电和肌肉电信号确定在预设时长内所述用户动作时假肢模型产生的实际动作信息；33.所述根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定用户完成目标动作的准确度的步骤包括：34.根据所述动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，确定完成当前的所述训练教程所对应的基准动作信息确定的训练动作的时长，并更新完成当前的所述训练教程所对应的基准动作信息确定的训练动作的次数；35.根据所述时长以及所述次数确定所述用户完成目标动作的准确度。36.此外，为实现上述目的，本发明还提供一种终端设备，所述终端设备包括：存储器、处理器以及存储在所述存储器里并可在所述处理器上运行的假肢控制的训练程序，所述假肢控制的训练程序被所述处理器执行时实现如以上所述假肢控制的训练方法的各个步骤。37.此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有假肢控制的训练程序，所述假肢控制的训练程序被所述处理器执行时实现如以上所述假肢控制的训练方法的各个步骤。38.本发明提出的假肢控制的训练方法、终端设备及计算机可读存储介质，在明确当前的训练教程的前提下，通过获取用户训练时的实际神经电和肌肉电信号以确定用户动作时假肢模型产生的实际动作信息，根据实际动作信息以及当前的训练教程多对应的基准动作信息，以确定用户完成目标动作的准确度，也即通过用户基于训练教程训练时操控假肢模型所实际呈现的动作，与训练教程所对应的基准动作信息确定的目标动作以评估用户训练的实际效果，进而确定用户完成目标动作的准确度，以量化用户训练的训练效果的同时，提升用户训练的质量与效果。附图说明39.图1为本发明的假肢控制的训练方法各个实施例涉及的终端设备的结构示意图；40.图2为本发明的假肢控制的训练方法第一实施例的流程示意图；41.图3为本发明的假肢训练方法第一实施例中通过运动控制参数控制假肢模型动作的示意图；42.图4为本发明的假肢控制的训练方法第二实施例的流程示意图；43.图5为8通道神经电和肌肉电信号图；44.图6为8通道雷达图；45.图7为本发明的假肢控制的训练方法第三实施例的流程示意图；46.图8为本发明的假肢控制的训练方法第四实施例的流程示意图；47.图9为抓取过程的示意图。48.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式49.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。50.在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或者“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或者“单元”可以混合地使用。51.终端设备可以以各种形式来实施。例如，本发明中描述的终端设备可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(personaldigitalassistant，pda)、便捷式媒体播放器(portablemediaplayer，pmp)、导航装置、可穿戴设备、智能手环、计步器等移动终端。52.本领域技术人员可以理解的是，除了特别用于移动目的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的移动终端。53.请参考图1，图1为本发明的假肢控制的训练方法各个实施例涉及的终端设备的结构示意图。如图1所示，该终端设备可以包括：存储器101以及处理器102。本领域技术人员可以理解，图1示出的终端的结构框图并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中，存储器101中存储有操作系统以及假肢控制的训练程序。处理器102是终端设备的控制中心，处理器102执行存储在存储器101内的假肢控制的训练程序，以实现本发明的假肢控制的训练方法各实施例的步骤。可选地，终端设备还可包括显示单元103，显示单元103包括显示面板，可采用液晶显示器(liquidcrystaldisplay，lcd)、有机发光二极管(organiclight-emittingdiode,oled)等形式来配置显示面板，用于输出显示用户浏览的界面。54.基于上述终端设备的结构框图，提出本发明的假肢控制的训练方法的各个实施例。55.在第一实施例中，本发明提供一种假肢控制的训练方法，请参考图2，图2为本发明的假肢控制的训练方法第一实施例的流程示意图。在该实施例中，假肢控制的训练方法包括以下步骤：56.步骤s10，获取用户基于当前的训练教程训练给出的目标动作指令进行动作时的实际神经电和肌肉电信号；57.神经电和肌肉电信号，也即肌电信号，是众多肌纤维中运动单元动作电位在时间和空间上的叠加。表面神经电和肌肉电信号是浅层肌肉和神经干上电活动在皮肤表面的综合效应，能在一定程度上反映神经肌肉的活动。58.在实际应用过程中，在用户进行控制假肢训练时，可通过输出与训练教程的训练动作对应的动作指令，以使得用户按照到动作指令进行动作训练，在用户基于动作指令进行动作训练时，用户按照动作指令产生动作引起肌肉活动，获取用户基于当前的训练教程训练时的实际神经电和肌肉电信号，可通过肌电传感器采集用户训练时的实际神经电和肌肉电信号获取得到，也可通过设置于用户手臂上的臂环或者接受腔采集用户训练时的实际神经电和肌肉电信号获取得到，对此不做限定。59.步骤s20，根据所述实际神经电和肌肉电信号确定所述用户动作时假肢模型产生的实际动作信息；60.需要说明的是，用户训练前，利用三维绘图软件构建假肢模型以及坐标系，使用图形开发包导入假肢模型，此外，将训练教程、训练教程对应训练动作、训练动作对应的神经电和肌肉电信号、训练动作对应的动作信息以及动作控制指令确定假肢模型对应的运动控制参数之间的对应关系可预先录入系统的数据库，其中，训练动作对应的神经电和肌肉电信号作为基准动作信号(也即基准神经电和基准肌肉电信号)，动作控制指令确定假肢模型对应的运动控制参数可控制假肢模型动作。61.示例性地，假肢造价昂贵，为了避免佩戴假肢的用户在使用假肢进行训练时对假肢造成损耗，在本实施例中，通过基于虚拟现实的假肢训练系统，以辅助用户进行假肢控制的训练，在用户未佩戴假肢的情况下，通过输出训练教程所指示的训练动作对应的动作指令以指示用户进行训练，进而获取用户基于当前的训练教程训练时的实际神经电和肌肉电信号，以进一步根据实际神经电和肌肉电信号所确定的动作信息，以通过动作信息控制虚拟的假肢模型运动，进而确定用户在训练时是否按照训练教程的指示准确做出与训练教程相对应的动作，以评估用户训练的效果。62.作为一种可选的实施方式，步骤s20包括：63.根据所述实际神经电和肌肉电信号确定所述用户动作时对应的动作控制指令；64.获取所述动作控制指令对应的运动控制参数；65.根据所述运动控制参数控制所述假肢模型动作，以确定所述用户动作时所述假肢模型产生的实际动作信息。66.在实际应用过程中，用户在接收到训练动作对应的动作指令时，用户按照动作指令产生动作引起肌肉活动，获取用户的实际神经电和肌肉电信号，进而比对实际神经电和肌肉电信号与预存的训练动作对应的神经电和肌肉电信号，在实际神经电和肌肉电信号与预存的训练动作对应的神经电和肌肉电信号匹配时，可获取该预存的训练动作对应的动作控制指令，以确定用户动作时对应的动作控制指令。67.可选地，步骤获取所述动作控制指令对应的运动控制参数包括：68.获取与所述动作控制指令对应的所述假肢模型中各个关节动作时的转动角度；69.根据每个所述关节动作时的转动角度以及预设的基准坐标系确定所述关节动作后的目标坐标参数，以得到运动控制参数。70.需要说明的是，基于三维绘图软件构建价值模型以及坐标系，设定假肢模型的各个关节的装配关系以及关节坐标系，根据假肢运动学建立基准坐标系，获得各个关节坐标系相对基准坐标系运动的转动矩阵，具体可参考图3，图3为本发明的假肢训练方法第一实施例中通过运动控制参数控制加之模型动作的示意图。也即，获取与确定的动作信息对应的假肢模型中各个关节动作时的转动角度，基于预设的基准坐标系，根据各个关节动作时的转动角度确定每个关节动作后的目标坐标参数，以获取得到运动控制参数，通过运动控制参数控制假肢模型动作，以使得用户按照训练教程的动作指令而产生的动作所引起的肌肉活动控制假肢模型动作进行可视化。71.可以理解的是，动作控制指令与假肢模型的各个关节动作时的转动角度之间的对应关系可预先进行设置，在确定动作控制指令的前提下，可获取与动作控制指令对应的假肢模型中各个关节动作时的转动角度。72.根据运动控制参数控制假肢模型动作，以确定所述用户动作时所述假肢模型产生的实际动作信息，通过运动控制参数控制假肢模型动作，以使得用户按照训练教程的动作指令而产生的动作所引起的肌肉活动控制假肢模型动作进行可视化，也即根据运动控制参数控制假肢模型动作的同时，可获取假肢模型按照运动控制参数动作时的实际动作信息，其中，动作信息是指假肢模型按照运动控制参数动作后的动作反馈信息，如握拳以及半握拳等，可选地，动作信息包括动作名称以及动作图像中的至少一个。73.可选地，动作名称可通过动作信息对应的训练动作确定，也可通过采集假肢模型按照运动控制参数动作后的动作图像识别获取得到，对此不做限定。74.步骤s30，根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息确定所述用户完成目标动作的准确度。75.需要说明的是，根据实际动作信息以及当前的训练教程所对应目标动作指令对应的基准动作信息，确定用户完成目标动作的准确度，在动作信息仅包括动作名称时，可比对动作名称以及训练教程所对应的基准动作信息确定的目标动作的训练动作名称，在动作名称与训练动作名称相同，则确定用户完成目标动作的准确度为100％，否则，用户完成目标动作的准确度为0；在动作信息仅包括动作图像时，可获取动作图像以及训练教程所对应的基准动作信息确定的目标动作的训练动作图形的相似度，根据相似度确定用户完成目标动作的准确度，举例来说，可获取相似度所在的预设相似区间，进而根据预设相似区间确定用户完成目标动作的准确度，例如：相似区间在0至30％，确定用户完成目标动作的准确度为40％；相似区间在30％至60％，确定用户完成目标动作的准确度为60％；相似区间在60％至100％，确定用户完成目标动作的准确度为90％，对此不做限定；在动作信息包括动作名称以及动作图像时，可比对动作名称以及训练教程所对应的基准动作信息确定的目标动作的训练动作名称，根据比对结果获取第一参考准确度，可获取动作图像以及训练教程所对应的基准动作信息确定的目标动作的训练动作图形的相似度，根据相似度获取第二参考准确度，进而分别获取第一参考准确度与第二参考准确度分别对应的权重值，根据第一参考准确度、第一参考准确度的权重值、第二参考准确度以及第二参考准确度的权重值以确定用户完成目标动作的准确度。76.需要说明的是，在本实施例中，在明确当前的训练教程的前提下，通过获取用户训练时的实际神经电和肌肉电信号以确定用户动作时产生的实际训练时对应的动作信息，进而通过动作控制指令确定假肢模型对应的运动控制参数控制假肢模型动作，以确定用户训练时操控假肢模型所实际呈现的动作，进一步根据获取到的假肢模型按照运动控制参数动作时的实际动作信息以及当前的训练教程多对应的基准动作信息，以确定用户完成目标动作的准确度，也即通过用户基于训练教程训练时操控假肢模型所实际呈现的动作，与训练教程所对应的基准动作信息确定的目标动作以评估用户训练的实际效果，进而确定用户完成目标动作的准确度，以量化用户训练的训练效果的同时，提升用户训练的质量与效果。77.作为一种可选的实施方式，步骤s30之后包括：78.根据所述准确度确定所述用户的待训练教程。79.通过用户基于训练教程训练时操控假肢模型所实际呈现的动作，与训练教程所对应的基准动作信息确定的目标动作以评估用户训练的实际效果，进而确定用户完成目标动作的准确度，以量化用户训练的训练效果，进一步地，通过根据准确度确定用户的待训练教程可提升用户训练的质量与效果，具体地，在准确度大于或者等于预设准确度时，表明用户基于训练教程训练时操控假肢模型所实际呈现的动作与目标动作大概率上匹配，将与当前的训练教程相邻的下一待训练教程确定为用户的待训练教程，以使得用户进入下一个待训练教程进行训练；在准确度小于预设准确度时，表明用户基于训练教程训练时操控假肢模型所实际呈现的动作与目标动作大概率上不匹配，将用户的待训练教程确定为当前的训练教程，以重复训练，进而提高用户完成目标动作的准确度，直到准确度大于或者等于预设准确度时，以使得用户进入下一个待训练教程进行训练。80.作为一种可选的实施方式，步骤s30之后包括：81.输出所述用户完成目标动作的准确度，以使得用户量化获知在用户完成目标动作的准确度，以量化用户训练的训练效果的同时，提升用户训练的质量与效果。82.为便于理解本实施例，举例来说，接收到全握拳的动作指令时，用户产生动作引起肌肉活动，获取用户的实际神经电和肌肉电信号，通过比对实际神经电和肌肉电信号与预存的训练动作对应的神经电和肌肉电信号，一种情况，用户产生的动作为全握拳引起肌肉活动，则实际神经电和肌肉电信号与训练动作为全握拳的神经电和肌肉电信号匹配度更高，获取与训练动作为全握拳对应的动作信息，进而获取与动作信息对应的动作控制参数，以通过动作控制参数控制假肢模型动作，也即假肢模型为全握拳，以使得用户产生的动作引起肌肉活动控制假肢模型动作进行可视化，并确认用户产生的动作引起肌肉活动与下发的训练教程为全握拳的动作指令匹配，进而达到指示用户对全握拳进行动作训练的目的；83.一种情况，用户实际产生的动作为半握拳引起肌肉活动，则实际神经电和肌肉电信号与训练动作为半握拳的神经电和肌肉电信号匹配度更高，获取与训练动作为半握拳对应的动作信息，进而获取与动作信息对应的动作控制参数，以通过动作控制参数控制假肢模型动作，也即假肢模型为半握拳，以使得用户产生的动作引起肌肉活动控制假肢模型动作进行可视化，并确认用户产生的动作引起肌肉活动与下发的训练教程为全握拳的动作指令不匹配，可通过动作修正提示信息，如当前为半握拳状态，可加大握手的动作力量以及幅度，以提示用户实现全握拳的动作训练；84.另一种情况，用户实际产生的动作引起肌肉活动产生的神经电和肌肉电信号与预存的训练动作对应的神经电和肌肉电信号均不匹配，也即，用户并未按照训练教程的动作指令准确做出训练教程对应的训练动作，可输出提示信息以提示用户按照训练教程的动作指令进行动作。可选地，提示信息包括但不限于语音信息、图文信息以及视频信息中的至少一种。其中，提示信息可以包括训练教程的训练动作的动作步骤指导信息，以便于用户做出与训练教程的动作指令对应的训练动作。85.在本实施例公开的技术方案中，在明确当前的训练教程的前提下，通过获取用户训练时的实际神经电和肌肉电信号以确定用户动作时假肢模型产生的实际动作信息，进而根据实际动作信息以及当前的训练教程多对应的基准动作信息，以确定用户完成目标动作的准确度，也即通过用户基于训练教程训练时操控假肢模型所实际呈现的动作，与训练教程所对应的基准动作信息确定的目标动作以评估用户训练的实际效果，进而确定用户完成目标动作的准确度，以量化用户训练的训练效果的同时，提升用户训练的质量与效果。86.在基于第一实施例的基础上提出本发明的假肢控制的训练方法的的第二实施例中，请参考图4，图4为本发明的假肢控制的训练方法第二实施例的流程示意图。在该实施例中，在该实施例中，步骤s30包括：87.步骤s31，比对所述实际神经电和肌肉电信号以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，得到信号比对结果；88.步骤s32，根据所述实际动作信息、当前的所述训练教程所对应的基准动作信息以及所述信号比对结果确定所述用户完成目标动作的准确度。89.容易理解的是，为更加准确且综合确定用户完成目标动作的准确度，可进一步比对实际神经电和肌肉电信号以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，根据实际动作信息、当前的训练教程所对应的基准动作信息以及信号比对结果确定用户完成目标动作的准确度，具体地，可比对动作名称以及训练教程所对应的基准动作信息确定的目标动作的训练动作名称，根据比对结果获取第一参考准确度，可获取动作图像以及训练教程所对应的基准动作信息确定的目标动作的训练动作图形的相似度，根据相似度获取第二参考准确度，可根据信号比对结果获取第三参考准确度，进而分别获取第一参考准确度、第二参考准确度以及第三参考准确度分别对应的权重值，根据第一参考准确度、第一参考准确度的权重值、第二参考准确度、第二参考准确度的权重值、第三参考准确度以及第三参考准确度的权重值以确定用户完成目标动作的准确度。90.作为一种可选的实施方式，步骤s31包括：91.获取所述实际神经电和肌肉电信号对应的各个通道的子神经电和肌肉电信号；92.获取当前的所述训练教程的基准动作信号对应的各个通道的子基准动作信号；93.基于每个相同的通道，比对所述通道的所述子神经电和子肌肉电信号以及所述子基准动作信号以确定每个所述通道的信号比对结果，和/或，基于每个相同的通道，根据所述通道的子神经电和子肌肉电信号以及子基准动作信号确定每个所述通道的相关系数；94.根据各个所述通道的信号比对结果，和/或，各个所述通道的相关系数得到信号比对结果。95.在实际应用过程中，获取实际神经电和肌肉电信号对应的各个通道的子神经电和子肌肉电信号，可在用户按照训练教程的动作指令所产生动作引起的肌肉活动时，通过臂环(或接受腔)多通道获取各个通道的子神经电和子肌肉电信号。96.基于预先设置的训练教程的基准动作信号与各个通道的子基准动作信号之间的对应关系，获取当前的训练教程的基准动作信号对应的各个通道的子基准动作信号。97.比对通道的子神经电和肌肉电信号以及子基准动作信号以确定每个通道的信号比对结果：98.具体地，一通道的神经电和肌肉电信号可以看作由n个离散元素组成的数组(系统采用频率fs在500hz-1khz之间，n＝fs*t1，t1为实际神经电和肌肉电信号录入的时间)：99.emg＝{x1,…,xn}ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(1)100.将每一通道信号取绝对值(或平方或先平方再开根号)，如公式(2)(或公式(3)、公式(4))所示。101.emgabs＝{|x1|,…,|xn|}ꢀꢀꢀꢀꢀꢀꢀꢀ(2)102.或[0103][0104]或[0105][0106]再按从大到小排列，计算前[20％n](取整)个元素的平均值，以此作为该信道的子神经电和肌肉电信号值emgt，j，j表示第j通道，j＝1，2，...，z(z为正整数)。[0107]相对应地，假设训练教程的基准动作信号对应的通道的子基准动作信号的子神经电和肌肉电信号值emgb，j，通道的信号比对结果可通过通道训练值emgt，j和基准值emgb，j的比值确定：[0108][0109]若各个通道的信号比对结果(比值)均为1，表明用户基于训练教程训练时操控假肢模型所实际呈现的动作与目标动作相同，若各个通道的信号比对结果(比值)中存在通道的信号比对结果不为1，表明用户基于训练教程训练时操控假肢模型所实际呈现的动作与目标动作不相同。[0110]示例性地，以8通道所对应的子神经电和肌肉电信号为例，图5为8通道神经电和肌肉电信号图，图6为8通道雷达图，通过输出假肢模型按照动作控制参数动作的动作信息以及雷达图可便于用户精准判断每次训练效果。[0111]雷达图可以直观地输出了结果，但是为了使用户更精确地了解自己的差距，基于每个相同的通道，根据通道的子神经电和子肌肉电信号以及子基准动作信号确定每个通道的相关系数，相关系数是研究两信号曲线之间线性相关程度，以8通道为例，分别计算8个通道的子基准动作信号值emgx和训练时的子神经电和肌肉电信号值emgy之间的相关系数如公式(5)所示，r越接近1，表明两信号曲线越相关。[0112][0113]每一次训练结果在屏幕上按表1形式呈现。[0114]表1相关系数(数据仅供参考)[0115]r1r2r3r4r5r6r7r80.550.450.780.660.32111[0116]需要说明的是，每训练1次，屏幕会显示此次训练的雷达图以及相关系数表格。每5次训练，系统会提醒用户休息一次，并将这5次训练结果呈现在电脑屏幕上。当用户5次训练结果都显示合格时(如5个雷达图里的8通道比值都接近于1时，以及5个相关系数表格里的数值都接近1时)，即完成此次训练教程的动作训练，用户便可更换动作，继续下一待训练教程。[0117]作为一种可选的实施方式，步骤s32之后，还包括：[0118]输出所述实际动作信息、所述基准动作信息以及所述信号比对结果，可便于用户对比获知自身的训练效果，以自身调整用户训练的质量与效果。[0119]在本实施例公开的技术方案中，通过比对实际神经电和肌肉电信号以及训练教程对应的基准动作信号，以确定用户训练时动作的实际幅度，进而明确用户训练所达到的力量训练，进一步通过综合实际动作信息、当前的训练教程所对应的基准动作信息以及比对实际神经电和肌肉电信号以及训练教程对应的基准动作信号的比对结果以确定用户的待训练教程，在通过用户基于训练教程训练时操控假肢模型所实际呈现的动作，与训练教程所对应的基准动作信息确定的目标动作以评估用户训练的实际效果的同时，通过比对结果以明确用户所达到的力量训练，进而确定用户完成目标动作的准确度，以量化用户训练的训练效果的同时，提升用户训练的质量与效果。[0120]基于上述任意一个实施例提出本发明的假肢控制的训练方法的第三实施例中，请参考图7，图7为本发明的假肢控制的训练方法第三实施例的流程示意图。在该实施例中，步骤s20包括：[0121]步骤s21，根据所述实际神经电和肌肉电信号确定在预设时长内所述用户动作时假肢模型产生的实际动作信息；[0122]步骤s30包括：[0123]步骤s33，根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，确定所述假肢模型在预设时长内动作时的目标动作的完成次数以及动作的总次数，所述目标动作是当前的所述训练教程所对应的基准动作信息确定的训练动作；[0124]步骤s34，根据所述完成次数以及所述总次数确定所述假肢模型在预设时长内动作时的准确率，以得到所述用户完成目标动作的准确度。[0125]动作信息包括动作名称以及动作图像中的至少一个。可选地，动作信息还包括动作次数。目标动作是当前的训练教程所对应的基准动作信息确定的训练动作。[0126]在实际应用过程中，举例来说，随机发送握拳指令，用户产生5s握拳运动意图，假肢模型随即发生握拳响应。但是可能由于用户控制不熟练，导致在这5s的时间内，假肢模型会产生如张开，仅拇指和食指闭合等其他动作响应，在本实施例中，为确定用户在训练过程中按照训练教程训练的准确度，可根据实际神经电和肌肉电信号确定在预设时长内用户动作时假肢模型产生的实际动作信息，进而根据动作信息确定假肢模型在预设时长内动作时的目标动作的完成次数以及动作的总次数，具体地，可通过统计表来统计这5s内用户控制假肢模型动作的情况，并计算此次用户完成目标动作的准确度。[0127]假设训练教程的训练动作为握拳，采样频率fs为1000hz，训练信号的采样时间t2为5s，每隔100ms系统就给出一次响应结果,共50次响应结果，最后将结果以表2的形式呈现在屏幕上。[0128]表2准确度统计表(数据仅参考)[0129]握拳张开拇指弯曲食指弯曲中指弯曲...不可识别10次2次1次3次1次...2次[0130]此次握拳的准确度为20％(也即(10/50)*100％)。[0131]需要说明的是，判断在5s内的训练信号是握拳信号，在本实施例中，引入了支持向量数据描述(svdd)算法，svdd是一种单值分类算法，能够实现目标样本和非目标样本的区分。以握拳为例，可以把系统随机发送动作指令-握拳信号数据看作目标样本x，其它动作信号数据看作非目标样本，在svdd中，目标样本的球心和半径的计算公式分别为：[0132][0133][0134]式中，xv∈sv，k(xi，xj)是核函数，等同于特征空间中样本的内积，即k(xi，xj)＝{φ(xi),φ(xj)}。[0135]其中，r是球体半径，a是球心，xi是目标样本点。[0136]对于训练样本xtest到球心的距离为：[0137][0138]若d≤r，说明训练样本在球体上或者内部，属于握拳动作；反之则不属于。如果训练样本不属于握拳，则按此方法依次判断训练样本所在的样本集合(是属于张开，还是拇指弯曲等)，都不属于，判定为不可识别。[0139]在本实施例公开的技术方案中，通过根据实际神经电和肌肉电信号确定在预设时长内用户动作时假肢模型产生的实际动作信息，以通过动作信息明确用户完成目标动作的次数以及动作的总次数，以确定用户在预设时长内完成目标动作的准确率，以评估用户对于训练教程的训练动作的准确度训练，实现量化用户训练的训练效果的同时，进一步提升用户训练的质量与效果。[0140]基于上述任意一个实施例提出本发明的假肢控制的训练方法的第四实施例中，请参考图8，图8为本发明的假肢控制的训练方法第四实施例的流程示意图。在该实施例中，步骤s20包括：[0141]步骤s22，根据所述实际神经电和肌肉电信号确定在预设时长内所述用户动作时假肢模型产生的实际动作信息；[0142]步骤s30包括：[0143]步骤s35，根据所述实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，确定完成当前的所述训练教程所对应的基准动作信息确定的训练动作的时长，并更新完成当前的所述训练教程所对应的基准动作信息确定的训练动作的次数；[0144]步骤s36，根据所述时长以及所述次数确定所述用户完成目标动作的准确度。[0145]动作信息包括动作名称以及动作图像中的至少一个。可选地，动作信息还包括动作次数以及动作的时长。[0146]在本实施例中，为实现对用户控制假肢的流畅程度进行评估，训练教程所对应的基准信息确定的训练动作为抓取过程，控制假肢模型的抓取过程包含伸向、预抓取、抓取、释放、回收这五个动作。具体地，根据实际动作信息确定完成当前的训练教程所对应的基准动作信息确定的训练动作的时长，并更新完成当前的训练教程所对应的基准动作信息确定的训练动作的次数。以球形物体为例，本实施例将详细阐述训练过程。[0147]在训练前，先利用三维图形开发工具包在虚拟系统中建立球形的虚拟物体。每次假肢执行动作指令时，只显示一种虚拟物体。当系统在界面弹出提示抓取的窗口时，用户才开始训练。[0148]用户控制假肢模型平稳伸向球形物体，伸向过程中保持假肢手是张开状态，在靠近物体时，假肢停住伸向并准确做出预抓取动作。然后在保持预抓取动作伸向靠近物体，轻微碰到物体时停止运动，抓取物体，并保持抓取姿势3s。随后，要求用户以该姿势提起物体至预设高度，以保证姿势可以稳定抓取物体，如不能稳定提起物体则重新更换抓取姿势。在完成物体抓取后，用户将该物体放回物体放置区域的原始位置，假肢顺利张开释放物体，最后回收。系统记录每次成功抓取过程的时间，并以表3的形式呈现在屏幕上。用户可以根据每次成功抓取时间判断自己训练效果，整个抓取过程如图9所示，图9为抓取过程的示意图。[0149]表3本次抓取训练时间表[0150]伸向预抓取抓取提物放回释放回收总过程1s1s4s3s3s1s1s14s[0151]当用户连续3次成功抓取的时间都在12s以内，用户便完成此次抓取任务。接着进行下一次抓取任务，当用户完成所有抓取任务时，假肢训练教程结束。[0152]根据时长以及次数确定用户完成目标动作的准确度，具体地，可通过获取预设时长内成功完成抓取的次数与总次数的比值确定用户完成目标动作的准确度，其中，总次数通过更新完成当前的训练教程所对应的基准动作信息确定的训练动作的次数确定，成功完成抓取的次数通过在时长小于或者等于一次抓取所设定的参考时长如12s时，更新成功完成抓取的次数确定，对此不做限定。[0153]在本实施例公开的技术方案中，通过实际动作信息以及当前的所述训练教程所给出的目标动作指令对应的基准动作信息，以通过实际动作信息明确用户完成训练教程所对应的基准动作信息所确定的训练动作的时长，进而根据训练动作的时长及次数确定用户在预设时长内完成目标动作的准确率，以评估用户对于训练教程的训练动作的准确度训练，实现量化用户训练的训练效果的同时，进一步提升用户训练的质量与效果。[0154]本发明还提出一种终端设备，所述终端设备包括：包括存储器、处理器以及存储在存储器里并可在处理器上运行的假肢控制的训练程序，假肢控制的训练程序被处理器执行时实现上述任一实施例中的假肢控制的训练方法的步骤。[0155]本发明还提出一种计算机可读存储介质，该计算机可读存储介质上存储有假肢控制的训练程序，所述假肢控制的训练程序被处理器执行时实现如以上任一实施例所述的假肢控制的训练方法的步骤。[0156]在本发明提供的终端设备和计算机可读存储介质的实施例中，包含了上述假肢控制的训练方法各实施例的全部技术特征，说明书拓展和解释内容与上述假肢控制的训练方法的各实施例基本相同，在此不做再赘述。[0157]需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。[0158]上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。[0159]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台移动终端(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本发明每个实施例的方法。[0160]以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的
技术领域：
：，均同理包括在本发明的专利保护范围内。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
