CN109998551B

CN109998551B - 一种分段式局部峰值检测的步态相位分析方法

Info

Publication number: CN109998551B
Application number: CN201910287510.4A
Authority: CN
Inventors: 吴银锋; 冯仁剑; 于宁; 胡方舟
Original assignee: Beihang University
Current assignee: Shandong Changda Automation Technology Co ltd
Priority date: 2019-04-11
Filing date: 2019-04-11
Publication date: 2020-09-11
Anticipated expiration: 2039-04-11
Also published as: CN109998551A

Abstract

一种分段式局部峰值检测的步态相位分析方法，涉及步态分析领域，特别是关于足部位角速度的步态相位分析方法。本发明针对现有的依据惯性数据进行步态相位划分所使用的双峰检测方法所存在的自适应性差的问题，提出了一种分段式局部峰值检测的步态相位分析方法，该方法的技术要点为：对于获取的足部位在步态运动中的俯仰角速度数据，依据步态运动中摆动期、着地期两个阶段的运动特点，通过提取前向摆动角速度、对非前向摆动角速度进行分段两个步骤，用提取局部最值代替传统的峰值检测方法，实现对步态运动中脚跟着地和脚尖离地两个关键点信息的提取。本发明可应用于步态分析领域。

Description

一种分段式局部峰值检测的步态相位分析方法

一、技术领域

本发明涉及一种步态分析领域，特别是基于足部位角速度的步态相位分析方法。

二、背景技术

步态相位分析是步态分析领域的一个分支，在医疗康复诊断、运动员训练评估和人机交互等方面有着广泛的应用。随着MEMS技术的日益发展，基于MEMS器件的可穿戴设备逐渐普及，通过佩戴MEMS设备就可以获取佩戴部位在步态运动中的加速度、角速度等惯性数据，这种方法成本低、精度高、受测试环境和测试时间的限制小，在步态分析领域有着广阔的应用前景。

步态分析常用到的惯性数据为三轴角速度、三轴加速度，而步态相位分析主要是分析数据的周期特征、提取各关键点在时间轴上的分布信息。鉴于人体在行走时，足部位的俯仰角速度具有良好的周期特性，目前，常选取该单轴角速度进行双峰检测实现关键点信息提取，双峰检测时常采用横向时间窗长度阈值和纵向峰值阈值检测作为判定准则，该方案针对不同测试个体和不同测试情况的自适应性较差，当引入动态更新阈值的方案后，该方案对个体适应性增强，但对不同测试情况的适应性依然较差，如步态初始化阶段、步态停滞阶段等，阈值的更新导致阈值偏离理想值，在阈值更新到理想值之前，合理的测量数据往往会因为偏离理想值的阈值而得到错误的检测结果。

三、发明内容

为提高步态相位划分中峰值检测的鲁棒性，本发明提供了一种分段式局部峰值检测的步态相位分析方法，用于提取步态运动中的足跟着地HS和足尖离地TO关键点信息，

依据步态运动中摆动期、着地期两个阶段的运动特点，通过提取前向摆动角速度、对非前摆角速度进行分段两个步骤，用提取局部最值代替传统的峰值检测方法，实现对步态运动中足跟着地和足尖离地两个关键点信息的提取。

本发明采取以下的技术方案：一种分段式局部峰值检测的步态相位分析方法，其包括以下步骤：

(1)通过位于足部位的单轴陀螺仪获取一段时间的步态运动中足部位的俯仰角速度数据，并定义角速度正方向为行进方向的右侧；

(2)提取足跟着地HS和足尖离地TO的特征时刻，将单足步态周期划分为摆动期与支撑期。

所述步骤(2)中，分段式局部峰值检测方法的HS、TO特征时刻的提取包括以下步骤：

(2.1)在所有正向角速度数据中，提取后向摆动最高BT和前向摆动最高FT的特征时刻；

(2.2)在所有负向角速度数据中，提取角速度数据的两个负峰值，即HS、TO特征时刻。

所述步骤(2.1)中提取BT和FT，利用BT～FT角速度积分所得角度最大的特点，提取BT～FT角速度，提取BT和FT，包括以下步骤：

(2.1.1)记采样所得的角速度值为Ω＝{ω_k|k＝1，2，...，N}，采样间隔为Δt，提取Ω中满足ω_k＞0的采样值，获得n段在时间上连续的子序列，记作S＝{S₁，S₂，...，S_n}，其中S_j＝{ω_k|k＝p_j，p_j+1，...，p_j+q_j}；

(2.1.2)对S_j中的角速度进行积分，得到角度，记作

令Θ＝{θ_j|j＝1，2，...，n}；

(2.1.3)将Θ中的角度按数值大小进行降序排列，得到Θ′，Θ′＝{θ′_j|j＝1，2，...，n}，计算Θ′的一阶差分值得到ΔΘ′，即ΔΘ′＝{Δθ′_j＝θ′_j-θ′_j+1|j＝1，2，...，n-1}；

(2.1.4)求出ΔΘ′中的最大值Δθ′_r，表明Θ′在第r+1项存在突变，则Θ′中前r项所对应的S中的角速度正值序列属于前向摆动角速度，对于Θ′的r+1～n项，取k＝r+1，r+2，...，n，逐一判断θ′_k/θ′_r＜α(α用于判定突变项及之后的项是否属于前摆角速度，取0.5～0.6)，若存在满足条件的k，其最小值记作k_min，则行走步数s＝k_min-1，若没有满足条件的k，则行走步数s＝n；

(2.1.5)Θ′中前s项所对应的S中的角速度正值序列属于前向摆动角速度序列，每段序列的起始和终止时刻分别记为t_BT(i)和t_FT(i)，即BT和FT。

所述步骤(2.2)中利用FT～BT角速度的两个主要负峰值分布于平足期两侧的特点，提取负向角速度数据两个负峰值，采用了一种动态分段阈值的策略，包括以下步骤：

(2.2.1)取出Ω中FT～BT的角速度，获得s-1段子序列，记作A_i＝{ω_k|t_FT(i)≤k≤t_BT(i+1)}，A＝{A₁，A₂，...，A_s-1}，求出子序列A_i中的所有极大值，记作d_i(k)，k＝1，2，...；

(2.2.2)求出d_i(k)的最大值max_i(1)和次最大值max_i(2)，计算分段阈值β_i＝(max_i(1)+max_i(2))/2，若d_i(k)中仅有一个元素即A_i中仅有一个极大值，则β_i＝max_i(1)；

(2.2.3)定义y_i(x_i)为区间[t_FT(i)，t_BT(i+1)]上β_i的指示函数，当

时，y_i(x_i)＝0，反之则y_i(x_i)＝1，y_i(x_i)作为一个二值函数，将区间[t_FT(i)，t_BT(i+1)]划分为三段、四段或五段(当分段阈值大于区间两端的角速度采样值时区间被划分为三段，否则为四段或五段)，相应的，y_i(x_i)函数值的四种可能的分布形式为

三段，{1，...，1，0，...，0，1，...，1}

四段，{0，...，0，1，...，1，0，...，0，1，...，1}或{1，...，1，0，...，0，1，...，1，0，...，0}

五段，{0，...，0，1，...，1，0，...，0，1，...，1，0，...，0}；

(2.2.4)提取y_i(x_i)第一个由1突变为0的点，记作t_a(i)，再提取位于t_a(i)右侧的由0突变到1的点，记作t_b(i)；

(2.2.5)求出区间[t_FT(i)，t_a(i)]内角速度采样值的最小值，其对应的时刻记为t_HS(i)，即HS，求出区间[t_b(i)，t_BT(i+1)]内角速度采样值的最小值，其对应的时刻记为t_TO(i)，即TO。

本发明由于采取以上技术方案，其具有以下优点：

1.仅利用了足部位特定方向、单轴的角速度数据，硬件要求相对简单；

2.依据步态运动的各阶段特点及其对应的俯仰角速度数据特征来设计提取步态运动中足跟着地HS、足跟离地TO这两个关键点信息，使用局部最值检测进行峰值检测，尽可能地避免了将阈值判断作为峰值检测的最终判定准则，有较好的鲁棒性。

四、附图说明

图1是步态中足的俯仰角速度及各特征点的示意图；

图2是本发明依据足的俯仰角速度对步态进行相位划分的示意图；

图3是本发明依据足的俯仰角速度提取BT和FT的示意图；

图4是本发明依据足的俯仰角速度提取HS和TO的示意图。

五、具体实施方式

下面结合发明内容和附图详细说明本发明的具体实施方式。

图1是一段由位于足部位的单轴陀螺仪采集到的足在步态运动中的俯仰角速度(单位：°/s)随时间变化的曲线图，数据的采样频率为200Hz，角速度数据的正方向为行进方向的右侧。每一个步态周期的数据曲线包括一段正向(前摆)角速度段、两段负向(后摆)角速度段、一段较平稳(平足期)角速度段共四部分，如图1中虚线框1～4所示。在步态运动中，当足跟离地后会足由于蹬伸地面的惯性而向后摆，后摆至角度最大处时，到达BT点后迅速向前摆动到角度最大处时，到达FT点。然后足下落，到达HS进入支撑期直到TO进入摆动期。HS和TO由于足和地面的“剧烈”作用分别对应两段负向(后摆)角速度段的波谷，如虚线框2和4所示。虚线框5是步态行走中的停滞态，虚线框6是由停滞态转为行走态的第一步，虚线框5和6的情况都不会出现在本发明的检测结果中。

图2是从图1中截取的两个步态周期的角速度，本发明通过先检测BT、FT对步态周期进行划分，再进一步检测HS、TS，对步态相位按支撑期和摆动期进行划分。

提取图1或图2的HS、TS，具体包括以下步骤：

(1)通过位于足部位的单轴陀螺仪获取一段时间的步态运动中足部位的俯仰角速度数据，要求陀螺仪敏感轴指向垂直于行进方向的右侧；

在步骤(2)中，足跟着地HS和足尖离地TO的特征时刻的提取包括以下步骤：

在步骤(2.1)中提取BT和FT，利用BT～FT角速度积分所得角度最大的特点，提取BT～FT角速度，提取BT和FT，包括以下步骤：

(2.1.1)记采样所得的角速度值为Ω＝{ω_k|k＝1，2，...，N}，采样间隔为Δt，提取Ω中满足ω_k＞0的采样值，如图3-a中粗、细实线所示，获得10段在时间上连续的子序列，记作S＝{S₁，S₂，...，S_n}，其中S_j＝{ω_k|k＝p_j，p_j+1，...，p_j+q_j}；

(2.1.2)对S_j中的角速度进行积分，得到角度，记作

令Θ＝{θ_j|j＝1，2，...，10}，如图3-b所示；

(2.1.3)将Θ中的角度按数值大小进行降序排列，得到Θ′，Θ′＝{θ′_j|j＝1，2，...，10}，如图3-c所示，计算Θ′的一阶差分值得到ΔΘ′，即ΔΘ′＝{Δθ′_j＝θ′_j-θ′_j+1|j＝1，2，...，9}，如图3-d所示；

(2.1.4)求出ΔΘ′中的最大值Δθ′₆，表明Θ′在第7项存在突变，则Θ′中前6项所对应的S中的角速度正值序列属于前向摆动角速度，对于Θ′的7～10项，取k＝7，8，9，10，逐一判断θ′_k/θ′_r＜α(α用于判定突变项及之后的项是否属于前摆角速度，取0.6)，若存在满足条件的k，其最小值7记作k_min，则行走步数s＝k_min-1＝6；

(2.1.5)Θ′中前6项所对应的S中的角速度正值序列属于前向摆动角速度序列，每段序列的起始和终止时刻分别记为t_BT(i)和t_FT(i)，即BT和FT，如图3-a所示。

在步骤(2.2)中，利用FT～BT角速度的两个主要负峰值分布于平足期两侧的特点，提取负向角速度数据两个负峰值，包括以下步骤：

(2.2.1)取出Ω中FT～BT的角速度，获得5段子序列，记作A_i＝{ω_k|t_FT(i)≤k≤t_BT(i+1)}，A＝{A₁，A₂，...，A₅}，求出子序列A_i中的所有极大值，记作d_i(k)，k＝1，2，...；

(2.2.3)定义y_i(x_i)为区间[t_FT(i)，t_BT(i+1)]上β_i的指示函数，当

三段，{1，...，1，0，...，0，1，...，1}

四段，{0，...，0，1，...，1，0，...，0，1，...，1}或{1，...，1，0，...，0，1，...，1，0，...，0}(如图4-c中A₁和A₄对应的区间所示)

五段，{0，...，0，1，...，1，0，...，0，1，...，1，0，...，0}(如图4-c中A₂、A₃和A₅对应的区间所示)；

(2.2.4)提取y_i(x_i)第一个由1突变为0的点，记作t_a(i)，再提取位于t_a(i)右侧的由0突变到1的点，记作t_b(i)，如图4-(1)和4-(2)所示；

需要指出的是，以上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。

Claims

1.一种分段式局部峰值检测的步态相位分析方法，其包括以下步骤：

(2)提取足跟着地HS和足尖离地TO的特征时刻，将单足步态周期划分为摆动期与支撑期；

包括以下步骤：

所述步骤(2.1)中提取BT和FT，利用BT～FT角速度积分所得角度最大的特征，包括以下步骤：

(3.1)记采样所得的角速度值为Ω＝{ω_k|k＝1，2，...，N}，采样间隔为Δt，提取Ω中满足ω_k＞0的采样值，获得n段在时间上连续的子序列，记作S＝{S₁，S₂，...，S_n}，其中S_j＝{ω_k|k＝p_j，p_j+1，...，p_j+q_j}；

(3.2)对S_j中的角速度进行积分，得到角度，记作

令Θ＝{θ_j|j＝1，2，...，n}；

(3.3)将Θ中的角度按数值大小进行降序排列，得到Θ′，Θ′＝{θ′_j|j＝1，2，...，n}，计算Θ′的一阶差分值得到ΔΘ′，即ΔΘ′＝{Δθ′_j＝θ′_j-θ′_j+1|j＝1，2，...，n-1}；

(3.4)求出ΔΘ′中的最大值Δθ′_r，表明Θ′在第r+1项存在突变，则Θ′中前r项所对应的S中的角速度正值序列属于前向摆动角速度，对于Θ′的(r+1)～n项，取k＝r+1，r+2，...，n，逐一判断θ′_k/θ′_r＜α，其中α用于判定突变项及之后的项是否属于前摆角速度，且α的取值范围0.5～0.6，若存在满足条件的k，其最小值记作k_min，则行走步数s＝k_min-1，若没有满足条件的k，则行走步数s＝n；

(3.5)Θ′中前s项所对应的S中的角速度正值序列属于前向摆动角速度序列，每段序列的起始和终止时刻分别记为t_BT(i)和t_FT(i)，即BT和FT；

(2.2)在所有负向角速度数据中，提取角速度数据的两个负峰值，即HS、TO特征时刻；

(4.1)取出Ω中FT～BT的角速度，获得s-1段子序列，记作A_i＝{ω_k|t_FT(i)≤k≤t_BT(i+1)}，A＝{A₁，A₂，...，A_s-1}，求出子序列A_i中的所有极大值，记作d_i(k)，k＝1，2，...；

(4.2)求出d_i(k)的最大值max_i(1)和次最大值max_i(2)，计算分段阈值β_i＝(max_i(1)+max_i(2))/2，若d_i(k)中仅有一个元素即A_i中仅有一个极大值，则β_i＝max_i(1)；

(4.3)定义y_i(x_i)为区间[t_FT(i)，t_BT(i+1)]上β_i的指示函数，当

三段，{1，...，1，0，...，0，1，...，1}

(4.4)提取y_i(x_i)第一个由1突变为0的点，记作t_a(i)，再提取位于t_a(i)右侧的由0突变到1的点，记作t_b(i)；

(4.5)求出区间[t_FT(i)，t_a(i)]内角速度采样值的最小值，其对应的时刻记为t_HS(i)，即HS，求出区间[t_b(i)，t_BT(i+1)]内角速度采样值的最小值，其对应的时刻记为t_TO(i)，即TO。