CN111714129A - 人体步态信息采集*** - Google Patents
人体步态信息采集*** Download PDFInfo
- Publication number
- CN111714129A CN111714129A CN202010377335.0A CN202010377335A CN111714129A CN 111714129 A CN111714129 A CN 111714129A CN 202010377335 A CN202010377335 A CN 202010377335A CN 111714129 A CN111714129 A CN 111714129A
- Authority
- CN
- China
- Prior art keywords
- attitude sensor
- microcontroller
- curve
- instep
- acquisition system
- 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
- 230000005021 gait Effects 0.000 title claims abstract description 35
- 210000001699 lower leg Anatomy 0.000 claims abstract description 34
- 210000000689 upper leg Anatomy 0.000 claims abstract description 32
- 210000002414 leg Anatomy 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 13
- 210000000544 articulatio talocruralis Anatomy 0.000 claims abstract description 12
- 210000004394 hip joint Anatomy 0.000 claims abstract description 12
- 210000000629 knee joint Anatomy 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 17
- 210000003141 lower extremity Anatomy 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012549 training Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 101150075681 SCL1 gene Proteins 0.000 description 1
- 101150015547 SDL1 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
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
- A61B5/68—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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6828—Leg
-
- 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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6829—Foot or ankle
-
- 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
- A61B5/7235—Details of waveform 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
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (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信息采集***，包括左腿采集***、右腿采集***、微控制器和上位机，所述左腿采集***和右腿采集***均包括大腿姿态传感器、小腿姿态传感器和脚背姿态传感器，所述大腿姿态传感器、小腿姿态传感器和脚背姿态传感器分别安装于人体大腿、小腿和脚背上；同条腿上的大腿姿态传感器、小腿姿态传感器和脚背姿态传感器串联，保证同时性，且与微控制器通讯连接，所述微控制器与上位机通讯连接，所述上位机内设软件处理程序。采用本发明的***可以得到患者精准化的踝关节曲线、膝关节曲线、髋关节曲线，在患者进行外骨骼康复训练时，可按照精准的曲线控制外骨骼相应电机的运转，提高康复训练效果。
Description
技术领域
本发明涉及人体步态信息采集***。
背景技术
步行是一种复杂的运动过程，可以反映人体的运动功能和健康状况。不同的疾病会呈现不同的步态。通过分析人体步态可以为临床疾病尤其是神经***疾病的诊断和治疗提供重要的参考。目前，临床异常步态主要由医生通过目测再结合自己的专业知识和临床经验来进行诊断，或者使用高精度的三维步态分析***来进行辅助诊断。然而，目测法无法提供精确的、定量的分析结果；三维步态分析法虽然可以提供精确的、定量的分析结果，但是价格昂贵、使用复杂，而且需要在专门的实验室中使用。
发明内容
针对上述现有技术的不足，本发明的目的是提供一种人体步态信息采集***，其无需在专门的实验室中使用即可进行人体步态信息的采集。
本发明采取的具体技术方案是：
一种人体步态信息采集***，包括左腿采集***、右腿采集***、微控制器和上位机，所述左腿采集***和右腿采集***均包括大腿姿态传感器、小腿姿态传感器和脚背姿态传感器，所述大腿姿态传感器、小腿姿态传感器和脚背姿态传感器分别安装于人体大腿、小腿和脚背上；同条腿上的大腿姿态传感器、小腿姿态传感器和脚背姿态传感器串联，保证同时性，且与微控制器通讯连接，所述微控制器与上位机通讯连接，所述上位机内设软件处理程序。
进一步地，所述大腿姿态传感器、小腿姿态传感器和脚背姿态传感器分别与微控制器通过WiFi或电线通讯连接；所述微控制器与上位机通过WiFi通讯连接。
优选地，所述微控制器设有外置卡槽，所述卡槽内安装有TF卡，通过大腿姿态传感器、小腿姿态传感器和脚背姿态传感器采集的数据存储到TF卡内，通过TF卡导入上位机中。
进一步地，所述微控制器为STM32F1单片机。
进一步地，所述大腿姿态传感器、小腿姿态传感器、脚背姿态传感器和微控制器通过同一个移动电源供电，所述移动电源通过捆绑装置固定在人体上。
相应地，本发明还提供了一种基于上述人体步态信息采集***的人体步态信息采集方法，包括：一、将移动电源、微控制器和各传感器捆绑在患者身上，患者进行步行运动，大腿姿态传感器、小腿姿态传感器和脚背姿态传感器分别采集人体下肢的倾角角度、角速度、角加速度原始数据，将原始数据传输到微控制器，再导入上位机中，上位机通过内设的程序算法处理原始数据，传感器采集到的步态信息融合成曲线形式显示在上位机界面上；二、将采集到的脚背姿态传感器的曲线与正常的踝关节曲线进行对比，得出两条曲线的误差曲线，小腿姿态传感器的曲线与正常的膝关节曲线进行对比，得出两条曲线的误差曲线，大腿姿态传感器的曲线与正常的髋关节曲线进行对比，得出两条曲线的误差曲线；三、多次重复步骤一、二，将得到的误差曲线进行精准化，得精准化后的踝关节曲线、膝关节曲线、髋关节曲线。
优选地，所述程序算法处理为程序中采用卡尔曼滤波滤除高斯白噪声,采用四元素法将采集到步态信息进行姿态数据的融合，将融合后的结果以曲线的形式显示在界面上。
本发明的有益效果是：
1.采用本发明的***可以得到患者精准化的踝关节曲线、膝关节曲线、髋关节曲线，在患者进行外骨骼康复训练时，可按照精准的曲线控制外骨骼相应电机的运转，提高康复训练效果。
2.现有的精准人体步态信息采集***需要专业设备在专业实验室进行，而本发明采集数据和分析数据完全可以在不同的地方进行，不需要专门的场地。
3.arduino微控制器储存到外置TF卡中，存储数据速度快，可以实时存储数据，TF卡中数据可在电脑上位机软件中进行数据处理，分析步频步态，不再依据医生经验判断，更具准确性。且可以在整个***突然出现问题时，减少对采集到数据的损坏。
4.本发明可以通过大量的个体数据建立起数据库，对类似相关病症大数据定量分析，对不同病患者进行分类管理，建立步频步态与疾病的联系，也同时建立步频步态与康复方案的联系，合理有效的加快病人康复速度。
5.本发明中每个传感器自成一个独立模块，当***不响应，对***进行出错排查时，可以单独对每一个模块进行检测，检测出某一模块出现问题，可以随时更换，不影响整个***的运行。
附图说明
图1为人体步态信息采集***的结构组成图。
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。
实施例
请参阅图1，本实施例提供了一种人体步态信息采集***，包括左腿采集***、右腿采集***、微控制器和上位机，所述左腿采集***和右腿采集***均包括大腿姿态传感器、小腿姿态传感器和脚背姿态传感器，所述大腿姿态传感器、小腿姿态传感器和脚背姿态传感器分别安装于人体大腿、小腿和脚背上；同条腿上的大腿姿态传感器、小腿姿态传感器和脚背姿态传感器通过电源线串联并与移动电源连接，由移动电源供电，串联是为了保证同时性；微控制器为STM32F1单片机，微控制器也有同一个移动电源供电，移动电源通过捆绑装置固定在人体上，大腿姿态传感器、小腿姿态传感器和脚背姿态传感器通过电线与微控制器通讯连接，将采集的数据导入微控制器，微控制器设有外置卡槽，卡槽内安装有TF卡，采集的数据存储到TF卡内，通过TF卡导入上位机中所述上位机内设软件处理程序。
本实施例中，采用的是9轴倾角传感器JY901，将9轴倾角传感器JY901(3轴加速度，3轴加速度，3轴磁场)安装在外骨骼相应位置上，四个倾角传感器采用寻址的方式的编码，倾角传感器与主控板STM32F1之间的通讯为IIC通信，SCL1时钟线和SDL1数据线分别接PB10,PB11；SCL2时钟线和SDL2数据线分别接PC11,PC12；左右大小腿的设备地址分别是0x50，0x51，0x52，0x53组成下肢姿态信息采集的传感网络，一条腿之间的倾角传感器串联连接。将采集的信息通过卡尔曼滤波，四元数法解算之后得到我们的下肢的姿态信息。
具体人体步态信息采集方法：
首先先对正常人体进行采集：将移动电源、微控制器和各传感器捆绑在正常人体身上，正常人体进行步行运动，大腿姿态传感器、小腿姿态传感器和脚背姿态传感器分别采集人体下肢的倾角角度、角速度、角加速度原始数据，将原始数据传输到微控制器，再导入上位机中，上位机通过内设的程序算法处理原始数据，传感器采集到的步态信息融合成曲线形式显示在上位机界面上，即得正常的踝关节曲线、正常的膝关节曲线、正常的髋关节曲线；
然后对患者进行采集：一、将移动电源、微控制器和各传感器捆绑在患者身上，患者进行步行运动，大腿姿态传感器、小腿姿态传感器和脚背姿态传感器分别采集人体下肢的倾角角度、角速度、角加速度原始数据，将原始数据传输到微控制器，再导入上位机中，上位机通过内设的程序算法处理原始数据，传感器采集到的步态信息融合成曲线形式显示在上位机界面上；二、将采集到的脚背姿态传感器的曲线与正常的踝关节曲线进行对比，得出两条曲线的误差曲线，小腿姿态传感器的曲线与正常的膝关节曲线进行对比，得出两条曲线的误差曲线，大腿姿态传感器的曲线与正常的髋关节曲线进行对比，得出两条曲线的误差曲线；三、多次重复步骤一、二，将得到的误差曲线进行精准化，得精准化后的踝关节曲线、膝关节曲线、髋关节曲线。所述程序算法处理为程序中采用卡尔曼滤波滤除高斯白噪声,采用四元素法将采集到步态信息融合成进行姿态数据的融合，将融合后的结果以曲线的形式显示在界面上。
本实施例中优选方案是采用本发明提供的***对正常正常人体进行采集得正常的踝关节曲线、正常的膝关节曲线、正常的髋关节曲线，也可以使用其它方式获得的正常的踝关节曲线、正常的膝关节曲线、正常的髋关节曲线。
本发明的***可以与下肢外骨骼控制***配合使用，上位机根据精准化后的踝关节曲线、膝关节曲线、髋关节曲线控制外骨骼电机的运行，使下肢外骨骼的运动更加贴合正常人体的运动轨迹，可以使患者获得更好的恢复效果。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括……”或“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外，在本文中，“大于”、“小于”、“超过”等理解为不包括本数；“以上”、“以下”、“以内”等理解为包括本数。
尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。
Claims (7)
1.一种人体步态信息采集***，其特征在于，包括左腿采集***、右腿采集***、微控制器和上位机，所述左腿采集***和右腿采集***均包括大腿姿态传感器、小腿姿态传感器和脚背姿态传感器，所述大腿姿态传感器、小腿姿态传感器和脚背姿态传感器分别安装于人体大腿、小腿和脚背上；同条腿上的大腿姿态传感器、小腿姿态传感器和脚背姿态传感器串联，保证同时性，且与微控制器通讯连接，所述微控制器与上位机通讯连接，所述上位机内设软件处理程序。
2.根据权利要求1所述一种人体步态信息采集***，其特征在于，所述大腿姿态传感器、小腿姿态传感器和脚背姿态传感器分别与微控制器通过WiFi或电线通讯连接；所述微控制器与上位机通过WiFi通讯连接。
3.根据权利要求1所述一种人体步态信息采集***，其特征在于，所述微控制器设有外置卡槽，所述卡槽内安装有TF卡，通过大腿姿态传感器、小腿姿态传感器和脚背姿态传感器采集的数据存储到TF卡内，通过TF卡导入上位机中。
4.根据权利要求1所述一种人体步态信息采集***，其特征在于，所述微控制器为STM32F1单片机。
5.根据权利要求1所述一种人体步态信息采集***，其特征在于，所述大腿姿态传感器、小腿姿态传感器、脚背姿态传感器和微控制器通过同一个移动电源供电，所述移动电源通过捆绑装置固定在人体上。
6.一种基于上述人体步态信息采集***的人体步态信息采集方法，其特征在于，包括：一、将移动电源、微控制器和各传感器捆绑在患者身上，患者进行步行运动，大腿姿态传感器、小腿姿态传感器和脚背姿态传感器分别采集人体下肢的倾角角度、角速度、角加速度原始数据，将原始数据传输到微控制器，再导入上位机中，上位机通过内设的程序算法处理原始数据，传感器采集到的步态信息融合成曲线形式显示在上位机界面上；二、将采集到的脚背姿态传感器的曲线与正常的踝关节曲线进行对比，得出两条曲线的误差曲线，小腿姿态传感器的曲线与正常的膝关节曲线进行对比，得出两条曲线的误差曲线，大腿姿态传感器的曲线与正常的髋关节曲线进行对比，得出两条曲线的误差曲线；三、多次重复步骤一、二，将得到的误差曲线进行精准化，得精准化后的踝关节曲线、膝关节曲线、髋关节曲线。
7.根据权利要求6所述的人体步态信息采集方法，其特征在于，所述程序算法处理为程序中采用卡尔曼滤波滤除高斯白噪声,采用四元素法将采集到步态信息进行姿态数据的融合，将融合后的结果以曲线的形式显示在界面上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010377335.0A CN111714129A (zh) | 2020-05-07 | 2020-05-07 | 人体步态信息采集*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010377335.0A CN111714129A (zh) | 2020-05-07 | 2020-05-07 | 人体步态信息采集*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111714129A true CN111714129A (zh) | 2020-09-29 |
Family
ID=72564253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010377335.0A Pending CN111714129A (zh) | 2020-05-07 | 2020-05-07 | 人体步态信息采集*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111714129A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112704491A (zh) * | 2020-12-28 | 2021-04-27 | 华南理工大学 | 基于姿态传感器和动捕模板数据的下肢步态预测方法 |
| CN113080946A (zh) * | 2021-04-29 | 2021-07-09 | 合肥工业大学 | 一种人体坐站转移能力测量装置、测量方法及电子设备 |
| CN113345603A (zh) * | 2021-03-26 | 2021-09-03 | 重庆布瑞斯科技有限公司 | 一种六轴动作捕捉***及动作捕捉方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103300864A (zh) * | 2013-04-23 | 2013-09-18 | 中国科学院深圳先进技术研究院 | 微型无线传感器节点 |
| CN103377542A (zh) * | 2013-07-16 | 2013-10-30 | 中国科学院深圳先进技术研究院 | 人体防跌倒预警方法及预警器 |
| CN105561567A (zh) * | 2015-12-29 | 2016-05-11 | 中国科学技术大学 | 一种计步及运动状态评估装置 |
| CN106377837A (zh) * | 2016-09-19 | 2017-02-08 | 天津大学 | 基于步态识别的功能性肌肉电刺激助行装置及控制方法 |
| CN107993249A (zh) * | 2017-08-23 | 2018-05-04 | 北京航空航天大学 | 一种基于多Kinect的人体步态数据融合方法 |
| CN108098736A (zh) * | 2016-11-24 | 2018-06-01 | 广州映博智能科技有限公司 | 一种基于新型感知的外骨骼机器人辅助装置及方法 |
| 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*** |
| CN110021398A (zh) * | 2017-08-23 | 2019-07-16 | 陆晓 | 一种步态分析、训练方法及*** |
-
2020
- 2020-05-07 CN CN202010377335.0A patent/CN111714129A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103300864A (zh) * | 2013-04-23 | 2013-09-18 | 中国科学院深圳先进技术研究院 | 微型无线传感器节点 |
| CN103377542A (zh) * | 2013-07-16 | 2013-10-30 | 中国科学院深圳先进技术研究院 | 人体防跌倒预警方法及预警器 |
| CN105561567A (zh) * | 2015-12-29 | 2016-05-11 | 中国科学技术大学 | 一种计步及运动状态评估装置 |
| CN106377837A (zh) * | 2016-09-19 | 2017-02-08 | 天津大学 | 基于步态识别的功能性肌肉电刺激助行装置及控制方法 |
| CN108098736A (zh) * | 2016-11-24 | 2018-06-01 | 广州映博智能科技有限公司 | 一种基于新型感知的外骨骼机器人辅助装置及方法 |
| CN107993249A (zh) * | 2017-08-23 | 2018-05-04 | 北京航空航天大学 | 一种基于多Kinect的人体步态数据融合方法 |
| CN110021398A (zh) * | 2017-08-23 | 2019-07-16 | 陆晓 | 一种步态分析、训练方法及*** |
| 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*** |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112704491A (zh) * | 2020-12-28 | 2021-04-27 | 华南理工大学 | 基于姿态传感器和动捕模板数据的下肢步态预测方法 |
| CN113345603A (zh) * | 2021-03-26 | 2021-09-03 | 重庆布瑞斯科技有限公司 | 一种六轴动作捕捉***及动作捕捉方法 |
| CN113080946A (zh) * | 2021-04-29 | 2021-07-09 | 合肥工业大学 | 一种人体坐站转移能力测量装置、测量方法及电子设备 |
| CN113080946B (zh) * | 2021-04-29 | 2024-05-14 | 合肥工业大学 | 一种人体坐站转移能力测量装置、测量方法及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111714129A (zh) | 人体步态信息采集*** | |
| Lencioni et al. | Human kinematic, kinetic and EMG data during different walking and stair ascending and descending tasks | |
| CN102567638B (zh) | 一种基于微型传感器的交互式上肢康复*** | |
| CN115954081A (zh) | 膝关节置换术后远程智能康复方法及*** | |
| JP2008544777A (ja) | 監視システム | |
| Chen | Human motion analysis with wearable inertial sensors | |
| JPH03505826A (ja) | コンピュータをベースとする上肢評価システム | |
| Song et al. | Cellphone-based automated Fugl-Meyer assessment to evaluate upper extremity motor function after stroke | |
| Mazomenos et al. | Detecting elementary arm movements by tracking upper limb joint angles with MARG sensors | |
| Bessone et al. | Validation of a new inertial measurement unit system based on different dynamic movements for future in-field applications | |
| CN105232052A (zh) | 组合传感器识别人体下肢运动姿态的装置 | |
| Anwary et al. | Gait evaluation using procrustes and euclidean distance matrix analysis | |
| CN109069055A (zh) | 身体状态分类 | |
| CN110151188A (zh) | 帕金森诊断*** | |
| Haratian et al. | Toward flexibility in sensor placement for motion capture systems: a signal processing approach | |
| WO2004084725A1 (en) | Motion analysis system and method | |
| Cottam et al. | Measurement of uni-planar and sport specific trunk motion using magneto-inertial measurement units: The concurrent validity of Noraxon and Xsens systems relative to a retro-reflective system | |
| Van Criekinge et al. | A full-body motion capture gait dataset of 138 able-bodied adults across the life span and 50 stroke survivors | |
| KR102228817B1 (ko) | 질병 예측 및 진단을 위한 전자 장치 및 그 동작 방법 | |
| CN115644858B (zh) | 基于多传感器数据融合技术的穿戴式智能化步态分析仪 | |
| CN107330271A (zh) | 一种基于云端大数据物联网和智能画像技术的医疗体检方法及其装置 | |
| Anowar et al. | A low-cost wearable rehabilitation device | |
| Bonnechère et al. | Can the kinectTM sensors be used for motion analysis? | |
| CN111481197B (zh) | 用于人机自然交互的生机多模态信息采集融合装置 | |
| Jackson et al. | Computer-assisted approaches for measuring, segmenting, and analyzing functional upper extremity movement: a narrative review of the current state, limitations, and future directions |
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: 20200929 |
|
| RJ01 | Rejection of invention patent application after publication |