CN108968973A - 一种人体步态采集与分析***及方法 - Google Patents
一种人体步态采集与分析***及方法 Download PDFInfo
- Publication number
- CN108968973A CN108968973A CN201810892390.6A CN201810892390A CN108968973A CN 108968973 A CN108968973 A CN 108968973A CN 201810892390 A CN201810892390 A CN 201810892390A CN 108968973 A CN108968973 A CN 108968973A
- Authority
- CN
- China
- Prior art keywords
- gait
- joint
- subject
- acquisition
- data
- 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.)
- Pending
Links
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
-
- 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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种人体步态采集与分析***及方法,包括步态信息采集***,步态信息采集***由嵌入式摄像头和计算机分析装置组成,嵌入式摄像头采集步态图像信息并传输至计算机分析装置进行分析处理,本发明通过下肢关节点定位,在人体下肢多个关节点处粘贴标记点。同时,利用嵌入式摄像头获取步态数据,并且提取出标记点的坐标。将步态数据导入到数据处理软件Processing中对数据进行可视化处理,得到一个完整步态周期内的运动轨迹棍棒图像和角度信息;本发明的步态信息采集***能够很好捕捉人体行走过程中的步态参数。
Description
技术领域
本发明涉及人体步态采集分析技术领域,具体为一种人体步态采集与分析***及方法。
背景技术
步态是人类步行的行为特征,受到年龄、性别、教育和生活***的迅速发展,在计算机仿真、机械学、生物学、解剖学等领域有了飞跃性的发展,这大大的推动了步态分析的研究。近几十年来,人们对运动行为的产生机制进行了更加深入的分析和了解,对步态运动的研究也相应产生了多方面的发展。随着对步态研究的深入开展,步态研究被应用到了很多的方面,对于脑瘫等神经受损导致的步态异常和关节疾病等造成的步态异常的治疗技术和方法突飞猛进,同时还将步态研究运用到了步态识别、机器人等实际应用中去。
现有技术中步态分析一般采用如下几种分析方法:传统的步态分析方法、基于图像与视频信息的步态分析***、基于压力信息的步态分析***、基于肌电信号的步态分析***、基于声学信号的步态分析***、基于微型电机***的穿戴式步态分析***、基于多传感器融合的步态分析***,而以上这个分析***均操作复杂,检测成本高,不利于推广使用,因此,有必要进行改进。
发明内容
本发明的目的在于提供一种人体步态采集与分析***及方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种人体步态采集与分析***,包括步态信息采集***,所述步态信息采集***由嵌入式摄像头和计算机分析装置组成,所述嵌入式摄像头采集步态图像信息并传输至计算机分析装置进行分析处理。
优选的,所述嵌入式摄像头内核是STM32F765 ARM Cortex M7;摄像头采用OV7725摄像头芯片。
优选的,所述计算机分析装置中采用的数据分析软件是Processing。
优选的,其使用方法包括以下步骤:
A、采集前准备;
B、步态图像采集;
C、步态图像数据处理;
D、步态分析。
优选的,所述步骤A中具体操作为:图像采集在室内进行,保证室内光线充足,实验背景同色系无杂色;受试者穿着灰黑色紧身裤,将受试者的右侧下肢的髋关节、膝关节和踝关节处使用蓝、黄、红三种不同的颜色进行标记;将摄像头放置在设置好的场地的中央。
优选的,所述步骤B中具体为:将嵌入式摄像头放置在实验场地中央,根据受试者的高度和受试者一个完整步态周期的距离进行调整摄像头的高度和受试者的距离,保证在受试者测试过程中可以完整的拍摄到受试者下肢的标记点。
优选的,所述步骤C中具体操作为:将识别出错或者同时多次识别的坐标手动排除,嵌入式摄像头输出的数据中每三个坐标为一组,保证数据处理程序Processing顺利运行;将处理过的数据导入Processing中编写程序,利用嵌入式摄像头颜色追踪髋关节、膝关节、踝关节得到的一系列坐标,在同一时刻内的三个坐标为一组,生成简单的由多个关节点和大小腿组成的下肢模型,并输出髋关节和膝关节的角度。
优选的,所述步骤D具体为:通过processing将得到的步态数据进行处理,建立一个的简单的单侧下肢模型,可以看到受试者的步行过程,还得到了下肢髋关节和膝关节步时的角度,由此可以判断关节是屈曲还是伸展,分别得到髋关节、膝关节、踝关节的运动轨迹。
与现有技术相比,本发明的有益效果是:本发明通过下肢关节点定位,在人体下肢多个关节点处粘贴标记点。同时,利用嵌入式摄像头获取步态数据,并且提取出标记点的坐标。将步态数据导入到数据处理软件Processing中对数据进行可视化处理,得到一个完整步态周期内的运动轨迹棍棒图像和角度信息;本发明的步态信息采集***能够很好捕捉人体行走过程中的步态参数。
附图说明
图1为本发明***原理图;
图2为本发明分析流程图;
图3为本发明实验下肢模型图;
图4为本发明受试者正常行走髋关节轨迹示意图;
图5为本发明受试者正常行走髋关节角度示意图;
图6为本发明受试者正常行走膝关节轨迹示意图;
图7为本发明受试者正常行走膝关节角度示意图;
图8为本发明受试者正常行走踝关节轨迹示意图;
图9为本发明受试者正常行走关节轨迹示意图;
图10为本发明受试者正常行走步态轨迹示意图;
图11为本发明受试者迈出一步后髋关节轨迹示意图;
图12为本发明受试者迈出一步后膝关节轨迹示意图;
图13为本发明受试者迈出一步后踝关节轨迹示意图;
图14为本发明受试者迈出一步后关节轨迹示意图;
图15为本发明受试者迈出一步后髋关节角度示意图;
图16为本发明受试者迈出一步后膝关节角度示意图;
图17为本发明受试者迈出一步后步态轨迹示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本发明提供一种技术方案:一种人体步态采集与分析***,包括步态信息采集***,所述步态信息采集***由嵌入式摄像头1和计算机分析装置2组成,所述嵌入式摄像头1采集步态图像信息3并传输至计算机分析装置2进行分析处理;其中,嵌入式摄像头内核是STM32F765ARM Cortex M7;摄像头采用OV7725摄像头芯片。
计算机分析装置中采用的数据分析软件是Processing。Processing是目前新兴的一种计算机语言,Processing有自己独立的开发环境IDE,包含代码编辑区、运行起始键、报错区、模式添加和程序运行窗口,简洁直观。使用者只要直接在代码区编写代码,然后立即运行就能在程序运行窗口看到处理效果,并进行修改。在Processing中是用的是Java语言,也可以在右上角添加模式,使用其他语言进行编写。Processing的源代码是开放的,可以进行资源共享,Processing的功能十分强大,可以使用Processing进行算法绘图,进行数据可视化,构建模型,创造各种视觉艺术和交互效果。Processing用一种更生动、更有设计感的处理方式对数据进行了可视化。本发明中使用Processing对采集到的步态数据进行了分析处理,使其更加生动直观。
本发明的使用方法包括以下步骤:
A、采集前准备;
B、步态图像采集;
C、步态图像数据处理;
D、步态分析。
其中,步骤A中具体操作为:图像采集在室内进行,保证室内光线充足,实验背景同色系无杂色;受试者穿着灰黑色紧身裤,将受试者的右侧下肢的髋关节、膝关节和踝关节处使用蓝、黄、红三种不同的颜色进行标记;将摄像头放置在设置好的场地的中央;步骤B中具体为:将嵌入式摄像头放置在实验场地中央,根据受试者的高度和受试者一个完整步态周期的距离进行调整摄像头的高度和受试者的距离,保证在受试者测试过程中可以完整的拍摄到受试者下肢的标记点;步骤C中具体操作为:将识别出错或者同时多次识别的坐标手动排除,嵌入式摄像头输出的数据中每三个坐标为一组,保证数据处理程序Processing顺利运行;将处理过的数据导入Processing中编写程序,利用嵌入式摄像头颜色追踪髋关节、膝关节、踝关节得到的一系列坐标,在同一时刻内的三个坐标为一组,生成简单的由多个关节点和大小腿组成的下肢模型,并输出髋关节和膝关节的角度;步骤D具体为:通过processing将得到的步态数据进行处理,建立一个的简单的单侧下肢模型,可以看到受试者的步行过程,还得到了下肢髋关节和膝关节步时的角度,由此可以判断关节是屈曲还是伸展,分别得到髋关节、膝关节、踝关节的运动轨迹。
实验例:
步行的起始距离约为1.50m,摄像头放置在场地中央,距离为1m,高0.6m。本实验采用嵌入式摄像头摄像,并对髋关节、膝关节、踝关节的坐标进行采集。
将嵌入式摄像头通过USB连接到电脑,此时嵌入式摄像头IDE左下角的连接图标是灰色的,点击连接图标,图标由白色变成绿色则表示成功连接,可以开始使用。此时嵌入式摄像头IDE的右上角就会显示拍摄的画面。
在嵌入式摄像头IDE中打开编写号的颜色追踪程序,通过嵌入式摄像头中对颜色的追踪来追踪髋关节、膝关节、踝关节的运动。嵌入式摄像头中的颜色空间是LAB colorspace,在LAB彩色空间L分量是指像素的亮度;A表示从红色到绿色的范围;B表示从黄色到蓝色的范围。在嵌入式摄像头中LAB的颜色阈值并不是确定不变的,很容易受到影响,不同的光线,不同的穿着,或者不同的拍摄方向,颜色的阈值都有所不同,所以需要不断的调试才能同时识别出三种颜色。选中需要的颜色区域,记录下L,A,B三者的最大值和最小值,将记录的LAB的范围设为阈值传入到find_blobs函数中。
灯光下三种颜色的阈值
在程序中编写,如果识别到蓝色,就用灰色的矩形框标出颜色范围并在颜色区域的正中央显示十字形标记;如果识别到黄色,就用黑色的矩形框标出并在颜色区域的正中央显示十字形标记;如果识别到红色,就用白色的矩形框标出并在颜色区域的正中央显示十字形标记,输出坐标为颜色区域中心十字标记的坐标。
将嵌入式摄像头识别并输出的髋关节、膝关节、踝关节的坐标导出到excel表中,进行数据的预处理。在嵌入式摄像头中显示拍摄画面的窗口是以左上角为原点,X轴向右递增,Y轴向下递增来建立坐标系的。受试者步行的方向不变,向X轴递增方向行走,所以输出的坐标都是有规律的。这样就可以看出数据中哪些坐标是识别出错的坐标将其处理,保证同时输出了三个坐标为一组,这样有利于Processing对数据的处理。在光线适合的情况下识别的比较好,整组数据一般只会处理掉2-3个坐标点,不会对实验结果造成影响。
如图3-17所示,本实验中将髋关节视为球状关节,膝关节是为铰链关节。从上到下建立一个右侧下肢模型,髋关节到膝关节的长度设为Lt,膝关节到踝关节的长度设为Ls,脚掌的长度设为Lf,大腿与垂直地面方向夹角设为θh,大腿延长线与小腿的夹角设为θk,小腿与脚掌的夹角设为θα。
使用Matlab,将实验所得数据进行绘图分析,在Matlab中建立的坐标轴与OpenMV采集数据坐标轴保持一致。
首先,将髋关节在步行中采集的坐标绘制成髋关节轨迹图,如图4所示。图中髋关节运动的X轴范围为[11,149],Y轴范围为[3,9],可以看出正常人在步行过程中,重心会在人体的矢状面进行有规律的上下移动,也说明了受试者的两侧下肢比较对称。
图5可以看出,正常人在行走过程中,髋关节与膝关节形成的角度先增大后减小,波峰波谷比较明显,说明受试者可以正常伸展,有足够的步幅,曲线比较对称也说明了受试者在行走过程中比较稳定。受试者步行开始进入摆动期后,右侧下肢作为摆动肢髋关节的屈曲角度增大,大腿向前迈出,屈曲会一直持续到右足着地。
将膝关节在步行中采集的坐标绘制成膝关节轨迹图,如图6所示。图中膝关节运动的X轴范围为[7,151],Y轴范围为[29,59]。从图上可以看出两个明显的峰值,此时膝关节发生最大屈曲,第二个峰值就是右下肢处于摆动相中期。中间一段谷值时右肢着地处于支撑相,膝关节逐渐升高到右趾离地进入摆动相。
从图7中可以看出受试者在站立前期时膝关节呈适当屈曲状,并未完全伸直的,这样可以减少重力的上升。在站立期时膝关节逐渐伸展,等到要蹬地离开时完全伸直,然后再逐渐屈曲,在右足准备再一次着地时膝关节屈曲角度逐渐减小直到右足着地。
将踝关节在步行中采集的坐标绘制成踝关节轨迹图,如图8所示。图中膝关节运动的X轴范围为[9,142],Y轴范围为[63,99]。从图上可以明显的看出峰值和谷值,当踝关节位于谷值时说明处于支撑相,右侧下肢支撑状态;当踝关节处于第二个峰值时说明右肢处于摆动相,此时膝关节轨迹应处于其峰值。
图9将髋关节的运动轨迹、膝关节的运功轨迹和踝关节的运动轨迹放到了一张图中,可以看出步态运动是十分具有规律的。从图10能更直观的看出受试者的步行过程,可以明显的看出受试者处于步态周期中的每个阶段。从右足第一次着地,横坐标为60,纵坐标为100时开始一个步态周期,右足着地开始进入支撑相,右足开始离地时则是进入支撑相末期,在右足完全离地开始进入摆动相,到最后右足再次开始着地就到了摆动相末期,一个完整的步态周期结束。
图11到图17是受试者以缓慢的姿势迈出了一步。图11到图16是髋关节、膝关节和踝关节的运动轨迹图和角度图,与上述的完整步态周期中相应的曲线图十分相似,这样进一步验证了上述实验数据的准确性。而图17步态轨迹图,则是比完整步态周期的步态轨迹图更加清晰的看出了迈步的过程。
本发明首先建立了作为分析基础的人体右侧下肢模型,然后将处理得到的数据在Matlab中绘制曲线图,分别绘制了完整步态周期和步行一步的右侧下肢三个关节的运动轨迹图,髋关节在步行过程中的角度变化图和膝关节在运动过程中的角度变化图。通过绘制的曲线可以分析得到步行的各个阶段,也可以看出受试者的步态是否正常稳定。
本发明通过下肢关节点定位,在人体右侧下肢多个关节点处粘贴标记点。同时,利用嵌入式摄像头获取步态数据,并且提取出标记点的坐标。将步态数据导入到数据处理软件Processing中对数据进行可视化处理,得到一个完整步态周期内的运动轨迹棍棒图像和角度信息;本发明的步态信息采集***能够很好捕捉人体行走过程中的步态参数。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种人体步态采集与分析***,包括步态信息采集***,其特征在于:所述步态信息采集***由嵌入式摄像头(1)和计算机分析装置(2)组成,所述嵌入式摄像头(1)采集步态图像信息(3)并传输至计算机分析装置(2)进行分析处理。
2.根据权利要求1所述的一种人体步态采集与分析***,其特征在于:所述嵌入式摄像头内核是STM32F765ARM Cortex M7;摄像头采用OV7725摄像头芯片。
3.根据权利要求1所述的一种人体步态采集与分析***,其特征在于:所述计算机分析装置中采用的数据分析软件是Processing。
4.实现权利要求1所述的一种人体步态采集与分析***的使用方法,其特征在于:其使用方法包括以下步骤:
A、采集前准备;
B、步态图像采集;
C、步态图像数据处理;
D、步态分析。
5.根据权利要求4所述的一种人体步态采集与分析***的使用方法,其特征在于:所述步骤A中具体操作为:图像采集在室内进行,保证室内光线充足,实验背景同色系无杂色;受试者穿着灰黑色紧身裤,将受试者的右侧下肢的髋关节、膝关节和踝关节处使用蓝、黄、红三种不同的颜色进行标记;将摄像头放置在设置好的场地的中央。
6.根据权利要求4所述的一种人体步态采集与分析***的使用方法,其特征在于:所述步骤B中具体为:将嵌入式摄像头放置在实验场地中央,根据受试者的高度和受试者一个完整步态周期的距离进行调整摄像头的高度和受试者的距离,保证在受试者测试过程中可以完整的拍摄到受试者下肢的标记点。
7.根据权利要求4所述的一种人体步态采集与分析***的使用方法,其特征在于:所述步骤C中具体操作为:将识别出错或者同时多次识别的坐标手动排除,嵌入式摄像头输出的数据中每三个坐标为一组,保证数据处理程序Processing顺利运行;将处理过的数据导入Processing中编写程序,利用嵌入式摄像头颜色追踪髋关节、膝关节、踝关节得到的一系列坐标,在同一时刻内的三个坐标为一组,生成简单的由多个关节点和大小腿组成的下肢模型,并输出髋关节和膝关节的角度。
8.根据权利要求4所述的一种人体步态采集与分析***的使用方法,其特征在于:所述步骤D具体为:通过processing将得到的步态数据进行处理,建立一个的简单的单侧下肢模型,可以看到受试者的步行过程,还得到了下肢髋关节和膝关节步时的角度,由此可以判断关节是屈曲还是伸展,分别得到髋关节、膝关节、踝关节的运动轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810892390.6A CN108968973A (zh) | 2018-08-07 | 2018-08-07 | 一种人体步态采集与分析***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810892390.6A CN108968973A (zh) | 2018-08-07 | 2018-08-07 | 一种人体步态采集与分析***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108968973A true CN108968973A (zh) | 2018-12-11 |
Family
ID=64555202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810892390.6A Pending CN108968973A (zh) | 2018-08-07 | 2018-08-07 | 一种人体步态采集与分析***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108968973A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109692392A (zh) * | 2019-01-30 | 2019-04-30 | 华东交通大学 | 一种基于云平台的音乐治疗方法及*** |
CN109948594A (zh) * | 2019-04-08 | 2019-06-28 | 银河水滴科技(北京)有限公司 | 一种生物特征采集的方法及装置 |
CN110075420A (zh) * | 2019-04-26 | 2019-08-02 | 南通大学 | 一种脊髓功能电刺激信号对下肢步态调控作用的研究方法 |
CN110765643A (zh) * | 2019-11-05 | 2020-02-07 | 吉林大学 | 一种仿山羊腿运动机构设计*** |
CN111860063A (zh) * | 2019-04-30 | 2020-10-30 | 杭州海康威视数字技术股份有限公司 | 步态数据构建***、方法及装置 |
CN112572453A (zh) * | 2020-12-21 | 2021-03-30 | 广州大学 | 机器人在斜坡行走的步态规划方法、装置、设备及介质 |
CN112587130A (zh) * | 2020-12-03 | 2021-04-02 | 南通市第一人民医院 | 一种护理关节活动的***及方法 |
CN112617819A (zh) * | 2020-12-21 | 2021-04-09 | 西南交通大学 | 一种婴幼儿下肢体态识别方法及*** |
CN113049795A (zh) * | 2021-03-10 | 2021-06-29 | 上海逸动医学科技有限公司 | 一种用于膝关节标本的多种功能测试方法 |
CN113116340A (zh) * | 2021-04-02 | 2021-07-16 | 浙江大学 | 一种用于可穿戴式设备的人体髋关节位移测量方法 |
CN113133761A (zh) * | 2020-01-17 | 2021-07-20 | 宝成工业股份有限公司 | 左右步态的判断方法及其分析装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103598889A (zh) * | 2013-11-13 | 2014-02-26 | 东南大学常州研究院 | 基于Kinect视觉步态分析的情景交互康复训练方法 |
CN104524742A (zh) * | 2015-01-05 | 2015-04-22 | 河海大学常州校区 | 一种基于Kinect传感器的脑瘫儿童康复训练方法 |
CN106667493A (zh) * | 2017-01-22 | 2017-05-17 | 河北大学 | 人体平衡性评估***及评估方法 |
CN107115102A (zh) * | 2017-06-07 | 2017-09-01 | 西南科技大学 | 一种骨关节功能评估方法与装置 |
CN107174255A (zh) * | 2017-06-15 | 2017-09-19 | 西安交通大学 | 基于Kinect体感技术的三维步态信息采集与分析方法 |
CN108022248A (zh) * | 2016-11-03 | 2018-05-11 | 北京航空航天大学 | 一种基于视觉采集设备的下肢步态康复评估*** |
-
2018
- 2018-08-07 CN CN201810892390.6A patent/CN108968973A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103598889A (zh) * | 2013-11-13 | 2014-02-26 | 东南大学常州研究院 | 基于Kinect视觉步态分析的情景交互康复训练方法 |
CN104524742A (zh) * | 2015-01-05 | 2015-04-22 | 河海大学常州校区 | 一种基于Kinect传感器的脑瘫儿童康复训练方法 |
CN108022248A (zh) * | 2016-11-03 | 2018-05-11 | 北京航空航天大学 | 一种基于视觉采集设备的下肢步态康复评估*** |
CN106667493A (zh) * | 2017-01-22 | 2017-05-17 | 河北大学 | 人体平衡性评估***及评估方法 |
CN107115102A (zh) * | 2017-06-07 | 2017-09-01 | 西南科技大学 | 一种骨关节功能评估方法与装置 |
CN107174255A (zh) * | 2017-06-15 | 2017-09-19 | 西安交通大学 | 基于Kinect体感技术的三维步态信息采集与分析方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109692392A (zh) * | 2019-01-30 | 2019-04-30 | 华东交通大学 | 一种基于云平台的音乐治疗方法及*** |
CN109948594A (zh) * | 2019-04-08 | 2019-06-28 | 银河水滴科技(北京)有限公司 | 一种生物特征采集的方法及装置 |
CN110075420A (zh) * | 2019-04-26 | 2019-08-02 | 南通大学 | 一种脊髓功能电刺激信号对下肢步态调控作用的研究方法 |
CN111860063A (zh) * | 2019-04-30 | 2020-10-30 | 杭州海康威视数字技术股份有限公司 | 步态数据构建***、方法及装置 |
CN111860063B (zh) * | 2019-04-30 | 2023-08-11 | 杭州海康威视数字技术股份有限公司 | 步态数据构建***、方法及装置 |
CN110765643A (zh) * | 2019-11-05 | 2020-02-07 | 吉林大学 | 一种仿山羊腿运动机构设计*** |
CN113133761A (zh) * | 2020-01-17 | 2021-07-20 | 宝成工业股份有限公司 | 左右步态的判断方法及其分析装置 |
CN113133761B (zh) * | 2020-01-17 | 2024-05-28 | 宝成工业股份有限公司 | 左右步态的判断方法及其分析装置 |
CN112587130A (zh) * | 2020-12-03 | 2021-04-02 | 南通市第一人民医院 | 一种护理关节活动的***及方法 |
CN112572453B (zh) * | 2020-12-21 | 2022-02-18 | 广州大学 | 机器人在斜坡行走的步态规划方法、装置、设备及介质 |
CN112617819A (zh) * | 2020-12-21 | 2021-04-09 | 西南交通大学 | 一种婴幼儿下肢体态识别方法及*** |
CN112572453A (zh) * | 2020-12-21 | 2021-03-30 | 广州大学 | 机器人在斜坡行走的步态规划方法、装置、设备及介质 |
CN113049795A (zh) * | 2021-03-10 | 2021-06-29 | 上海逸动医学科技有限公司 | 一种用于膝关节标本的多种功能测试方法 |
CN113116340A (zh) * | 2021-04-02 | 2021-07-16 | 浙江大学 | 一种用于可穿戴式设备的人体髋关节位移测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108968973A (zh) | 一种人体步态采集与分析***及方法 | |
Luo et al. | A low-cost end-to-end sEMG-based gait sub-phase recognition system | |
Leu et al. | A robust markerless vision-based human gait analysis system | |
US7503900B2 (en) | Kinematic quantification of gait asymmetry based on bilateral cyclograms | |
CN113066260B (zh) | 一种基于日常行为分析的帕金森症预警*** | |
Wang et al. | Quantitative assessment of dual gait analysis based on inertial sensors with body sensor network | |
de San Roman et al. | Saliency driven object recognition in egocentric videos with deep CNN: toward application in assistance to neuroprostheses | |
CN107115102A (zh) | 一种骨关节功能评估方法与装置 | |
Courtney et al. | A monocular marker-free gait measurement system | |
CN110338759B (zh) | 一种正面疼痛表情数据采集方法 | |
CN109063661A (zh) | 步态分析方法及装置 | |
Babak Taati PhD et al. | Vision-based approach for long-term mobility monitoring: Single case study following total hip replacement | |
CN110477867A (zh) | 一种动物电刺激疼痛评估测试***及评估测试方法 | |
CN109126045A (zh) | 智能化运动分析和训练*** | |
CN107563298B (zh) | 基于大脑血红蛋白信息的想象运动阶段的蹲起走状态的识别方法 | |
CN110400618B (zh) | 一种基于人体运动结构特征的三维步态生成方法 | |
Durfee et al. | Design and implementation of a home stroke telerehabilitation system | |
Zhang et al. | Comparison of OpenPose and HyperPose artificial intelligence models for analysis of hand-held smartphone videos | |
Tran et al. | Lower-gait tracking mobile application: A case study of lower body motion capture comparison between vicon T40 system and apple augmented reality | |
CN111178338A (zh) | 一种步态分析***中数据库和标准化模型的建立方法 | |
Natarajan et al. | Reha@ home-a vision based markerless gait analysis system for rehabilitation at home | |
Yahya et al. | Real time elbow angle estimation using single RGB camera | |
CN108888482A (zh) | 基于运动皮层相关电位脑机接口的下肢外骨骼康复训练***及方法 | |
Zhou et al. | Human motion analysis with ultrasound and sonomyography | |
CN114092449A (zh) | 一种基于深度学习的人体脏器和经络的视觉定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |
|
RJ01 | Rejection of invention patent application after publication |