CN104757976B - 一种基于多传感器融合的人体步态分析方法和*** - Google Patents
一种基于多传感器融合的人体步态分析方法和*** Download PDFInfo
- Publication number
- CN104757976B CN104757976B CN201510178450.4A CN201510178450A CN104757976B CN 104757976 B CN104757976 B CN 104757976B CN 201510178450 A CN201510178450 A CN 201510178450A CN 104757976 B CN104757976 B CN 104757976B
- Authority
- CN
- China
- Prior art keywords
- sensor
- gait
- phase
- human
- motor message
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000005021 gait Effects 0.000 title claims abstract description 157
- 238000004458 analytical method Methods 0.000 title claims abstract description 49
- 230000004927 fusion Effects 0.000 title claims abstract description 42
- 230000033001 locomotion Effects 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 238000012937 correction Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 10
- 210000002414 leg Anatomy 0.000 claims description 59
- 210000003141 lower extremity Anatomy 0.000 claims description 52
- 210000002683 foot Anatomy 0.000 claims description 48
- 230000005358 geomagnetic field Effects 0.000 claims description 40
- 230000001133 acceleration Effects 0.000 claims description 34
- 239000013598 vector Substances 0.000 claims description 34
- 210000001699 lower leg Anatomy 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 16
- 210000000689 upper leg Anatomy 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 210000000629 knee joint Anatomy 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 7
- 230000037396 body weight Effects 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 7
- 235000007164 Oryza sativa Nutrition 0.000 claims description 6
- 210000003423 ankle Anatomy 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 210000004394 hip joint Anatomy 0.000 claims description 6
- 235000009566 rice Nutrition 0.000 claims description 6
- 210000000352 storage cell Anatomy 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims 2
- 210000004027 cell Anatomy 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 18
- 238000005259 measurement Methods 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 abstract description 6
- 241001269238 Data Species 0.000 abstract 1
- 238000007619 statistical method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 230000005484 gravity Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 241000209094 Oryza Species 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000005389 magnetism Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009084 cardiovascular function Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及生物医学工程中的步态分析技术领域，提供一种基于多传感器融合的人体步态分析方法和***，所述方法包括：根据人体运动特征，对传感器信号进行滤波处理消除信号噪声误差，使用改进的零速度更新算法消除积分误差，使其适用于不同的步行场景；使用迪纳维特‑哈坦伯格法融合多个传感器数据，减少腿部位置计算误差；经过误差矫正，精确计算被测者行走过程中的步速、步长、步频、步行周期和步行轨迹；建立步态数据库，通过分位数回归分析方法对不同被测者的步态数据进行统计分析。本发明能够提高步态参数测量精度，通过标准化处理使不同被测者的步态参数具有可比性。
Description
技术领域
本发明涉及步态分析技术领域，尤其涉及一种基于多传感器融合的人体步态分析方法和***。
背景技术
人体步态是人体步行过程中下肢协调关系的行为特征，涉及到个人运动习惯、健康状况、性别、年龄、职业等因素，人体步态检测具有显著的意义。例如，在运动康复方面，步态分析可以评估被测者下肢运动能力恢复情况。在远程医疗方面，便携式步态分析设备可以减少护理人员长时间值守。在个人导航方面，通过对行人下肢运动轨迹信息的计算可以实现在无GPS信号的环境下的位置定位。
现有的步态分析方法包括传统的基于目测法、足印法、光学信号、超声信号、压力信号等方法。专利号为7457439的美国专利System and method formotion capture使用多个摄像机恢复出身体的三维运动信息。但是基于光学的运动测量***普遍存在信号遮挡问题，使用受限制；公开号为CN 102670207的专利介绍了一种基于足底压力的步态分析方法，通过分析足底压力分布随时间的变化来识别人体步态相位和下肢运动信息模式，但是此方法只能得到足部与地面接触时的压力变化，进而无法得到一个完整步态周期的步态信息；公开号为CN101694499的专利描述了一种行人步速测量的***，通过固定于腹部正前方的双轴加速度传感器获得被测者在运动过程中的运动信号。这种方法很容易受到腹部软组织形变的影响，***步速检测精度较低。
随着微型机电***(MEMS)技术的高速发展，可穿戴式传感器在人体运动康复领域获得广泛应用。现有的基于穿戴式惯性传感器的步态分析方法都使用了零速度更新算法来消除误差累积，但是零速度更新的效果严重依赖于算法阈值的选择，现有的确定阈值的方法往往采用三轴加速度信号的模值结合角速度变化的变化率(一阶导数)来确定能够使用零速度更新算法的时间段。由于在站立期加速度和加速度值并不为零，而是在零附近波动，而且从加速度值和角速度值曲线来看，都不存在一个明显的波峰或者波谷。因此很难找到一个普遍适用的阈值检测方法。现有的步态分析方法都是计算绝对步速、步长和步频，并未考虑身高对检测结果的影响，这样得到的测量结果对于不同的被测对象不具备可比性。另外，由于腿部肌肉在运动过程中存在形变，会引起传感器坐标系与地面参考坐标系相对关系发生变化。而人体下肢各个部位只有足部适用零速度更新算法消除误差，其余部位的位置与方位角信息估算不可避免地存在较大误差。
发明内容
本发明主要解决现有技术的难以有效地消除使用运动信号积分误差的技术问题，提出一种基于多传感器融合的人体步态分析方法和***，以达到提高人体步行过程中下肢运动信息计算的精确性和可靠性的目的。
本发明提供了一种基于多传感器融合的人体步态分析方法，所述基于多传感器融合的人体步态分析方法包括：
步骤100，利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号，所述运动信号包括三维加速度信号和三维角速度信号；
步骤200，根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，所述初始姿态包括人体初始静止站立状态的俯仰角、滚转角和偏航角，根据人体的初始姿态获得传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；
步骤300，根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，并从所述开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数，其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；
步骤400，消除传感器误差积累，更新人体步态参数，包括：
当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；
当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。
进一步的，所述采集人体步行过程中下肢的运动信号和三维地磁场分量信号包括：
通过三维转台和三维导轨对传感器进行标定；
采集人体步行过程中下肢的运动信号和三维地磁场分量信号；
对采集到的运动信号以及三维地磁场分量信号进行去噪声处理；
将采集到的运动信号和三维地磁场分量信号保存到存储设备中。
进一步的，在步骤400之后，还包括：
步骤500，对获得的人体步态参数进行标准化处理，进而建立人体步态数据库，包括：
通过公式对步速进行标准化，通过公式对步长进行标准化，通过公式对步频进行标准化，得到标准化处理后的人体步态参数，其中,l1为被测者身高，lm为被测者所属年龄段人群的平均身高；V为对传感器信号积分运算得到的被测者步速，Vrel为标准步速，单位是米/秒，L为对步速积分运算得到的步长，Lrel为标准步长，单位是米/步，C为通过步行周期计算出的被测者单位时间内行走的步频，Crel为标准步频，单位是步/秒。
进一步的，所述利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号，包括：
通过三轴加速度计和三轴陀螺仪采集人体步行过程中下肢的运动信号；
通过三轴电子罗盘采集人体步行过程中的三维地磁场分量信号；
三轴加速度计、三轴陀螺仪以及三轴电子罗盘安装在被测者的大腿中段、小腿中段以及足背位置。
进一步的，通过所述下肢运动学模型建立的两个约束条件为：
其中,为基于小腿运动的膝关节位移向量，为基于足部的传感器计算出的脚踝位置向量，为通过置于大腿部位的传感器计算出的髋关节位移向量。
对应地，本发明还提供了一种基于多传感器融合的人体步态分析***，所述基于多传感器融合的人体步态分析***包括：数据采集装置和数据分析处理装置，数据采集装置用于利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号，所述运动信号包括三维加速度和三维角速度；所述数据分析处理装置包括初始姿态分析单元、步态参数计算单元和误差矫正单元；
初始姿态分析单元，用于根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，所述运动信号包括三维加速度信号和三维角速度信号，根据人体的初始姿态获得传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；
步态参数计算单元，用于根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，并从所述开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数，其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；
误差矫正单元，用于消除传感器误差积累，更新人体步态参数，包括：当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。
进一步的，所述数据采集装置包括惯性传感器标定单元、传感器信号采集单元、数据滤波单元和自容式数据存储单元；
惯性传感器标定单元，用于通过三维转台和三维导轨对传感器进行标定；
传感器信号采集单元，用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号；
数据滤波单元，用于对采集到的运动信号以及三维地磁场分量信号进行去噪声处理；
自容式数据存储单元，用于将采集到的运动信号和三维地磁场分量信号保存到存储设备中。
进一步的，所述基于多传感器融合的人体步态分析***，还包括：
步态数据库单元，用于对获得的人体步态参数进行标准化处理，进而建立人体步态参数数据库，具体用于；通过公式对步速进行标准化，通过公式对步长进行标准化，通过公式对步频进行标准化，其中,l1为被测者身高，lm为被测者所属年龄段人群的平均身高；V为对传感器信号积分运算得到的被测者步速，Vrel为标准步速，单位是米/秒；为对步速积分运算得到的步长，Lrel为标准步长，单位是米/步；C为通过步行周期计算出的被测者单位时间内行走的步频，Crel为标准步频，单位是步/秒。
进一步的，所述数据采集装置包括三轴加速度计、三轴陀螺仪和三轴电子罗盘；
三轴加速度计和三轴陀螺仪采集人体步行过程中下肢的运动信号；
三轴电子罗盘采集人体步行过程中的三维地磁场分量信号；
三轴加速度计、三轴陀螺仪以及三轴电子罗盘安装在被测者的大腿中段，小腿中段以及足背位置。
进一步的，在误差矫正单元中，通过下肢运动学模型建立的两个约束条件为：
其中,为基于小腿运动的膝关节位移向量，为基于足部的传感器计算出的脚踝位置向量，为通过置于大腿部位的传感器计算出的髋关节位移向量。
本发明提供的一种基于多传感器融合的人体步态分析方法和***，与现有技术相比具有以下优点：
1、使用放置在小腿的辅助传感器显著提高了足部零速度更新算法的有效性。
2、将机器人领域迪纳维特-哈坦伯格坐标变换方法应用在下肢运动模型，减少位置计算误差，提高了腿部位置信息的计算精度。
3、将测算出的人体步态参数中的步速、步长、步频进行标准化处理，实现不同被测者步态数据具有横向可比性。对不同性别，不同年龄被测者的步态数据进行分位数回归分析，可以得到步态参数的变化趋势。
4、数据采集不依赖于外部设备，完全自容式存储，消除了无线传输模式数据丢包的弊端。
5、测量精度高，灵敏度高，成本较低，方便操作者使用，可用于步态信息的精确测量和人体其他部位的运动信息检测。
附图说明
图1为本发明实施例提供的基于多传感器融合的人体步态分析方法的实现流程图；
图2为本发明实施例中传感器安装示意图；
图3为本发明实施例中三轴加速度、三轴陀螺仪和三轴电子罗盘采集的数据示意图；
图4为本发明实施例中人体下肢传感器的坐标系变换示意图；
图5为本发明实施例中实例1计算得到的被测者沿矩形路线行走两圈的三维方向角信息示意图；
图6为本发明实施例中实例1计算得到的被测者沿直线行走十步的足部三维角度信息示意图；
图7为下肢疼痛与下肢关节旋转角度的关系示意图；
图8为本发明实施例中实例2计算得到的被测者攀登两层楼梯时三维坐标系下的步行轨迹示意图；
图9为本发明实施例提供的基于多传感器融合的人体步态分析***的结构图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
图1为本发明实施例提供的基于多传感器融合的人体步态分析方法的实现流程图。本发明实施例提供的基于多传感器融合的人体步态分析方法可以由本发明实施例提供的基于多传感器融合的人体步态分析***来执行，该***可以由软件和/或硬件来实现。如图1所示，本发明实施例提供的基于多传感器融合的人体步态分析方法包括：
步骤100，利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号。
其中，所述运动信号包括三维加速度信号和三维角速度信号。具体的，通过三维转台和三维导轨对传感器进行标定；采集人体步行过程中下肢的运动信号和三维地磁场分量信号；对采集到的运动信号以及三维地磁场分量信号进行去噪声处理；将采集到的运动信号和三维地磁场分量信号保存到存储设备中。其中，去噪声处理可以包括对检测到的三维加速度信号、三维角速度信号以及三维地磁场分量信号进行高通(0.001赫兹)滤波，低通(5赫兹)滤波和陷波(50赫兹)处理。图2为本发明实施例中传感器安装示意图。参照图2，可以通过三轴加速度计和三轴陀螺仪采集人体步行过程中下肢的运动信号，通过三轴电子罗盘采集人体步行过程中的三维地磁场分量信号；三轴加速度计、三轴陀螺仪以及三轴电子罗盘安装在人体大腿中段、小腿中段和足背位置。图3为本发明实施例中三轴加速度、三轴陀螺仪和三轴电子罗盘采集的数据示意图。将三轴加速度、三轴陀螺仪和三轴电子罗盘采集的数据用计算机进行处理可得到图3。图3中X、Y和Z分别代表传感器的三个相互正交的坐标轴，VPT代表运动信号能量，用于检测步行开始时刻，ZUPT代表零速度更新算法开关信号。
为了采集数据的准确性，在采集数据之前可以通过三维转台和三维导轨对传感器进行标定，目的是避免因传感器基线漂移带来的误差。标定的具体过程为：加速度计静态参数标定，利用重力g，使传感器每个轴分别与重力方向重合，检测传感器输出与g的偏差量；加速度计动态参数标定，利用三维导轨，施加额定方向的加速度，将传感器分别固定于导轨三个轴向，感应导轨由于电机牵引皮带产生的固定加速度，与传感器输出量进行比对计算得到偏差量；陀螺仪静态参数标定，传感器静置，三轴输出应该为零，若不为零，分别记录每个轴向的偏差量；陀螺仪动态参数标定，传感器固定于转台上，使传感器重心与转台中心重和，分别使陀螺仪的三轴与转台转轴重合，打开电机对转台施加固定转速，记录陀螺仪输出值与转台转速对比得到偏移量。所述偏移量在后续计算公式中进行消除，从而消除传感器固有误差。
具体的，采集到的人体步行过程中下肢的运动信号(三维加速度信号和三维角速度信号)和三维地磁场分量信号的数据保存在移动存储卡(SD卡)，之后通过读卡器传送到对数据进行分析处理的设备中。
步骤200，根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，根据人体的初始姿态获得传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息。
其中，所述初始姿态包括人体初始静止站立状态的俯仰角、滚转角和偏航角。测量开始时被测者处于静止站立状态，通过测量重力在矢平面和水平面的分量得到俯仰角和滚转角，电子罗盘测量地球磁场在传感器三个平面的分量来计算初始偏航角。具体的过程为：以重力加速度g作为参考向量，获得重力加速度在矢平面和水平面的分量进而到俯仰角和滚转角；以地磁场矢量在当地水平面的分量H作为参考向量，通过三轴电子罗盘的水平方向X轴和Y轴的测量值Hx和Hy与H的比值来计算初始方位与正北方向的夹角，进而获得偏航角。
图4为本发明实施例中人体下肢传感器的坐标系变换示意图。参照图4，人体处于静止站立状态的时候，在地面参考坐标系中，重力加速度向量为[0,0,g]T，经过旋转矩阵到传感器坐标系的计算值为[x,y,z]T，在传感器坐标系中加速度的测量值为[a,b,c]T、[x,y,z]T和[a,b,c]T均表示在传感器坐标系中重力加速度向量，对这两个向量做向量积可得到误差[ex,ey,ez]T，利用这个误差向量即可修正旋转矩阵。修正后的传感器坐标系如图4。上述修正只是把地面参考坐标系和传感器坐标系的X-O-Y平面重合起来，对于绕Z轴的旋转，也即偏航角，加速度计无计可施，其测量值始终为[0,0,g]T，只能依靠磁力计来进一步做补偿。三轴电子罗盘测量对象为磁场矢量，在较纯净的电磁环境下，电子罗盘测量对象为地磁场，地磁场的方向与水平面呈一个夹角，地磁场在三个平面的分量记为[u,v,w]T，如果传感器的X轴对准正北方向，则v=0，地磁分量即为[u,0,w]T，电子罗盘在传感器坐标系的输出为[i,j,k]T，经过加速度计补偿(坐标系旋转)之后得到[i′,j′,k′]T，在地面参考坐标系的X-O-Y平面上，[u,0,w]T的投影为u，[i′,j′,k′]T的投影为地磁在X-O-Y平面的投影向量大小必然是相同的，所以有同时w=k′，这样处理后的[i′,j′,k′]T经过旋转矩阵的转置回转到传感器坐标系，得到的向量与[i,j,k]T做向量积求误差，再次修正旋转矩阵，完成对偏航角补偿，使用所述偏差量修正后可以得到精确的初始四元数。初始四元数用来描述被测对象的初始的方位信息，被测对象的方位变化可以在初始四元数的基础上通过四元数乘法计算得出。初始四元数的理论值为[1,0,0,0]T。
步骤300，根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，并从所述开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数。
其中，人体从静止站立状态切换到行走状态的开始时刻，即迈出第一步的时刻，获得人体从静止站立状态切换到行走状态的开始时刻的方式是：通过加速度能量信号阈值检测来实现的。在被测者从静止状态切换到步行状态时，通过计算加速度信号能量与预设的阈值λ做比较，当加速度信号能量第一次大于阈值λ的时刻，就是人体行走的开始时刻，公式中，ax表示加速度计输出信号在地面坐标系X轴的分量，ay表示加速度计输出信号在地面坐标系Y轴的分量，az表示加速度计输出信号在地面坐标系Z轴的分量。
从所述开始时刻，开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数。扩展的卡尔曼滤波器是一种最优化的自回归数据处理算法。本发明中利用扩展的卡尔曼滤波器在滤波值附近，应用泰勒展开算法将非线性***展开，将二阶以上的高阶项全部舍去，从而原***就变成了一个线性***，再利用标准卡尔曼滤波算法的思想对***线性化模型进行滤波融合，从而实现传感器数据融合。使用扩展的卡尔曼滤波器进行传感器数据融合之后，更新人体方位信息，即更新四元数，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数。其中，步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期。例如，通过图3可以分析人体的步态时相。人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹。获得人体步态参数的过程为：对三维加速度向量进行积分运算得到三维速度向量，之后对三维速度向量进行积分得到三维位移向量；结合计算得出的步行周期信息，可以计算出步速、步长和步频参数；通过四元数与欧拉角的关系，可以计算出三维方位角；综合所述三维位移向量和方位角，使用三维坐标轴对整个步行过程进行描述即可得到步行轨迹。初始足部三维位置设定为[X0,Y0,Z0]T，通过对三维速度向量积分将每一个数据采样时刻的足部位置信息更新为[Xt,Yt,Zt]T，所述方位角包括步行过程中足部运动滚转角、俯仰角和偏航角。由初始四元数规定的初始方位通过陀螺仪检测的角速度信息，使用四元数乘法运算将方位更新为综合所述三维位置和方位角可以得到步行轨迹。
步骤400，消除传感器误差积累，更新人体步态参数。
由于步骤300中的两次积分运算会产生并且放大积分误差，在步行过程中每一步的站立相中期，如果满足零速度更新算法条件，就根据足部完全贴合地面时刻的速度和加速度均为零的特定域假设消除传感器误差积累，使人体步态参数更准确，误差限制在步行运动的每一小步之内，最大限度减少误差。
当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数。具体过程为：步行过程中，人体以单脚支撑地面，以着地的那条腿作为摆动轴被测者身体重心前移，对整个人体可以建立一级倒立摆模型，根据倒立摆模型的重力势能在最高点达到最大值，速度达到最小值的原理，结合安置在小腿部位的传感器加速度信号找到站立相腿部速度最小时刻，此时刻即为适用零速度更新算法的起始时刻。利用小腿处固定的传感器检测速度最小时刻，确定此处为小腿与地面垂直时刻，也即零速度更新算法开始执行的时刻。执行零速度更新算法消除误差，避免积分误差引入到下一个步态周期，能够提高零速度更新算法的有效性。
当检测到完全站立期时，足部完全贴合地面，足部、小腿和大腿可视为通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法(Denavit-Hartenberg)建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。具体过程为：参照图2，结合大腿，小腿和足部的生理学限制和联动关系，比如膝关节只有一个活动自由度，踝关节具有三个活动自由度，对于无法直接使用零速度更新算法的腿部传感器定位，使用迪纳维特-哈坦伯格法建立下肢运动学模型，通过下肢运动学模型建立的两个约束条件，来减少腿部传感器位置和方位角估算误差。下肢运动学模型的两个约束条件为：
其中,表示基于小腿运动的膝关节位移向量，表示基于足部的传感器计算出的脚踝位置向量，表示通过置于大腿部位的传感器计算出的髋关节位移向量，
其中，α、β、γ分别为绕X、Y、Z轴旋转的欧拉角，L1为通过人体测量器测出的小腿长度。
步骤500，对获得的人体步态参数进行标准化处理，进而建立人体步态数据库。
由于每个人都会本能地选择最适合其运动能力的步速，步长和步频，步速的显著下降是一个明显的病理指标。所以对实验获得的大量步速、步长、步频进行标准化处理，需要考虑身高对检测结果的影响。很明显步速与下肢长度l0密切正相关，l0难以准确测量，于是用身高l1代替，被测者平均身高记为Lm。对获得的人体步态参数进行标准化处理的过程为：通过公式对步速进行标准化，通过公式对步长进行标准化，通过公式对步频进行标准化，其中,l1为被测者身高，lm为被测者所属年龄段人群的平均身高；V为对传感器信号积分运算得到的被测者步速，Vrel为标准步速，单位是米/秒，L为对步速积分运算得到的步长，Lrel为标准步长，单位是米/步，C为通过步行周期计算出的被测者单位时间内行走的步频，Crel为标准步频，单位是步/秒，明显偏离标准范围的步态指标意味着不稳定的步态。对计算出的步速、步长和步频参数进行标准化处理，能够使计算出的步态参数具有横向可比性。
通过建立步速、步长、步频、步行周期和步行轨迹等人体步态参数的数据库，对不同性别，不同年龄被测者，能够实现对海量步态数据进行分位数回归分析，得出人体步态参数的变化趋势。并且可以将计算出的步速、步长、步频、步行轨迹等步态参数以饼图、柱状图和雷达图等形式直观地显示在数据库界面。
本发明提供的基于多传感器融合的人体步态分析方法，不仅适用于平地行走，对于上下楼梯运动同样适用。下面以实例的形式对本实施例提供的方案进行说明：
实例1，在室内平地行走的实施例中，被测者在绑定步态分析***之后执行一次“跺脚”动作，使被测者佩戴的传感器感应到一个明显的起始信号，这个信号用来完成视频跟踪***VICON和传感器的数据同步。随后的两组实验分别是：被测者沿着光学跟踪***VICON测量区域内的矩形路线行走两圈；被测者以自己舒适的步伐沿直线行走十步。上位机为数据计算和输出终端，通过移动存储介质将下位机采集到的数据传入步态分析上位机软件，计算得到各项步态参数。数据分析与处理流程如图1所示。下位机采集的步态数据上传到上位机步态分析软件，首先经过高通和低通数字滤波处理，滤去与步态分析应用无关的高频和低频信号。由于被测者在测量开始必然有静止站立的阶段，满足***初始化条件，此时加速度计仅感受重力加速度，利用加速度计读数计算出初始俯仰角和滚转角。利用电子罗盘检测地磁分量，计算初始偏航角。在步行开始后的站立相中期使用零速度更新算法消除误差。图5为本发明实施例中实例1计算得到的被测者沿矩形路线步行两圈的三维方向角度信息，将图5的计算结果与视频跟踪***计算的数值对比，角度误差小于2°，说明本方法可以长时间精确计算步态信息。为了获得足部角度细节，排除步行方向改变的影响，被测者按照自己舒服的步伐沿直线行走十步，通过置于足部的传感器计算其步行过程中足角的变化，可以评估足内旋或者足外翻的程度，帮助被测者选择合适的鞋子。图6为本发明实施例中实例1被测者直线行走时足部三维角度信息示意图。图7为下肢疼痛与下肢关节旋转角度的关系示意图。
实例2，在本实施例中，被测者完成攀登两层楼梯的运动，采集到的数据首先存储在SD卡，实验结束之后通过读卡器传入步态分析上位机软件，计算各项参数。在单位时间内对同一被测者多次进行楼梯运动实验，可以评估其耐力。楼梯运动能提高心血管功能，强壮心肌收缩力，提高肺功能，增加肺活量，发展下肢肌肉力量，提高膝关节韧性。楼梯运动能力间接反映被测者的心血管和肺功能指标，以及下肢关节的强度和韧性。图8为本发明实施例中实例2计算得到的被测者攀登两层楼梯时三维坐标系下的步行轨迹示意图。
本实施例提供的基于多传感器融合的人体步态分析方法，能够解决现有技术使用零速度更新算法的有效性问题，通过融合足部和腿部的传感器数据，能够精确地找到适用零速度更新算法的起始时刻，基于足部完全贴合地面的时刻速度和加速度均为零的特定域假设减少误差或误差积累，将误差限制在步行过程的每一小步中，避免了误差积累；针对腿部位置计算不适用零速度更新算法的情况，能够通过下肢的拓扑结构模型建立的约束条件，达到减少位置计算误差的效果。针对身高因素对于步态参数的影响，本发明对步速、步长和步频参数进行标准化处理，能够消除身高因素对步态参数的影响，达到不同人的步态参数具有可比性的效果。对标准化的步态参数汇总建立步态数据库，通过分位数回归分析可以得到人体步态参数随性别，年龄的变化趋势。本实施例提供的方法能够精确找到适用零速度更新算法的起始时刻，保证零速度更新算法的有效性，从而降低积分误差，提高步态参数计算的可靠性。本发明提供的方法也可以用于人体其他肢体部位的运动信息测量。
实施例二
图9为本发明实施例提供的基于多传感器融合的人体步态分析***的结构示意图。如图9所示，本发明实施例提供的基于多传感器融合的人体步态分析***包括：数据采集装置和数据分析处理装置，数据采集装置用于利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号，所述运动信号包括三维加速度和三维角速度；所述数据分析处理装置包括初始姿态分析单元、步态参数计算单元和误差矫正单元；
初始姿态分析单元，用于根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，所述运动信号包括三维加速度信号和三维角速度信号，根据人体的初始姿态获得传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；
步态参数计算单元，用于根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，并从所述开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数，其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；
误差矫正单元，用于消除传感器误差积累，更新人体步态参数，包括：当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。
在上述方案中，所述数据采集装置包括惯性传感器标定单元、传感器信号采集单元、数据滤波单元和自容式数据存储单元；惯性传感器标定单元，用于通过三维转台和三维导轨对传感器进行标定；传感器信号采集单元，用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号；数据滤波单元，用于对采集到的运动信号以及三维地磁场分量信号进行去噪声处理；自容式数据存储单元，用于将采集到的运动信号和三维地磁场分量信号保存到存储设备中。具体的，数据预处理单元的去噪声处理包括对检测到的三维加速度信号、三维角速度信号以及三维地磁场分量信号进行高通(0.001赫兹)滤波，低通(5赫兹)滤波和陷波(50赫兹)处理。其中，自容式数据存储单元，是将采集到的人体步行过程中下肢的运动信号和三维地磁场分量信号的数据保存在移动存储卡(SD卡)，之后通过读卡器传送到数据分析处理装置。
其中，所述数据采集装置包括三轴加速度计、三轴陀螺仪和三轴电子罗盘；三轴加速度计和三轴陀螺仪采集人体步行过程中下肢的运动信号；三轴电子罗盘采集人体步行过程中的三维地磁场分量信号；三轴加速度计、三轴陀螺仪以及三轴电子罗盘安装在被测者的大腿中段，小腿中段以及足背位置。
进一步的，所述基于多传感器融合的人体步态分析***，还包括：
步态数据库单元，用于对获得的人体步态参数进行标准化处理，进而建立人体步态参数数据库，具体用于；通过公式对步速进行标准化，通过公式对步长进行标准化，通过公式对步频进行标准化，其中,l1为被测者身高，lm为被测者所属年龄段人群的平均身高；V为对传感器信号积分运算得到的被测者步速，Vrel为标准步速，单位是米/秒；L为对步速积分运算得到的步长，Lrel为标准步长，单位是米/步；C为通过步行周期计算出的被测者单位时间内行走的步频，Crel为标准步频，单位是步/秒。
在误差矫正单元中，通过下肢运动学模型建立的两个约束条件为：
其中,为基于小腿运动的膝关节位移向量，为基于足部的传感器计算出的脚踝位置向量，为通过置于大腿部位的传感器计算出的髋关节位移向量。
本实施例提供的基于多传感器融合的人体步态分析***，通过数据采集装置采集人体步行过程中下肢的运动信号和三维地磁场分量信号，通过初始姿态分析单元获得人体初始方位信息，通过步态参数计算单元获得人体步态参数，并通过误差矫正单元消除传感器误差积累，更新人体步态参数，本实施例提供的***能够精确找到适用零速度更新算法的起始时刻，保证零速度更新算法的有效性，从而降低积分误差，提高步态参数计算的可靠性。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种基于多传感器融合的人体步态分析方法，其特征在于，所述基于多传感器融合的人体步态分析方法包括：
步骤100，利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号，所述运动信号包括三维加速度信号和三维角速度信号；
步骤200，根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，所述初始姿态包括人体初始静止站立状态的俯仰角、滚转角和偏航角，根据人体的初始姿态获得传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；
步骤300，根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，并从所述开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数，其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；
步骤400，消除传感器误差积累，更新人体步态参数，包括：
当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；
当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。
2.根据权利要求1所述的基于多传感器融合的人体步态分析方法，其特征在于，所述采集人体步行过程中下肢的运动信号和三维地磁场分量信号包括：
通过三维转台和三维导轨对传感器进行标定；
采集人体步行过程中下肢的运动信号和三维地磁场分量信号；
对采集到的运动信号以及三维地磁场分量信号进行去噪声处理；
将采集到的运动信号和三维地磁场分量信号保存到存储设备中。
3.根据权利要求1所述的基于多传感器融合的人体步态分析方法，其特征在于，在步骤400之后，还包括：
步骤500，对获得的人体步态参数进行标准化处理，进而建立人体步态数据库，包括：
通过公式对步速进行标准化，通过公式对步长进行标准化，通过公式对步频进行标准化，得到标准化处理后的人体步态参数，其中,l1为被测者身高，lm为被测者所属年龄段人群的平均身高；V为对传感器信号积分运算得到的被测者步速，Vrel为标准步速，单位是米/秒，L为对步速积分运算得到的步长，Lrel为标准步长，单位是米/步，C为通过步行周期计算出的被测者单位时间内行走的步频，Crel为标准步频，单位是步/秒。
4.根据权利要求1所述的基于多传感器融合的人体步态分析方法，其特征在于，通过所述下肢运动学模型建立的两个约束条件为：
其中,为基于小腿运动的膝关节位移向量，为基于足部的传感器计算出的脚踝位置向量，为通过置于大腿部位的传感器计算出的髋关节位移向量。
5.一种基于多传感器融合的人体步态分析***，其特征在于，所述基于多传感器融合的人体步态分析***包括：数据采集装置和数据分析处理装置，数据采集装置用于利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号，所述运动信号包括三维加速度和三维角速度；所述数据分析处理装置包括初始姿态分析单元、步态参数计算单元和误差矫正单元；
初始姿态分析单元，用于根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，根据人体的初始姿态获得传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；
步态参数计算单元，用于根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，并从所述开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数，其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；
误差矫正单元，用于消除传感器误差积累，更新人体步态参数，包括：当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。
6.根据权利要求5所述的基于多传感器融合的人体步态分析***，其特征在于，所述数据采集装置包括惯性传感器标定单元、传感器信号采集单元、数据滤波单元和自容式数据存储单元；
惯性传感器标定单元，用于通过三维转台和三维导轨对传感器进行标定；
传感器信号采集单元，用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号；
数据滤波单元，用于对采集到的运动信号以及三维地磁场分量信号进行去噪声处理；
自容式数据存储单元，用于将采集到的运动信号和三维地磁场分量信号保存到存储设备中。
7.根据权利要求5所述的基于多传感器融合的人体步态分析***，其特征在于，所述基于多传感器融合的人体步态分析***，还包括：
步态数据库单元，用于对获得的人体步态参数进行标准化处理，进而建立人体步态参数数据库，具体用于；通过公式对步速进行标准化，通过公式对步长进行标准化，通过公式对步频进行标准化，其中,l1为被测者身高，lm为被测者所属年龄段人群的平均身高；V为对传感器信号积分运算得到的被测者步速，Vrel为标准步速，单位是米/秒；L为对步速积分运算得到的步长，Lrel为标准步长，单位是米/步；C为通过步行周期计算出的被测者单位时间内行走的步频，Crel为标准步频，单位是步/秒。
8.根据权利要求5所述的基于多传感器融合的人体步态分析***，其特征在于，在误差矫正单元中，通过下肢运动学模型建立的两个约束条件为：
其中,为基于小腿运动的膝关节位移向量，为基于足部的传感器计算出的脚踝位置向量，为通过置于大腿部位的传感器计算出的髋关节位移向量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510178450.4A CN104757976B (zh) | 2015-04-16 | 2015-04-16 | 一种基于多传感器融合的人体步态分析方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510178450.4A CN104757976B (zh) | 2015-04-16 | 2015-04-16 | 一种基于多传感器融合的人体步态分析方法和*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104757976A CN104757976A (zh) | 2015-07-08 |
| CN104757976B true CN104757976B (zh) | 2017-07-21 |
Family
ID=53640331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510178450.4A Active CN104757976B (zh) | 2015-04-16 | 2015-04-16 | 一种基于多传感器融合的人体步态分析方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104757976B (zh) |
Families Citing this family (54)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104998381A (zh) * | 2015-07-20 | 2015-10-28 | 上海交通大学 | 基于可穿戴传感和触觉反馈的步态矫正*** |
| CN106370178B (zh) * | 2015-07-21 | 2020-09-22 | 阿里巴巴集团控股有限公司 | 移动终端设备的姿态测量方法及装置 |
| JP6660110B2 (ja) * | 2015-07-23 | 2020-03-04 | 原田電子工業株式会社 | 歩行解析方法および歩行解析システム |
| CN105310654A (zh) * | 2015-08-06 | 2016-02-10 | 跑动（厦门）信息科技有限公司 | 一种检测足内旋的方法和用于检测足内旋的智能鞋垫 |
| TWI582389B (zh) * | 2015-10-26 | 2017-05-11 | 行政院原子能委員會核能研究所 | 以步態偵測方法進行慣性定位的導航系統 |
| CN105509691B (zh) * | 2015-11-03 | 2018-01-26 | 北京时代拓灵科技有限公司 | 多传感器组融合的检测方法及支持头部跟踪的环绕声方法 |
| TWI570659B (zh) * | 2015-11-09 | 2017-02-11 | 真茂科技股份有限公司 | 智慧健康評估系統與設備 |
| CN106767807B (zh) * | 2015-11-20 | 2020-07-03 | 北京航空航天大学 | 一种基于身高和运动特征的行人步长综合测量方法 |
| AU2017395793A1 (en) * | 2016-01-25 | 2018-09-06 | B-Temia Inc. | Gait profiler system and method |
| CN105769206B (zh) * | 2016-02-25 | 2018-10-09 | 苏州大学 | 一种基于上下肢运动信息的步态相位判别方法 |
| CN105769408A (zh) * | 2016-03-17 | 2016-07-20 | 王义水 | 一种矫正鞋、矫正鞋垫及矫正方法 |
| CN105975753A (zh) * | 2016-04-28 | 2016-09-28 | 努比亚技术有限公司 | 计算用户移动速度的方法及移动终端 |
| CN106225784B (zh) * | 2016-06-13 | 2019-02-05 | 国家***第二海洋研究所 | 基于低成本多传感器融合行人航位推算方法 |
| CN106168485B (zh) * | 2016-07-18 | 2019-09-10 | 北京方位捷讯科技有限公司 | 步行航迹数据推算方法及装置 |
| EP3442403B1 (en) * | 2016-08-09 | 2019-10-09 | Koninklijke Philips N.V. | Processing apparatus and method for determining an ambulation motion of a subject |
| CN106595912A (zh) * | 2016-11-01 | 2017-04-26 | 中国海洋大学 | 一种人足动态力学实时检测评估***及方法 |
| CN106419928B (zh) * | 2016-11-03 | 2018-04-10 | 浙江大学 | 一种可穿戴式设备及用于该设备的实时步长测量方法 |
| WO2018081986A1 (zh) * | 2016-11-03 | 2018-05-11 | 浙江大学 | 一种可穿戴式设备及用于该设备的实时步长测量方法 |
| CN106333692A (zh) * | 2016-11-15 | 2017-01-18 | 上海市共进通信技术有限公司 | 检测人体步态周期和步长的腿部或足部穿戴装置及其方法 |
| CN106643713B (zh) * | 2016-12-22 | 2021-01-26 | 威海北洋电气集团股份有限公司 | 对阈值平滑自适应调整的零速修正步行者轨迹的推算方法及装置 |
| CN106767804B (zh) * | 2016-12-28 | 2018-03-27 | 华中科技大学 | 一种运动物体的多维数据测量装置及方法 |
| CN106767805B (zh) * | 2017-01-08 | 2023-08-18 | 上海拓攻机器人有限公司 | 基于mems传感器阵列的高精度惯性量测量方法及测量*** |
| CN106767790B (zh) * | 2017-01-12 | 2019-11-08 | 厦门大学 | 人体下肢运动模型与卡尔曼滤波融合估计行人移动跟踪的方法 |
| CN107260176A (zh) * | 2017-06-07 | 2017-10-20 | 深圳市奇诺动力科技有限公司 | 足底压力测量装置和方法 |
| CN107607976A (zh) * | 2017-07-28 | 2018-01-19 | 烟台持久钟表有限公司 | 北斗与自主传感器定位装置及其定位方法 |
| CN107702711B (zh) * | 2017-09-15 | 2021-12-21 | 上海交通大学 | 一种基于低成本传感器和地图约束的行人航向推算*** |
| CN107423730B (zh) * | 2017-09-20 | 2024-02-13 | 湖南师范大学 | 一种基于语义折叠的人体步态行为主动检测识别***和方法 |
| CN107582063A (zh) * | 2017-09-20 | 2018-01-16 | 深圳市行者机器人技术有限公司 | 一种步态检测环 |
| EP3671119B1 (en) * | 2017-09-30 | 2024-04-10 | Huawei Technologies Co., Ltd. | Attitude matrix calculating method and device |
| CN108325201B (zh) * | 2017-12-20 | 2020-02-11 | 上海电气集团股份有限公司 | 一种基于多源信息融合的步频检测方法及设备 |
| CN108537101B (zh) * | 2018-01-05 | 2022-03-25 | 浙江大学 | 一种基于状态识别的行人定位方法 |
| CN108378854B (zh) * | 2018-02-07 | 2021-10-29 | 北京摩高科技有限公司 | 一种姿态测量捕捉分析***及其计算方法 |
| CN108520242A (zh) * | 2018-04-11 | 2018-09-11 | 上海理工大学 | 一种用于步态识别的足跟检测的方法及设备 |
| CN108836346A (zh) * | 2018-04-16 | 2018-11-20 | 大连理工大学 | 一种基于惯性传感器的人体步态分析方法和*** |
| CN108801267B (zh) * | 2018-06-22 | 2020-09-15 | 西安电子科技大学 | 一种融合多传感器的室内无锚点定位方法 |
| CN109645970B (zh) * | 2018-12-25 | 2021-08-03 | 广州康盛科技有限公司 | 一种戒毒人员的心肺适能测评方法及设备 |
| CN110059633A (zh) * | 2019-04-19 | 2019-07-26 | 西北工业大学 | 一种基于超声波的人体步态感知及其身份识别方法 |
| CN110103216B (zh) * | 2019-04-25 | 2021-07-30 | 深圳市工匠社科技有限公司 | 机器人控制方法及相关产品 |
| CN110604546A (zh) * | 2019-07-29 | 2019-12-24 | 桂林医学院附属医院 | 一种帕金森病监测方法、装置及存储介质 |
| CN110558991B (zh) * | 2019-07-30 | 2022-05-20 | 福建省万物智联科技有限公司 | 一种步态分析方法 |
| CN110420029A (zh) * | 2019-08-03 | 2019-11-08 | 苏州自如医疗器械有限公司 | 一种基于多传感器融合的行走步态无线检测*** |
| CN110652299B (zh) * | 2019-08-20 | 2021-09-24 | 南京航空航天大学 | 面向下肢软质外骨骼的多源传感信息融合*** |
| CN110693501A (zh) * | 2019-10-12 | 2020-01-17 | 上海应用技术大学 | 一种基于多传感器融合的行走步态无线检测*** |
| CN111012358B (zh) * | 2019-12-26 | 2023-02-10 | 浙江福祉科创有限公司 | 一种人体踝关节运动轨迹测量方法及可穿戴式设备 |
| CN111685772B (zh) * | 2020-05-29 | 2021-07-09 | 清华大学 | 外骨骼机器人测量***、行走步态建模分析方法和设备 |
| CN111700620B (zh) * | 2020-06-24 | 2022-08-05 | 中国科学院深圳先进技术研究院 | 一种步态异常早期识别与风险预警方法和装置 |
| WO2021258333A1 (zh) * | 2020-06-24 | 2021-12-30 | 中国科学院深圳先进技术研究院 | 一种步态异常早期识别与风险预警方法和装置 |
| CN112472531A (zh) * | 2020-12-17 | 2021-03-12 | 大连理工大学 | 面向医疗复健和助力行走的下肢外骨骼机器人步态平稳算法 |
| CN112957034A (zh) * | 2021-03-17 | 2021-06-15 | 中山大学 | 一种基于多参数的步态评价方法及*** |
| CN113671997A (zh) * | 2021-08-17 | 2021-11-19 | 深圳市火乐科技发展有限公司 | 投影设备控制方法、校正方法、遥控装置以及投影设备 |
| CN113662535B (zh) * | 2021-09-14 | 2022-07-01 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 步态检测方法、装置、设备及存储介质 |
| CN115500821A (zh) * | 2022-10-09 | 2022-12-23 | 吉林大学 | 基于人体解剖学的盆骨节段骨骼***标定方法 |
| CN116211290B (zh) * | 2023-02-20 | 2024-01-30 | 汕头大学 | 一种踝泵运动的姿态监测与评估方法及*** |
| CN116295741B (zh) * | 2023-02-23 | 2023-08-22 | 浙江大学 | 一种基于气垫的体重监测方法及*** |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6301964B1 (en) * | 1997-10-14 | 2001-10-16 | Dyhastream Innovations Inc. | Motion analysis system |
| US8694251B2 (en) * | 2010-11-25 | 2014-04-08 | Texas Instruments Incorporated | Attitude estimation for pedestrian navigation using low cost mems accelerometer in mobile applications, and processing methods, apparatus and systems |
| CN102323854B (zh) * | 2011-03-11 | 2013-10-16 | 中国科学院研究生院 | 人体运动捕获装置 |
| CN102824177B (zh) * | 2012-07-25 | 2014-11-26 | 王哲龙 | 一种三维人体步态定量分析***和方法 |
| CN103776446B (zh) * | 2013-10-29 | 2017-01-04 | 哈尔滨工程大学 | 一种基于双mems-imu的行人自主导航解算算法 |
| CN103968827B (zh) * | 2014-04-09 | 2017-11-28 | 北京信息科技大学 | 一种可穿戴式人体步态检测的自主定位方法 |
| CN104296750B (zh) * | 2014-06-27 | 2017-05-03 | 大连理工大学 | 一种零速检测方法和装置以及行人导航方法和*** |
-
2015
- 2015-04-16 CN CN201510178450.4A patent/CN104757976B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104757976A (zh) | 2015-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104757976B (zh) | 一种基于多传感器融合的人体步态分析方法和*** | |
| CN108836346A (zh) | 一种基于惯性传感器的人体步态分析方法和*** | |
| Roetenberg et al. | Xsens MVN: Full 6DOF human motion tracking using miniature inertial sensors | |
| JP6183906B2 (ja) | 歩容推定装置とそのプログラム、転倒危険度算出装置とそのプログラム | |
| KR101751760B1 (ko) | 하지 관절 각도를 이용한 보행 인자 추정 방법 | |
| Sabatini et al. | Assessment of walking features from foot inertial sensing | |
| Roetenberg | Inertial and magnetic sensing of human motion | |
| US8529475B2 (en) | Device for analyzing gait | |
| CN106176149A (zh) | 一种基于多传感融合的外骨骼步态分析***及方法 | |
| CN106705968A (zh) | 基于姿态识别和步长模型的室内惯性导航算法 | |
| JP2012513227A (ja) | 歩行モニタ | |
| CN102843988A (zh) | 用于跟踪股骨参照系的基于mems的方法和*** | |
| WO2000036520A9 (en) | System and method for measuring movement of objects | |
| CN108338791A (zh) | 失稳运动数据的检测装置及检测方法 | |
| CN108245164A (zh) | 一种可穿戴式惯性器件人体步态信息采集计算方法 | |
| Tjhai et al. | Step-size estimation using fusion of multiple wearable inertial sensors | |
| WO2018132999A1 (zh) | 一种用于可穿戴式设备的人体步长测量方法及其测量设备 | |
| Bennett et al. | An extended kalman filter to estimate human gait parameters and walking distance | |
| JP2016150193A (ja) | 運動解析装置 | |
| Horenstein et al. | Validation of magneto-inertial measuring units for measuring hip joint angles | |
| Yang et al. | A calibration process for tracking upper limb motion with inertial sensors | |
| CN110319840A (zh) | 面向异常步态识别的共轭梯度姿态解算方法 | |
| Scapellato et al. | In-use calibration of body-mounted gyroscopes for applications in gait analysis | |
| CN114287890B (zh) | 基于mems传感器的帕金森患者的运动功能评估方法 | |
| Tjhai et al. | Comparing heading estimates from multiple wearable inertial and magnetic sensors mounted on lower limbs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |