CN110558990A - 一种步态分析方法及装置 - Google Patents

一种步态分析方法及装置 Download PDF

Info

Publication number
CN110558990A
CN110558990A CN201910694487.0A CN201910694487A CN110558990A CN 110558990 A CN110558990 A CN 110558990A CN 201910694487 A CN201910694487 A CN 201910694487A CN 110558990 A CN110558990 A CN 110558990A
Authority
CN
China
Prior art keywords
acceleration
data
speed
landing
acc
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.)
Granted
Application number
CN201910694487.0A
Other languages
English (en)
Other versions
CN110558990B (zh
Inventor
蔡清来
许金泰
杨晓川
王明佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Universal Intelligence Union Technology Co Ltd
Original Assignee
Fujian Universal Intelligence Union Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujian Universal Intelligence Union Technology Co Ltd filed Critical Fujian Universal Intelligence Union Technology Co Ltd
Priority to CN201910694487.0A priority Critical patent/CN110558990B/zh
Publication of CN110558990A publication Critical patent/CN110558990A/zh
Application granted granted Critical
Publication of CN110558990B publication Critical patent/CN110558990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A61B5/6807—Footwear

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Geometry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种步态分析方法及装置，所述检测装置包括载体、数据采集器、微处理器和电池；将采集到数据进行分析处理，进而计算出对应的数据并将该数据传输至智能终端，执行步态分析方法，所述具体步骤如下：1)信号采集；2)对采集到的信号进行两次滤波；3)单步信号划分；4)判断着地方式；5)判断足内旋；6)判断内外八字。本方法通过对用户在行走或运动过程中基于足部的各种参数进行实时采集和算法处理，能够实现实时检测与分析用户步态，并且分析过程方便快捷，准确度高,有利于运动员及早发现进行矫正。

Description

一种步态分析方法及装置
技术领域
本发明涉及步态分析技术领域，尤其涉及一种步态分析方法。
背景技术
步态是人体结构与功能、运动调节***、行为及心理活动在行走时的外在表现，但是，其中某个***或某些方面的功能障碍，都可引起步态异常。据调查显示，50％-60％的轻运动人群由于运动过程中步态不正确而患有不同程度的膝盖伤(统称跑步伤)；发育期行走姿态异常直接影响儿童成长阶段骨骼腿部甚至脊柱发育；步态异常具有对某些疾病有提示意义，如糖尿病足、下肢关节炎、下肢肌无力。通过步态分析可以实现对某些疾病的预防以及辅助性治疗。
传统方法对异常步态判别主要是依靠专业的医护人员以及专业的医疗设备对患者进行现场或者视频的判断。这种依靠医生直接观察的方法，浪费了大量的医疗资源。因此，提供一种方便，快捷，精准的步态分析方法，提供客观的步态分析依据及康复治疗、矫正或运动改善后的效果评估，已经刻不容缓。
发明内容
本发明的目的在于克服上述不足，提供一种步态分析方法。
为实现上述目的，本发明的技术解决方案是：一种步态分析方法，具体步骤如下：
1)信号采集：利用传感器采集人体行进过程中下肢在空间上X、Y、Z三个方向的运动信号，所述运动信号包括三维加速度信号和三维角速度信号；设置三轴加速度传感器采样率10Hz，以监测运动状态变化，检测到有效步数则提升加速度传感器采样率100Hz、200Hz、400Hz等，目标采样率满足不少于100点/步，以对运动姿态参数进行计算。
2)对采集到的信号进行两次滤波：对行进方向的加速度进行高通滤波，对高通滤波后的数据取绝对值，再进行长度为N的均值滤波得到acc_speed_me序列；
3)单步信号划分：序列acc_speed_me以th_K的变化量进行分割，即(acc_speed_mea(n)-acc_speed_mea(n-1))>th_K为一步运动开始，(acc_speed_mea(n-1)-acc_speed_mea(n))>th_K为一步运动结束，这段间隔为有效的一步；
4)判断着地方式：当(Zacc-1G)/Y>0.1时为后跟着地，Z变大；当(Zacc-1G)/Y<-0.1时为前掌着地，Z变小；其他为全掌着地情况，其中Zacc为Z轴方向加速度，Zacc-1G为全掌落地时的情况；
5)判断足内旋：当0<X/Zmax<0.1，为正常着地；当X/Zmax>0.1，X方向加速度为正，为外翻着地；当X/Zmax>0.1，X方向加速度为负，为内翻着地，其中X为X轴加速度，Zmax为Z轴最大加速度；
6)判断内外八字：当(X/Y)>0.1，测量加速度的方向与行进方向相反为外八字步；当(X/Y)>0.1，测量加速度的方向与行进方向相同为内八字步，其中X为X轴加速度，Y为Y轴加速度。
优选的，所述X、Y、Z方向相互垂直；优选地，所述X、Y、Z方向分别为以待测人体为参照的水平前后方向，水平左右方向和竖直方向。
优选的，所th_K的取值范围为10-80。
一种步态分析方法，还包括以下步骤：
1)重新采样：设置加速度采样率FS，将采样率为FS的序列重采样至10Hz，即每隔FS/10抽取采样点；
2)获取单步数据：将重采样后获取的有效行进方波时间扩展至实际时间，对行进方向加速度进行低通滤波，以有效行进方波下降沿为单步开始，并查找每个方波周期内的最小值以此采样点为单步行进的结束时间；
3)获取腾空时间和着地时间：由一步行进的结束点逐次累加计算获取单步运行由结束到开始的速度变化，对速度曲线进行高通滤波，获取由高通滤波后的速度曲线最小值开始至第一个极点，取为腾空时间点，总时间减去腾空时间得出着地时间；
4)获取步幅大小：s＝-vmin÷Preg÷FS×10÷2×t÷FS，式中s为步幅，Vmin为速度曲线最小值，Preg为传感器1G的数据点，t腾空时间，FS为采样率；
5)获取冲击力和腾空高度：获取单步结束点前后FS/10个数据点内垂直方向的最大值，取为冲击力；获取单步结束点前后FS/10个数据点内垂直方向的最小值zmin，取为触地点；以触地点开始向前取FS/10个数据点，并减去中获取的最小值zmin，即zn＝zn-zmin；对zn进行累加估算着地速度vz＝zn+zn-1+…+z1；vz'＝vz÷Preg÷FS×10，其中Preg为传感器1G的数据点，FS为采样率；计算离地高H,H＝vz'×0.1。
一种步态分析装置，包括载体、数据采集器、微处理器和电池；所述载体为一智扣，所述智扣包括上盖、透光片和底座，所述上盖和底座之间形成放置槽，所述放置槽内用于放置数据采集器、微处理器和电池，所述数据采集器用于至少采集人体在空间X、Y、Z三个方向上的线加速度及角加速度数据；所述数据采集器的输出端电性连接微处理器的信号输入端，所述微处理器具有A/D转换功能、串口通信功能以及蓝牙通信功能，并通过蓝牙通讯连接智能终端，微处理器将采集到数据进行分析处理，进而计算出对应的数据并将该数据传输至智能终端。
优选的，所述数据采集器为三轴加速度传感器。
优选的，所述装置内还设有红、黄、绿三种颜色的LED灯，所述LED灯电性连接微处理器。
本发明由于采用了以上技术方案，具有显著的技术效果：本方法通过对用户在行走或运动过程中基于足部的各种参数进行实时采集和算法处理，能够实现实时检测与分析用户步态，并且分析过程方便快捷，准确度高；通过在鞋子上设置三轴加速度传感器配合移动终端，充分利用了三轴加速度传感器采集的信息进行数据处理，从而实现步态信息的识别，提高了识别准确率，提升了用户的使用体验。整个步态判断方法更加全面、准确，成本低廉，有利于运动及早发现进行矫正。
附图说明
图1为本发明步态分析方法的流程示意图；
图2为本发明的信号处理示意图；
图3为本发明的脚掌着地示意图；
图4为本发明判断内外旋示意图；
图5为本发明判断内外八示意图；
图6为本发发明重采样方波示意图；
图7为本发明腾空点示意图；
图8为本发明着地冲击力示意图；
图9为本发明分析装置拆解结构示意图。
图中:1、上盖；2、透光片；3、微处理器；4、电池；5、底座。
具体实施方式
以下结合附图和具体实施例来进一步说明本发明。
如图1-8所示，一种步态分析方法，其具体步骤如下：
1)信号采集：利用传感器采集人体行进过程中下肢在空间上X、Y、Z三个方向的运动信号，所述运动信号包括三维加速度信号和三维角速度信号；所述X、Y、Z方向相互垂直；优选地，所述X、Y、Z方向分别为以待测人体为参照的水平前后方向，水平左右方向和竖直方向。
2)对采集到的信号进行两次滤波：对行进方向的加速度进行高通滤波，对高通滤波后的数据取绝对值，再进行长度为N的均值滤波得到acc_speed_me序列；
如图2所示，行进方向的加速度acc_speed进行高通滤波得出acc_speed_hp，acc_speed_hp＝filter(b,aacc_speed,)；b,a高频滤波参数，对高通滤波后的数据取绝对值，abs_acc_speed_hp＝abs(acc_speed_hp)；对acc_speed_hp进行长度为N的均值滤波，即acc_speed_mea(n)＝(abs_acc_speed_hp(n)+…+abs_acc_speed_hp(n-N))/N；对acc_speed_mea序列以th_K的变化量进行分割，所述th_K的取值范围为10～80，本实施例采用50。
3)单步信号划分：序列acc_speed_me以th_K的变化量进行分割，即(acc_speed_mea(n)-acc_speed_mea(n-1))>th_K为一步运动开始，(acc_speed_mea(n-1)-acc_speed_mea(n))>th_K为一步运动结束，这段间隔为有效的一步；
4)判断着地方式：当(Zacc-1G)/Y>0.1时为后跟着地，Z变大；当(Zacc-1G)/Y<-0.1时为前掌着地，Z变小；其他为全掌着地情况，其中Zacc为Z轴方向加速度，Zacc-1G为全掌落地时的情况；
如图3所示，正常着地时行进方向与竖直方向无影响；前掌着地时，减速的加速度会使竖直方向加速度变更小；后跟着地时，减速的加速度会竖直方向加速度变更大，当Y方向出现最大值时，Z方向受Y方向的影响可以进行着地方式判断。当自由落体，则Z方向为0。Z方向加速度为zacc，zacc-1G为全掌落地时的情况，当大于0时不大可能，当小于0时减速落地。
5)如图4所示，判断足内旋：设定着地后行进方向不发生位置偏移，即侧向加速度变化只受垂直地面方向影响，当0<X/Zmax<0.1，为正常着地；当X/Zmax>0.1，X方向加速度为正，为外翻着地；当X/Zmax>0.1，X方向加速度为负，为内翻着地，其中X为X轴加速度，Zmax为Z轴最大加速度；
6)如图5所示，判断内外八字：当(X/Y)>0.1，测量加速度的方向与行进方向相反为外八字步；当(X/Y)>0.1，测量加速度的方向与行进方向相同为内八字步，其中X为X轴加速度，Y为Y轴加速度。
一种步态分析方法，还包括以下步骤
1)重新采样：设置加速度采样率FS(100，200，400等根据步频设定)，将采样率为FS的序列重采样至10Hz，即每隔FS/10抽取采样点；
2)如图6所示，获取单步数据：将重采样后获取的有效行进方波时间扩展至实际时间，对行进方向加速度进行低通滤波acc_speed_lp＝filter(b,a,acc_speed),b,a为低频滤波参数，以有效行进方波下降沿为单步开始，并查找每个方波周期内的最小值acc_speed_lp_min以此采样点为单步行进的结束时间；
3)如图7所示，获取腾空时间和着地时间：由一步行进的结束点逐次累加计算获取单步运行由结束到开始的速度变化，speed(n)＝t_speedy(n-1)+acc_speed(t_len-n+1),t_len为单步总点数，对速度曲线进行高通滤波speed_hp＝filter(b,a,speed),b,a为高通滤波参数，获取由高通滤波后的速度曲线最小值开始至第一个极点speed_hp(n)>speed_hp(n-1)，取为腾空时间点，总时间减去腾空时间得出着地时间；
4)获取步幅大小：s＝-vmin÷Preg÷FS×10÷2×t÷FS，式中s为步幅，Vmin为速度曲线最小值，Preg为传感器1G的数据点，t腾空时间，FS为采样率；
如图7所示，取速度曲线的最小值，speed_min＝min(speed),计算估算的实际最大速度speed_n＝-speed_min/Preg/FS*10；，其中Preg为传感器1G的数据点，FS为采样率，获取估算的平均速度speed_mea＝speed_n/2，获取估算步幅distance＝speed_mea*one_flyclk/FS；其中one_flyclk为腾空时间，FS为采样率。
5)如图8所示，获取获取冲击力和腾空高度：获取单步结束点前后FS/10个数据点内垂直方向的最大值，取为冲击力；获取单步结束点前后FS/10个数据点内垂直方向的最小值zmin，取为触地点；以触地点开始向前取FS/10个数据点，并减去中获取的最小值zmin，即zn＝zn-z min；
对zn进行累加估算着地速度
vz＝zn+zn-1+…+z1；vz'＝vz÷Preg÷FS×10，其中Preg为传感器1G的数据点，FS为采样率；计算离地高H,H＝vz'×0.1。
一种步态分析装置，包括载体、数据采集器、微处理器3和电池4；所述载体为一智扣，所述智扣包括上盖1、透光片2和底座5，所述上盖1和底座5之间形成放置槽，所述放置槽内用于放置数据采集器即三轴传感器、微处理器3和电池4，此外分析装置可以不需要载体，直接把三轴传感器、微处理器3、电池4直接嵌入在鞋底和鞋面上。智扣的做用是保护微处理器3、三轴传感器和电池4不受到挤压而被破坏，提高使用寿命。所述数据采集器用于至少采集人体在空间X、Y、Z三个方向上的加速度数据；所述三轴传感器的输出端电性连接微处理器3的信号输入端，所述微处理器3具有A/D转换功能、串口通信功能以及蓝牙通信功能，并通过蓝牙通讯连接智能终端，微处理器3将采集到的传感器的数据进行分析处理，进而计算出对应的数据(如步数统计、着地方式、足内外旋、内外八等)，并将该传输至智能终端的APP中，通过智能终端APP展示出穿戴者的相应数据。其中，所述智能终端可为装设有APP的手机、平板电脑等等。微处理器3也可以将采集的数据传输到智能终端，再由智能终端对数据进行分析处理，计算出对应的数据。
智能终端的APP也将根据微处理器所计算出的数据进行相应的反应，如当穿戴者的着地方式或相应的运动姿态存在问题时，微处理器将控制设置在鞋底上的振动装置进行振动，进而提醒穿戴者的运动姿态需要矫正；除了控制振动装置进行振动之外，智能终端的APP的控制***也将通过语音的方式直接提醒穿戴者。
此外，除了分析穿戴者当前的运动姿态外，微处理器还将根据六轴加速度传感器所采集的数据，通过对Z轴加速度计算，分析穿戴者实际踩踏时的冲击力大小，若冲击力大于跑步状态下的冲击力阈值时，微处理器将控制智扣内的红色LED灯进行发光。智扣内设有红、黄、绿三种颜色的LED灯。若冲击力小于或等于跑步状态下的冲击力阈值时，微处理器将控制智扣内的黄色LED灯进行发光；若冲击力小于或等于步行状态下的冲击力阈值时，微处理器将控制智扣内的绿色LED灯进行发光其中，步行状态下的冲击力阈值小于跑步状态下的冲击力阈值。除了通过判断冲击力大小来控制位于智扣内的LED灯进行发光外，也可通过智能终端的APP中的语音控制来控制LED灯进行发光，透光片2的存在，使得灯光效果更明显。
以上所述的，仅为本发明的较佳实施例而已，不能限定本发明的范围，凡是依本发明申请专利范围所作的均等变化与装饰，皆应仍属于本发明涵盖的范围内。

Claims (7)

1.一种步态分析方法，其特征在于：其具体分析过程如下：
1)信号采集：利用传感器采集人体行进过程中下肢在空间上X、Y、Z三个方向的运动信号，所述运动信号包括三维加速度信号和三维角速度信号；
2)对采集到的信号进行两次滤波：对行进方向的加速度进行高通滤波，对高通滤波后的数据取绝对值，再进行长度为N的均值滤波得到acc_speed_me序列；
3)单步信号划分：序列acc_speed_me以th_K的变化量进行分割，即(acc_speed_mea(n)-acc_speed_mea(n-1))>th_K作为一步运动开始，(acc_speed_mea(n-1)-acc_speed_mea(n))>th_K作为一步运动结束，这段间隔为有效的一步；
4)判断着地方式：当(Zacc-1G)/Y>0.1时为后跟着地，Z变大；当(Zacc-1G)/Y<-0.1时为前掌着地，Z变小；其他为全掌着地情况，其中Zacc为Z轴方向加速度，Zacc-1G为全掌落地时的情况；
5)判断足内旋：当0<X/Zmax<0.1，为正常着地；当X/Zmax>0.1，X方向加速度为正，为外翻着地；当X/Zmax>0.1，X方向加速度为负，为内翻着地，其中X为X轴加速度，Zmax为Z轴最大加速度；
6)判断内外八字：当(X/Y)>0.1，测量加速度的方向与行进方向相反为外八字步；当(X/Y)>0.1，测量加速度的方向与行进方向相同为内八字步，其中X为X轴加速度，Y为Y轴加速度。
2.根据权利要求1所述的一种步态分析方法，其特征在于：所述X、Y、Z方向相互垂直；优选地，所述X、Y、Z方向分别为以待测人体为参照的水平前后方向，水平左右方向和竖直方向。
3.根据权利要求1所述的一种步态分析方法，其特征在于：th_K的取值范围为10-80。
4.根据权利要求1所述的一种步态分析方法，其特征在于，还包括以下步骤：
1)重新采样：设置加速度采样率FS，将采样率为FS的序列重采样至10Hz，即每隔FS/10抽取采样点；
2)获取单步数据：将重采样后获取的有效行进方波时间扩展至实际时间，对行进方向加速度进行低通滤波，以有效行进方波下降沿为单步开始，并查找每个方波周期内的最小值以此采样点为单步行进的结束时间；
3)获取腾空时间和着地时间：由一步行进的结束点逐次累加计算获取单步运行由结束到开始的速度变化，对速度曲线进行高通滤波，获取由高通滤波后的速度曲线最小值开始至第一个极点，取为腾空时间点，总时间减去腾空时间得出着地时间；
4)获取步幅大小：s＝-vmin÷Preg÷FS×10÷2×t÷FS，式中s为步幅，Vmin为速度曲线最小值，Preg为传感器1G的数据点，t腾空时间，FS为采样率；
5)获取冲击力和腾空高度：获取单步结束点前后FS/10个数据点内垂直方向的最大值，取为冲击力；获取单步结束点前后FS/10个数据点内垂直方向的最小值zmin，取为触地点；以触地点开始向前取FS/10个数据点，并减去中获取的最小值zmin，即zn＝zn-zmin；
对zn进行累加估算着地速度
vz＝zn+zn-1+…+z1；vz'＝vz÷Preg÷FS×10，其中Preg为传感器1G的数据点，FS为采样率；计算离地高H,
H＝vz'×0.1。
5.一种采用权利要求1所述的步态分析方法的装置，其特征在于：包括载体、数据采集器、微处理器和电池；所述载体为一智扣，所述智扣包括上盖、透光片和底座，所述上盖和底座之间形成放置槽，所述放置槽内用于放置数据采集器、微处理器和电池，所述数据采集器用于至少采集人体在空间X、Y、Z三个方向上的线加速度及角加速度数据；所述数据采集器的输出端电性连接微处理器的信号输入端，所述微处理器具有A/D转换功能、串口通信功能以及蓝牙通信功能，并通过蓝牙通讯连接智能终端，微处理器将采集到数据进行分析处理，进而计算出对应的数据并将该数据传输至智能终端。
6.根据权利要求5所述的一种步态分析装置，其特征在于：所述数据采集器为三轴加速度传感器。
7.根据权利要求5所述的一种步态分析装置，其特征在于:所述分析装置内还设有红、黄、绿三种颜色的LED灯，所述LED灯电性连接微处理器。
CN201910694487.0A 2019-07-30 2019-07-30 一种步态分析方法及装置 Active CN110558990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910694487.0A CN110558990B (zh) 2019-07-30 2019-07-30 一种步态分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910694487.0A CN110558990B (zh) 2019-07-30 2019-07-30 一种步态分析方法及装置

Publications (2)

Publication Number Publication Date
CN110558990A true CN110558990A (zh) 2019-12-13
CN110558990B CN110558990B (zh) 2022-04-12

Family

ID=68773602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910694487.0A Active CN110558990B (zh) 2019-07-30 2019-07-30 一种步态分析方法及装置

Country Status (1)

Country Link
CN (1) CN110558990B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113925494A (zh) * 2021-10-15 2022-01-14 深圳智游者科技有限公司 个人不良行走步态监测方法和装置

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6836744B1 (en) * 2000-08-18 2004-12-28 Fareid A. Asphahani Portable system for analyzing human gait
CN103505219A (zh) * 2012-06-20 2014-01-15 中国科学院电子学研究所 一种人体步态评测***及方法
US20140066816A1 (en) * 2008-12-07 2014-03-06 Apdm, Inc Method, apparatus, and system for characterizing gait
CN105147295A (zh) * 2015-02-15 2015-12-16 南京蓝莓网络科技有限公司 一种基于加速度传感器的跑步姿势判断和矫正方法
CN105476639A (zh) * 2015-11-20 2016-04-13 南京中科创达软件科技有限公司 一种用于八字脚检测及矫正的电子设备
US20160249833A1 (en) * 2013-09-19 2016-09-01 Dorsavi Pty Ltd Method and apparatus for monitoring quality of a dynamic activity of a body
CN106805980A (zh) * 2017-01-24 2017-06-09 重庆小爱科技有限公司 一种步态分析***及分析方法
CN107174252A (zh) * 2017-05-23 2017-09-19 广东远峰电子科技股份有限公司 一种足部运动姿态的判断装置和方法
CN107343789A (zh) * 2017-05-17 2017-11-14 浙江利尔达物联网技术有限公司 一种基于三轴加速度传感器的脚步运动识别方法
US20180020953A1 (en) * 2015-12-28 2018-01-25 Goertek Inc. Method and device for identifying human movement state
CN107907127A (zh) * 2017-09-30 2018-04-13 天津大学 一种基于深度学习的步长估计方法
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***
CN108968223A (zh) * 2018-09-12 2018-12-11 黑天鹅智能科技（福建）有限公司 一种足球鞋
CN109259375A (zh) * 2018-10-15 2019-01-25 福建省万物智联科技有限公司 一种辉光鞋及其制备方法
CN109498027A (zh) * 2018-12-19 2019-03-22 南京茂森电子技术有限公司 一种单加速度计人体步态检测***及方法
CN109528212A (zh) * 2018-12-29 2019-03-29 大连乾函科技有限公司 一种异常步态识别设备及方法
CN109602422A (zh) * 2019-01-25 2019-04-12 深圳市丞辉威世智能科技有限公司 足底穿戴装置和足底步态匹配方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6836744B1 (en) * 2000-08-18 2004-12-28 Fareid A. Asphahani Portable system for analyzing human gait
US20140066816A1 (en) * 2008-12-07 2014-03-06 Apdm, Inc Method, apparatus, and system for characterizing gait
CN103505219A (zh) * 2012-06-20 2014-01-15 中国科学院电子学研究所 一种人体步态评测***及方法
US20160249833A1 (en) * 2013-09-19 2016-09-01 Dorsavi Pty Ltd Method and apparatus for monitoring quality of a dynamic activity of a body
CN105147295A (zh) * 2015-02-15 2015-12-16 南京蓝莓网络科技有限公司 一种基于加速度传感器的跑步姿势判断和矫正方法
CN105476639A (zh) * 2015-11-20 2016-04-13 南京中科创达软件科技有限公司 一种用于八字脚检测及矫正的电子设备
US20180020953A1 (en) * 2015-12-28 2018-01-25 Goertek Inc. Method and device for identifying human movement state
CN106805980A (zh) * 2017-01-24 2017-06-09 重庆小爱科技有限公司 一种步态分析***及分析方法
CN107343789A (zh) * 2017-05-17 2017-11-14 浙江利尔达物联网技术有限公司 一种基于三轴加速度传感器的脚步运动识别方法
CN107174252A (zh) * 2017-05-23 2017-09-19 广东远峰电子科技股份有限公司 一种足部运动姿态的判断装置和方法
CN107907127A (zh) * 2017-09-30 2018-04-13 天津大学 一种基于深度学习的步长估计方法
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***
CN108968223A (zh) * 2018-09-12 2018-12-11 黑天鹅智能科技（福建）有限公司 一种足球鞋
CN109259375A (zh) * 2018-10-15 2019-01-25 福建省万物智联科技有限公司 一种辉光鞋及其制备方法
CN109498027A (zh) * 2018-12-19 2019-03-22 南京茂森电子技术有限公司 一种单加速度计人体步态检测***及方法
CN109528212A (zh) * 2018-12-29 2019-03-29 大连乾函科技有限公司 一种异常步态识别设备及方法
CN109602422A (zh) * 2019-01-25 2019-04-12 深圳市丞辉威世智能科技有限公司 足底穿戴装置和足底步态匹配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
EIZENTALS, P: "Gait analysis by using Smart Socks system", 《AEGEAN INTERNATIONAL TEXTILE AND ADVANCED ENGINEERING CONFERENCE (AITAE 2018)》 *
仇森: "人体步态分析的多传感器数据融合研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113925494A (zh) * 2021-10-15 2022-01-14 深圳智游者科技有限公司 个人不良行走步态监测方法和装置

Also Published As

Publication number Publication date
CN110558990B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
US10789708B1 (en) Athletic performance and technique monitoring
US11426630B1 (en) Stride change detection and correction
CN110558992B (zh) 一种步态检测分析方法及装置
US10285625B2 (en) Activity monitoring computing device and system
CN109480857B (zh) 一种用于帕金森病患者冻结步态检测的装置及方法
CN105561567A (zh) 一种计步及运动状态评估装置
EP2451351A1 (en) Fall prevention
JP2019531772A (ja) 運動認識方法および装置
CN208065167U (zh) 一种多功能足部穿戴装置
US20190076063A1 (en) Systems and methods of ski activity detection
US20210068712A1 (en) Detecting the end of cycling activities on a wearable device
CN105030260A (zh) 运动状态判断方法及脚部穿戴物
CN106901444A (zh) 一种生理监控智能鞋垫
CN108958482B (zh) 一种基于卷积神经网络的相似性动作识别装置及方法
CN109350052A (zh) 一种基于肌电采集和云平台分析的多功能智能鞋垫
CN109381191A (zh) 基于智能鞋进行人体运动行为判断的***及方法
CN109528212A (zh) 一种异常步态识别设备及方法
CN106963388A (zh) 一种智能鞋垫的反馈***
CN110558990B (zh) 一种步态分析方法及装置
CN113576467A (zh) 融合足底压力传感器和imu的可穿戴实时步态检测***
CN109743667A (zh) 耳机佩戴检测方法与耳机
CN205292961U (zh) 一种电动助力自行车心率自动控制仪表
JP2019195633A (ja) Ｉｖｌｒ予測方法およびそれを用いた走行時のケガ危険性定量化装置
CN114224326A (zh) 一种穿戴式步态相位和动作识别装置及方法
US20170151463A1 (en) Method and apparatus for optimizing running performance of an individual

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