CN109938740B - 一种步态周期检测方法、装置及计算机可读存储介质 - Google Patents
一种步态周期检测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109938740B CN109938740B CN201910178011.1A CN201910178011A CN109938740B CN 109938740 B CN109938740 B CN 109938740B CN 201910178011 A CN201910178011 A CN 201910178011A CN 109938740 B CN109938740 B CN 109938740B
- Authority
- CN
- China
- Prior art keywords
- minimum value
- point
- points
- value point
- extreme
- 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
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例公开了一种步态周期检测方法、装置及计算机可读存储介质,通过获取所采集的加速度信号中的所有极值点,极值点包括极小值点或极大值点;根据预设的极值点加速度阈值,从所有极值点中消除伪极值点;计算消除伪极值点后的加速度信号的自相关系数,并根据自相关系数估算出步长;基于步长以及消除伪极值点后的剩余极值点,检测消除伪极值点后的加速度信号中的所有步态周期。通过本发明的实施,对所检测到的极值点滤除伪极值点,再对步态信号求自相关系数,进而估计出步长,最后利用步长估计值对相邻极值点作进一步筛选而检测出步态周期,算法复杂度较低,算法适用性强,且算法准确度高。
Description
技术领域
本发明涉及生物特征识别领域,尤其涉及一种步态周期检测方法、装置及计算机可读存储介质。
背景技术
步态检测在生物特征识别领域的一个重要研究方向,通过检测步态信息,可以获得很多用户的很多运动信息,进而可以利用这些信息来进行身份认证、健康判断、训练情况监控等。
步态周期检测为步态检测中的一个重要分支,待检测对象在行走过程中,从一侧脚跟着地开始到该脚跟再次着地构成一个步态周期。目前,在进行步态周期检测时,通常采用基于规则的方法,也即通过结合源数据特征与阈值制定相关规则,使用不同类型数据源完成相关分析工作,虽然该方法的计算效率较高,但其通常由人工针对具体数据集设定某一常数阈值,普适性较差。另外还有部分研究者基于相关数学模型,如马尔科夫模型或K-多项式模型等来进行步态周期检测,此类方法虽然适应性较强,计算较为准确,但缺点在于非线性数学模型的建模较为复杂,时间复杂度和空间复杂度均较高,缺乏高效性与便捷性。
发明内容
本发明实施例的主要目的在于提供一种步态周期检测方法、装置及计算机可读存储介质,至少能够解决相关技术中采用基于规则的方法或相关数学模型进行步态周期检测时,无法在算法准确度、算法适用性与算法复杂度上达到良好平衡的问题。
为实现上述目的,本发明实施例第一方面提供了一种步态周期检测方法,该方法包括:
获取所采集的加速度信号中的所有极值点;所述极值点包括极小值点或极大值点;
根据预设的极值点加速度阈值,从所述所有极值点中消除伪极值点;
计算消除伪极值点后的加速度信号的自相关系数,并根据所述自相关系数估算出步长;
基于所述步长以及消除伪极值点后的剩余极值点,检测所述消除伪极值点后的加速度信号中的所有步态周期。
为实现上述目的,本发明实施例第二方面提供了一种步态周期检测装置,该装置包括:
获取模块,用于获取所采集的加速度信号中的所有极值点;所述极值点包括极小值点或极大值点;
消除模块,用于根据预设的极值点加速度阈值,从所述所有极值点中消除伪极值点;
计算模块,用于计算消除伪极值点后的加速度信号的自相关系数,并根据所述自相关系数估算出步长;
检测模块,用于基于所述步长以及消除伪极值点后的剩余极值点,检测所述消除伪极值点后的加速度信号中的所有步态周期。
为实现上述目的,本发明实施例第三方面提供了一种电子装置,该电子装置包括:处理器、存储器和通信总线;
所述通信总线用于实现所述处理器和存储器之间的连接通信;
所述处理器用于执行所述存储器中存储的一个或者多个程序,以实现上述任意一种步态周期检测方法的步骤。
为实现上述目的,本发明实施例第四方面提供了一种计算机可读存储介质,该计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任意一种步态周期检测方法的步骤。
根据本发明实施例提供的步态周期检测方法、装置及计算机可读存储介质,通过获取所采集的加速度信号中的所有极值点,极值点包括极小值点或极大值点;根据预设的极值点加速度阈值,从所有极值点中消除伪极值点;计算消除伪极值点后的加速度信号的自相关系数,并根据自相关系数估算出步长;基于步长以及消除伪极值点后的剩余极值点,检测消除伪极值点后的加速度信号中的所有步态周期。通过对所检测到的极值点滤除伪极值点,再对步态信号求自相关系数,进而估计出步长,最后利用步长估计值对相邻极值点作进一步筛选而检测出步态周期,算法复杂度较低,算法适用性强,且算法准确度高。
本发明其他特征和相应的效果在说明书的后面部分进行阐述说明,且应当理解,至少部分效果从本发明说明书中的记载变的显而易见。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明第一实施例提供的步态周期检测方法的基本流程示意图;
图2为本发明第一实施例提供的待检测对象以正常步速行走时的三位加速度波形示意图;
图3为本发明第一实施例提供的加速度信号中所有极小值点的标识示意图;
图4为本发明第一实施例提供的滤除噪声点之后的加速度波形示意图;
图5为本发明第一实施例提供的自相关信号示意图;
图6为本发明第二实施例提供的步态周期检测装置的结构示意图;
图7为本发明第三实施例提供的电子装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,而非全部实施例。基于本发明中的实施例,本领域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。
第一实施例:
为了解决相关技术中采用基于规则的方法或相关数学模型进行步态周期检测时,无法在算法准确度、算法适用性与算法复杂度上达到良好平衡的技术问题,本实施例提出了一种步态周期检测方法,如图1所示为本实施例提供的步态周期检测方法的基本流程示意图,本实施例提出的步态周期检测方法包括以下的步骤:
步骤101、获取所采集的加速度信号中的所有极值点;极值点包括极小值点或极大值点。
具体的,本实施例中的加速度信号可以通过陀螺仪或加速度传感器采集,其中,陀螺仪采集的角加速度在较短时间内比较准确而较长时间会因存在漂移而存有误差;而加速度传感器所采集的线加速度在较长时间的测量值较为准确,而在较短时间内由于信号噪声的存在可能存在误差。在实际应用中,二者各具特点,可根据不同研究或工程需求选用,或同时使用二者结合的传感器作为数据源采集装置。作为本实施例一种优选的实施方式,采用加速度传感器作为数据源采集装置,该传感器可以是待检测对象(人、动物或机器人等)所携带的终端(手机、可穿戴设备等)中所配置的传感器,也可以是独立的传感器设备,在此不作唯一限定,并且进一步优选的,加速度传感器的采样频率可以为27Hz。待检测对象在行走时,加速度传感器所输出的信号可以近似于正弦波波形,由于正弦波具有很强的周期性,在实际应用中,加速度信号的极小值(波谷)或极大值(波峰)中的任意一种均可被用于检测步态周期,在一种优选的实施方式中,可以采用加速度信号的极小值进行步态周期检测。
可选的,获取所采集的加速度信号中的所有极值点包括:获取通过加速度传感器所采集的Z轴方向上的加速度信号中的所有极值点。
具体的,加速度传感器可以同时采集前后(X轴)、左右(Y轴)、上下(Z轴)三个方向的加速度信号,如图2所示为待检测对象以正常步速行走时的三位加速度波形示意图,其中,X轴加速度信号反映了待检测对象前进过程中的加速度;Y轴方向的加速度反映了待检测对象行走过程中左右方向的加速度;而Z轴方向的加速度则反映了待检测对象行走过程中在上下方向的加速度,加速度信号的起伏程度与待检测对象行走时的速度有关系,行走速度越快,波形起伏越大,而行走速度越慢,则信号波形起伏越小,在实际应用中,这一现象通常在竖直方向(Z轴)和前进方向(X轴)比较明显,而相对于左右方向(Y轴)的加速度和前进方向(X轴)的加速度,竖直方向(Z轴)的加速度信号的周期性和稳定性通常更好,基于此,本实施例在检测步态周期时,采用Z轴的加速度信号作为检测信号。
可选的,在极值点为极小值点时,获取所采集的加速度信号中的所有极值点包括:获取所采集的加速度信号中的所有采样点;将加速度值同时小于左相邻和右相邻采样点的加速度值的所有采样点,确定为加速度信号中的极小值点。
具体的,在以加速度信号中的极小值点进行步态周期检测时,极小值点的确定方式为,遍历加速度信号中的所有样本点,遍历时的判定规则表示为:xi-1>xi<xi+1,其中,xi为当前时刻的采样点的加速度值,xi-1和xi+1分别为上一时刻和下一时刻的采样点的加速度值,也即加速度值同时小于前后相邻的;两个采样点的加速度值的采样点即为加速度信号中的极小值点,如图3所示为本实施例所提供的加速度信号中所有极小值点的标识示意图,其中,用“×”标记的位置即为极小值点。
步骤102、根据预设的极值点加速度阈值,从所有极值点中消除伪极值点。
具体的,受待检测对象行走过程中的体重等因素的影响,获取到的多个极小值点中可能会存在一些噪声点,也即存在着伪极值点(伪波谷或伪波峰),在实际应用中需要将这些噪声点滤除,以提高检测结果的准确性和检测效率。应当说明的是,本实施例中基于极值点加速度阈值来对噪声点进行滤除,该阈值可以是预先设定好的默认阈值,也可以是根据预先设定好的默认计算规则,实时所计算出的阈值,在此不作唯一限定。
可选的,在极值点为极小值点时,极值点加速度阈值为极小值点加速度阈值,表示为:Threshold=mean+0.5*std,其中,std为所有极小值点的标准差,mean为所有极小值点的均值;从所有极值点中消除伪极值点包括:将所有极小值点中,加速度值大于极小值点加速度阈值的极小值点确定为伪极小值点;将伪极小值点进行消除。
具体的,在极值点为极小值点时,噪声点也即伪极小值点(伪波谷),在本实施例中,消除噪声点时,可以先依据多个极小值点的加速度值,计算出这些极小值点的校准差和均值,然后再依据这些极小值点的校准差和均值,确定出一个阈值来过滤掉多个极小值点中的噪声点。上式中的Threshold为本实施例中所采用的阈值,遍历所有的极小值点,然后对图3所示的加速度信号中的所有小于该阈值的极小值点进行保留,并将大于该阈值的极小值点进行舍弃,如图4所示为本实施例提供的滤除噪声点之后的加速度波形示意图。
步骤103、计算消除伪极值点后的加速度信号的自相关系数,并根据自相关系数估算出步长。
具体的,由于待检测对象自然行走的步态加速度信号是准周期的时变信号,如果把待检测对象放在三维空间中,待检测对象在行走时上下前后左右会有周期性的加速度变化,而周期性信号作自相关后则仍能得到与原始信号同周期的信号,因此,加速度信号的周期性可以通过加速度信号的自相关特性得出。在本实施例中,通过自相关函数可以提供信号与其平移预设时间后所得信号之间关联程度的测度,周期信号的自相关函数仍然是同频率的周期信号,但不保留原信号的相位信息。
对于随机性信号或周期性信号序列x(n),它的自相关函数定义为:其中,N为消除伪极值点后的极值点的总数,n为消除伪极值点后的极值点的编号,m为延迟时间;而自相关函数是偶函数时,表示为:Rxx(m)=Rxx(-m);一个随机信号x(n),n=1,2,…,N的无偏自相关函数的定义则为:m为任意正整数。应当理解的是,周期信号的自相关系数在等同于信号的周期延迟时取值最大。还应当说明的是,本实施例中将自相关系数进行归一化处理,得到自相关信号,然后基于自相关信号中的第一个峰值和第三个峰值之间的采样点数量估算出步长,也即利用自相关函数波形的第一个和第三个峰值之间的间隔来进行步长估算。
进一步地,在基于对应于自相关系数的自相关信号中的第一个峰值和第三个峰值之间的采样点数量估算出步长之前,还包括:将自相关系数进行归一化处理,将对应于自相关系数的自相关信号进行平滑滤波。
具体的,本实施例中在得到自相关信号之后,对自相关信号进行平滑滤波,其中,平滑滤波的次数可以根据实际使用需求进行选定,作为本实施例的一种优选实施方案,可以对自相关信号进行7次平滑滤波,来消除在自相关信号中的噪声点。如图5所示为本实施例提供的自相关信号示意图,图中双向箭头所标识的即为前述所估算出的步长L。
步骤104、基于步长以及消除伪极值点后的剩余极值点,检测消除伪极值点后的加速度信号中的所有步态周期。
在本实施例中,依据滤除噪声点后的多个极值点及估算出的步长,提取出多个步态周期,由于消除伪极值点后所得到的极值点并不都是步态周期的起始点或终止点,故需要对剩余极值点作进一步筛选,进而根据极值点及步长L找出每个步态周期的起始点和终止点。
可选的,在极值点为极小值点时,基于步长以及消除伪极值点后的剩余极值点,检测消除伪极值点后的加速度信号中的所有步态周期包括:将剩余极小值点中的第二个极小值点设定为当前极小值点,计算当前极小值点与当前极小值点前一个极小值点之间的采样点数量d1;在d1<1/4L时,将当前极小值点的加速度值与当前极小值点前一个极小值点进行比较,然后将加速度值大的极小值点剔除,以及保留加速度值小的极小值点,并将所剔除的极小值点的后一个极小值点重新设定为当前极小值点;其中,L为步长;在1/4L<d1≤3/4L时,计算当前极小值点与当前极小值点后一个极小值点之间的采样点数量d2,并在d2<1/6L时,将当前极小值点与当前极小值点后一个极小值点进行比较,然后将加速度值大的极小值点剔除,并保留加速度值小的极小值点,而在d2>1/6L时,则直接将当前极小值点剔除,并将所剔除的极小值点的后一个极小值点重新设定为当前极小值点;在d1>3/4L时,将当前极小值点与当前极小值点前一个极小值点分别确定为第一个步态周期的起始点和终止点;以所检测的前一个步态周期的终止点的后一个极小值点作为检测后一步态周期时的当前极小值点,继续查找后一步态周期的起始点和终止点,直至检测出消除伪极小值点后的加速度信号中的所有步态周期。
具体的,步态周期的起始点和终止点是一个周期内最小的两个点,本实施例中根据所估算的步长设定合理的区间作进一步筛选,在找步态周期时,对两个极小值点进行比较时,总是将较小的保留,将较大的剔除。本实施例在步态周期检测开始时,以加速度信号中的第二个极小值点作为当前极小值点(i=2),计算步骤如下:(1)计算当前极小值点和其上一个极小值点间的距离d1(采样点数);(2)若d1<1/4L,也就是这两个极小值点间的距离小于估计步长的1/4,那么这两个点肯定不是步态周期的起始点和终止点,然后将这两个极小值点的加速度值进行比较,将较大的极小值点剔除,保留较小的极小值点。剔除极小值点的下一个极小值点成为当前极小值点,继续执行步骤(1)。(3)1/4L<d1≤3/4L,也就是间隔大于估计步长的1/4,小于等于估计步长的3/4,说明这两个点间的距离还没有达到步态周期的长度,也就是说这两个点也不是步态周期的起始点和终止点,以第一个极小值点为基准,让第三个极小值点和第二个极小值点之间的间隔d2进行比较d2<1/6L,第一个极小值点和第三个极小值点间的距离不会超过11/12L,第二个和第三个极小值点进行比较,较大的那个剔除掉,较小的保留,剔除极小值点的下一个极小值点成为当前极小值点,继续执行步骤(1)。若d2>1/6L,第一个极小值点和第三个极小值点间的距离可能在估计步长的邻域范围内,所以可以直接将第二个极小值点(当前极小值点)剔除掉,因为前面两个极小值点已经小于估计步长的3/4了,因此第二个极小值点不可能是步态周期的终止点,直接剔除,剔除极小值点的下一个极小值点成为当前极小值点,继续执行步骤(1)。(4)经过以上三个步骤以后,当d1>3/4L时,也就是两个极小值点间的间隔大于估计步长的3/4,相当于这两个极小值点间的间隔在估计步长的邻域范围内,则目前两个点就是步态周期的起始点和终止点。然后重新执行步骤(1)进入下一个步态周期的检测,如此遍历循环步态信号的每个极小值点,即可找到加速度信号中所有的步态周期。上述步骤的算法表述如下:
根据本发明实施例提供的步态周期检测方法,通过获取所采集的加速度信号中的所有极值点,极值点包括极小值点或极大值点;根据预设的极值点加速度阈值,从所有极值点中消除伪极值点;计算消除伪极值点后的加速度信号的自相关系数,并根据自相关系数估算出步长;基于步长以及消除伪极值点后的剩余极值点,检测消除伪极值点后的加速度信号中的所有步态周期。通过对所检测到的极值点滤除伪极值点,再对步态信号求自相关系数,进而估计出步长,最后利用步长估计值对相邻极值点作进一步筛选而检测出步态周期,算法复杂度较低,算法适用性强,且算法准确度高。
第二实施例:
为了解决相关技术中采用基于规则的方法或相关数学模型进行步态周期检测时,无法在算法准确度、算法适用性与算法复杂度上达到良好平衡的技术问题,本实施例示出了一种步态周期检测装置,具体请参见图6,本实施例的步态周期检测装置包括:
获取模块601,用于获取所采集的加速度信号中的所有极值点;极值点包括极小值点或极大值点;
消除模块602,用于根据预设的极值点加速度阈值,从所有极值点中消除伪极值点;
计算模块603,用于计算消除伪极值点后的加速度信号的自相关系数,并根据自相关系数估算出步长;
检测模块604,用于基于步长以及消除伪极值点后的剩余极值点,检测消除伪极值点后的加速度信号中的所有步态周期。
具体的,加速度信号可以近似于正弦波波形,由于正弦波具有很强的周期性,在实际应用中,加速度信号的极小值(波谷)或极大值(波峰)中的任意一种均可被用于检测步态周期。
在实际应用中,获取到的多个极小值点中可能会存在一些噪声点,也即存在着伪极值点(伪波谷或伪波峰),本实施例中基于极值点加速度阈值将这些噪声点滤除,以提高检测结果的准确性和检测效率。
此外,本实施例中对加速度信号求自相关后,根据所得到的自相关信号求取步长信息,然后再依据滤除噪声点后的多个极值点及估算出的步长,提取出加速度信号中的多个步态周期。
在本实施例的一些实施方式中,获取模块601具体用于获取通过加速度传感器所采集的Z轴方向上的加速度信号中的所有极值点。
在本实施例的一些实施方式中,在极值点为极小值点时,获取模块601具体用于获取所采集的加速度信号中的所有采样点;将加速度值同时小于左相邻和右相邻采样点的加速度值的所有采样点,确定为加速度信号中的极小值点。。
在本实施例的一些实施方式中,在极值点为极小值点时,极值点加速度阈值为极小值点加速度阈值,表示为:Threshold=mean+0.5*std,其中,std为所有极小值点的标准差,mean为所有极小值点的均值;消除模块602具体用于根据所确定的加速度阈值将所有极小值点中,加速度值大于极小值点加速度阈值的极小值点确定为伪极小值点;然后将伪极小值点进行消除。
在本实施例的一些实施方式中,计算模块603具体用于根据自相关函数计算消除伪极值点后的加速度信号的自相关系数,自相关函数表示为:其中,N为消除伪极值点后的极值点的总数,n为消除伪极值点后的极值点的编号,m为延迟时间;将自相关系数进行归一化处理,得到自相关信号;基于自相关信号中的第一个峰值和第三个峰值之间的采样点数量估算出步长。
进一步地,在本实施例的一些实施方式中,计算模块603在基于对应于自相关系数的自相关信号中的第一个峰值和第三个峰值之间的采样点数量估算出步长之前,还用于对自相关信号进行平滑滤波处理。
在本实施例的一些实施方式中,检测模块604具体用于将剩余极小值点中的第二个极小值点设定为当前极小值点,计算当前极小值点与当前极小值点前一个极小值点之间的采样点数量d1;在d1<1/4L时,将当前极小值点的加速度值与当前极小值点前一个极小值点进行比较,然后将加速度值大的极小值点剔除,以及保留加速度值小的极小值点,并将所剔除的极小值点的后一个极小值点重新设定为当前极小值点;其中,L为步长;在1/4L<d1≤3/4L时,计算当前极小值点与当前极小值点后一个极小值点之间的采样点数量d2,并在d2<1/6L时,将当前极小值点与当前极小值点后一个极小值点进行比较,然后将加速度值大的极小值点剔除,并保留加速度值小的极小值点,而在d2>1/6L时,则直接将当前极小值点剔除,并将所剔除的极小值点的后一个极小值点重新设定为当前极小值点;在d1>3/4L时,将当前极小值点与当前极小值点前一个极小值点分别确定为第一个步态周期的起始点和终止点;以所检测的前一个步态周期的终止点的后一个极小值点作为检测后一步态周期时的当前极小值点,继续查找后一步态周期的起始点和终止点,直至检测出消除伪极小值点后的加速度信号中的所有步态周期。
应当说明的是,前述实施例中的步态周期检测方法均可基于本实施例提供的步态周期检测装置实现,所属领域的普通技术人员可以清楚的了解到,为描述的方便和简洁,本实施例中所描述的步态周期检测装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
采用本实施例提供的步态周期检测装置,通过获取所采集的加速度信号中的所有极值点,极值点包括极小值点或极大值点;根据预设的极值点加速度阈值,从所有极值点中消除伪极值点;计算消除伪极值点后的加速度信号的自相关系数,并根据自相关系数估算出步长;基于步长以及消除伪极值点后的剩余极值点,检测消除伪极值点后的加速度信号中的所有步态周期。通过对所检测到的极值点滤除伪极值点,再对步态信号求自相关系数,进而估计出步长,最后利用步长估计值对相邻极值点作进一步筛选而检测出步态周期,算法复杂度较低,算法适用性强,且算法准确度高。
第三实施例:
本实施例提供了一种电子装置,参见图7所示,其包括处理器701、存储器702及通信总线703,其中:通信总线703用于实现处理器701和存储器702之间的连接通信;处理器701用于执行存储器702中存储的一个或者多个计算机程序,以实现上述实施例一中的步态周期检测方法中的至少一个步骤。
本实施例还提供了一种计算机可读存储介质,该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory,随机存取存储器),ROM(Read-Only Memory,只读存储器),EEPROM(Electrically Erasable Programmable read only memory,带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory,光盘只读存储器),数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
本实施例中的计算机可读存储介质可用于存储一个或者多个计算机程序,其存储的一个或者多个计算机程序可被处理器执行,以实现上述实施例一中的方法的至少一个步骤。
本实施例还提供了一种计算机程序,该计算机程序可以分布在计算机可读介质上,由可计算装置来执行,以实现上述实施例一中的方法的至少一个步骤;并且在某些情况下,可以采用不同于上述实施例所描述的顺序执行所示出或描述的至少一个步骤。
本实施例还提供了一种计算机程序产品,包括计算机可读装置,该计算机可读装置上存储有如上所示的计算机程序。本实施例中该计算机可读装置可包括如上所示的计算机可读存储介质。
可见,本领域的技术人员应该明白,上文中所公开方法中的全部或某些步骤、***、装置中的功能模块/单元可以被实施为软件(可以用计算装置可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。
此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、计算机程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.一种步态周期检测方法,其特征在于,包括:
获取所采集的加速度信号中的所有极值点;所述极值点包括极小值点或极大值点;
根据预设的极值点加速度阈值,从所述所有极值点中消除伪极值点;
计算消除伪极值点后的加速度信号的自相关系数,并根据所述自相关系数估算出步长;
在所述极值点为极小值点时,将剩余极小值点中的第二个极小值点设定为当前极小值点,计算所述当前极小值点与所述当前极小值点前一个极小值点之间的采样点数量d1;
在d1<1/4L时,将所述当前极小值点的加速度值与所述当前极小值点前一个极小值点进行比较,然后将加速度值大的极小值点剔除,以及保留加速度值小的极小值点,并将所剔除的极小值点的后一个极小值点重新设定为所述当前极小值点;其中,所述L为所述步长;
在1/4L<d1≤3/4L时,计算所述当前极小值点与所述当前极小值点后一个极小值点之间的采样点数量d2,并在d2<1/6L时,将所述当前极小值点与所述当前极小值点后一个极小值点进行比较,然后将加速度值大的极小值点剔除,并保留加速度值小的极小值点,而在d2>1/6L时,则直接将所述当前极小值点剔除,并将所剔除的极小值点的后一个极小值点重新设定为所述当前极小值点;
在d1>3/4L时,将所述当前极小值点与所述当前极小值点前一个极小值点分别确定为第一个步态周期的起始点和终止点;
以所检测的前一个步态周期的终止点的后一个极小值点作为检测后一步态周期时的当前极小值点,继续查找所述后一步态周期的起始点和终止点,直至检测出消除伪极小值点后的加速度信号中的所有步态周期。
2.如权利要求1所述的步态周期检测方法,其特征在于,在所述极值点为极小值点时,所述获取所采集的加速度信号中的所有极值点包括:
获取所采集的加速度信号中的所有采样点;
将加速度值同时小于左相邻和右相邻采样点的加速度值的所有采样点,确定为所述加速度信号中的极小值点。
3.如权利要求1所述的步态周期检测方法,其特征在于,所述获取所采集的加速度信号中的所有极值点包括:
获取通过加速度传感器所采集的Z轴方向上的加速度信号中的所有极值点。
4.如权利要求1所述的步态周期检测方法,其特征在于,在所述极值点为极小值点时,所述极值点加速度阈值为极小值点加速度阈值,表示为:Threshold=mean+0.5*std,其中,所述std为所有极小值点的标准差,所述mean为所述所有极小值点的均值;
所述从所述所有极值点中消除伪极值点包括:
将所述所有极小值点中,加速度值大于所述极小值点加速度阈值的极小值点确定为伪极小值点;
将所述伪极小值点进行消除。
6.如权利要求5所述的步态周期检测方法,其特征在于,在基于所述自相关信号中的第一个峰值和第三个峰值之间的采样点数量估算出步长之前,还包括:
对所述自相关信号进行平滑滤波处理。
7.一种步态周期检测装置,其特征在于,包括:
获取模块,用于获取所采集的加速度信号中的所有极值点;所述极值点包括极小值点或极大值点;
消除模块,用于根据预设的极值点加速度阈值,从所述所有极值点中消除伪极值点;
计算模块,用于计算消除伪极值点后的加速度信号的自相关系数,并根据所述自相关系数估算出步长;
检测模块,用于在所述极值点为极小值点时,将剩余极小值点中的第二个极小值点设定为当前极小值点,计算所述当前极小值点与所述当前极小值点前一个极小值点之间的采样点数量d1;在d1<1/4L时,将所述当前极小值点的加速度值与所述当前极小值点前一个极小值点进行比较,然后将加速度值大的极小值点剔除,以及保留加速度值小的极小值点,并将所剔除的极小值点的后一个极小值点重新设定为所述当前极小值点;其中,所述L为所述步长;在1/4L<d1≤3/4L时,计算所述当前极小值点与所述当前极小值点后一个极小值点之间的采样点数量d2,并在d2<1/6L时,将所述当前极小值点与所述当前极小值点后一个极小值点进行比较,然后将加速度值大的极小值点剔除,并保留加速度值小的极小值点,而在d2>1/6L时,则直接将所述当前极小值点剔除,并将所剔除的极小值点的后一个极小值点重新设定为所述当前极小值点;在d1>3/4L时,将所述当前极小值点与所述当前极小值点前一个极小值点分别确定为第一个步态周期的起始点和终止点;以所检测的前一个步态周期的终止点的后一个极小值点作为检测后一步态周期时的当前极小值点,继续查找所述后一步态周期的起始点和终止点,直至检测出消除伪极小值点后的加速度信号中的所有步态周期。
8.一种电子装置,其特征在于,包括:处理器、存储器和通信总线;
所述通信总线用于实现所述处理器和存储器之间的连接通信;
所述处理器用于执行所述存储器中存储的一个或者多个程序,以实现如权利要求1至6中任意一项所述的步态周期检测方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至6中任意一项所述的步态周期检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910178011.1A CN109938740B (zh) | 2019-03-08 | 2019-03-08 | 一种步态周期检测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910178011.1A CN109938740B (zh) | 2019-03-08 | 2019-03-08 | 一种步态周期检测方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109938740A CN109938740A (zh) | 2019-06-28 |
CN109938740B true CN109938740B (zh) | 2022-04-15 |
Family
ID=67008672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910178011.1A Active CN109938740B (zh) | 2019-03-08 | 2019-03-08 | 一种步态周期检测方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109938740B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110916673A (zh) * | 2019-11-18 | 2020-03-27 | 清华大学 | 一种步态监测的方法及智能设备 |
CN111839526B (zh) * | 2020-03-03 | 2023-11-14 | 沈阳大学 | 一种基于加速度信号的自适应步态周期波形异常检测方法 |
CN111358472B (zh) * | 2020-03-27 | 2022-08-23 | 山东建筑大学 | 一种步态探测算法、装置以及*** |
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 |
CN114287921A (zh) * | 2021-12-23 | 2022-04-08 | 常州信息职业技术学院 | 一种步态双侧相似性分析方法、装置及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9999376B2 (en) * | 2012-11-02 | 2018-06-19 | Vital Connect, Inc. | Determining body postures and activities |
CN103727959B (zh) * | 2013-12-31 | 2016-09-14 | 歌尔声学股份有限公司 | 计步方法及装置 |
CN108921062B (zh) * | 2018-06-21 | 2022-03-22 | 暨南大学 | 一种联合多步态特征协同字典的步态识别方法 |
-
2019
- 2019-03-08 CN CN201910178011.1A patent/CN109938740B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109938740A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109938740B (zh) | 一种步态周期检测方法、装置及计算机可读存储介质 | |
KR101782240B1 (ko) | 보수 카운팅 방법 및 그 장치 | |
CN110263870B (zh) | 运动状态识别方法、装置、智能终端和存储介质 | |
US20180020953A1 (en) | Method and device for identifying human movement state | |
CN105943013B (zh) | 心率检测方法及装置、智能可穿戴设备 | |
CN111768450A (zh) | 基于散斑图的结构光相机行偏差的自动检测方法和装置 | |
CN109843158A (zh) | 判断脉搏波是否有效的方法及装置 | |
CN111288986B (zh) | 一种运动识别方法及运动识别装置 | |
JP5509153B2 (ja) | 歩容解析方法、歩容解析装置及びそのプログラム | |
CN105534527A (zh) | 智能穿戴设备特殊状态的识别方法及智能穿戴设备 | |
CN111428651A (zh) | 一种车辆的障碍信息获取方法、***及车辆 | |
US20060268986A1 (en) | Process for estimating the motion phase of an object | |
CN106214143A (zh) | 瞬时运动干扰识别方法及心率置信度计算方法 | |
CN112244820A (zh) | 一种三轴加速度计测量跑步步态的方法 | |
CN112363617A (zh) | 一种人体动作数据的获取方法和装置 | |
CN113608190B (zh) | 基于奇异空间三特征的海面目标检测方法及*** | |
JPH11160454A (ja) | 1次元量予測装置 | |
WO2022111203A1 (zh) | 心率检测方法和装置 | |
FI3847961T3 (fi) | Kävelytilan määritysohjelma, kävelytilan määritysmenetelmä ja informaationkäsittelylaite | |
CN113569695B (zh) | 基于双谱三特征的海面目标检测方法及*** | |
CN111473767A (zh) | 一种远程测距方法及装置 | |
CN115253256B (zh) | 周期性运动的周期计数方法和装置 | |
JPWO2021193353A5 (ja) | 画像追跡装置、画像追跡方法、及びプログラム | |
CN112334067A (zh) | 用于提供人员的步数的求取方法的方法 | |
CN108629788B (zh) | 一种图像边缘检测方法、装置、设备及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |