CN113679380B - 步态监测方法、装置、设备及存储介质 - Google Patents
步态监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113679380B CN113679380B CN202111017543.0A CN202111017543A CN113679380B CN 113679380 B CN113679380 B CN 113679380B CN 202111017543 A CN202111017543 A CN 202111017543A CN 113679380 B CN113679380 B CN 113679380B
- Authority
- CN
- China
- Prior art keywords
- gait
- information
- sensing
- monitoring
- perception
- 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
- 230000005021 gait Effects 0.000 title claims abstract description 386
- 238000012544 monitoring process Methods 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000008447 perception Effects 0.000 claims description 112
- 210000000452 mid-foot Anatomy 0.000 claims description 97
- 230000005477 standard model Effects 0.000 claims description 29
- 210000002683 foot Anatomy 0.000 claims description 24
- 238000013145 classification model Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 abstract description 13
- 210000003371 toe Anatomy 0.000 description 116
- 210000001255 hallux Anatomy 0.000 description 9
- 239000012528 membrane Substances 0.000 description 9
- 239000000725 suspension Substances 0.000 description 9
- 210000000454 fifth toe Anatomy 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000012806 monitoring device Methods 0.000 description 6
- 210000000988 bone and bone Anatomy 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 210000000455 fourth toe Anatomy 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 210000000453 second toe Anatomy 0.000 description 3
- 230000000087 stabilizing effect Effects 0.000 description 3
- 210000000431 third toe Anatomy 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 206010070918 Bone deformity Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000031877 prophase Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及运动监测技术领域,公开了一种步态监测方法、装置、设备及存储介质,所述方法包括:获取预设时间段内被监测用户的步态感知信息,对步态感知信息进行相位识别和标准化处理,获得不同步态相位下的标准步态信息,基于标准步态信息匹配对应的目标步态监测模式,根据目标步态监测模式对被监测用户进行步态监测。通过对预设时间段内被监测用户的步态感知信息进行相位识别和标准化处理,获得不同步态相位下的标准步态信息,以提高步态信息的采样有效率和采样精度,再基于标准步态信息匹配对应的目标步态监测模式,并根据目标步态监测模式对被监测用户进行步态监测,以提高步态监测的监测效率和稳定性,实现快速稳定地对人体步态进行精准监测。
Description
技术领域
本发明涉及运动监测技术领域,尤其涉及一种步态监测方法、装置、设备及存储介质。
背景技术
步态是反映人体健康的一个重要指标,根据步态可获知人体健康程度,进一步地,还可判断人体是否存在运动障碍、骨骼是否畸形、肌肉是否健康等。为了获得更加丰富的步态信息,现有技术虽然已经从不同方面对人体步态展开了研究,并做出了相应的贡献,但是现有技术在步态信息采集和监测中仍存在不少缺陷,如,步态信息采样率低、采集精度低、采集的信号处理起来复杂、步态监测效果差等,因此,如何快速稳定地对人体步态进行精准监测,成为一个亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种步态监测方法、装置、设备及存储介质,旨在解决如何快速稳定地对人体步态进行精准监测的技术问题。
为实现上述目的,本发明提供了一种步态监测方法,所述方法包括以下步骤:
获取预设时间段内被监测用户的步态感知信息;
对所述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息;
对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息;
基于所述标准步态信息匹配对应的目标步态监测模式,并根据所述目标步态监测模式对所述被监测用户进行步态监测。
可选地,所述步态感知信息包括脚趾感知信息、趾骨感知信息、中足感知信息以及足跟感知信息;
相应地,所述获取预设时间段内被监测用户的步态感知信息的步骤,包括:
对被监测用户所接触的足部感知区域进行区域划分,获得脚趾感知区域、趾骨感知区域、中足感知区域以及足跟感知区域;
分别获取预设时间段内所述脚趾感知区域对应的所述脚趾感知信息、所述趾骨感知区域对应的所述趾骨感知信息、所述中足感知区域对应的所述中足感知信息以及所述足跟感知区域对应的所述足跟感知信息。
可选地,所述脚趾感知信息包括脚趾压力信息,所述趾骨感知信息包括趾骨压力信息,所述中足感知信息包括中足压力信息,所述足跟感知信息包括足跟压力信息;
相应地,所述脚趾感知区域设有用于获取所述脚趾压力信息的第一薄膜式力敏传感器,所述趾骨感知区域设有用于获取所述趾骨压力信息的第二薄膜式力敏传感器,所述中足感知区域设有用于获取所述中足压力信息的第三薄膜式力敏传感器,所述足跟感知区域设有用于获取所述足跟压力信息的第四薄膜式力敏传感器;
相应地,所述分别获取预设时间段内所述脚趾感知区域对应的所述脚趾感知信息、所述趾骨感知区域对应的所述趾骨感知信息、所述中足感知区域对应的所述中足感知信息以及所述足跟感知区域对应的所述足跟感知信息的步骤,包括:
通过所述脚趾感知区域的所述第一薄膜式力敏传感器获取预设时间段内所述脚趾感知区域对应的所述脚趾压力信息;
通过所述趾骨感知区域的所述第二薄膜式力敏传感器获取所述预设时间段内所述趾骨感知区域对应的所述趾骨压力信息;
通过所述中足感知区域的所述第三薄膜式力敏传感器获取所述预设时间段内所述中足感知区域对应的所述中足压力信息;
通过所述足跟感知区域的所述第四薄膜式力敏传感器获取所述预设时间段内所述足跟感知区域对应的所述足跟压力信息。
可选地,所述对所述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息的步骤,包括:
获取所述被监测用户的用户属性数据,并根据所述用户属性数据匹配对应的步态标准模型;
根据所述步态标准模型确定所述被监测用户在不同步态相位下的步态感知区间;
根据所述步态感知区间对步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息。
可选地,所述对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息的步骤,包括:
获取所述被监测用户的用户属性数据,并根据所述用户属性数据匹配对应的步态标准模型;
根据所述步态标准模型确定不同步态相位下的标准感知信息;
根据所述标准感知信息对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息。
可选地,所述获取所述被监测用户的用户属性数据,并根据所述用户属性数据匹配对应的步态标准模型的步骤之前,包括:
获取不同用户的样本属性数据和样本步态数据;
对所述样本步态数据进行步态标定,以获得不同用户在不同步态相位下的标定步态数据;
根据所述样本属性数据和所述标定步态数据对预设分类模型进行训练,以获得不同用户属性数据下的步态标准模型。
可选地,所述基于所述标准步态信息匹配对应的目标步态监测模式,并根据所述目标步态监测模式对所述被监测用户进行步态监测的步骤,包括:
基于所述标准步态信息匹配对应的目标步态监测模式;
根据所述目标步态监测模式对所述被监测用户进行步态监测,获得步态监测结果;
基于所述步态监测结果生成对应的步态监测报告,并输出所述步态监测报告。
此外,为实现上述目的,本发明还提出一种步态监测装置,所述步态监测装置包括:
步态感知模块,用于获取预设时间段内被监测用户的步态感知信息;
相位识别模块,用于对所述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息;
信息标准化模块,用于对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息;
步态监测模块,用于基于所述标准步态信息匹配对应的目标步态监测模式,并根据所述目标步态监测模式对所述被监测用户进行步态监测。
此外,为实现上述目的,本发明还提出一种步态监测设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的步态监测程序,所述步态监测程序配置为实现如上文所述的步态监测方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有步态监测程序,所述步态监测程序被处理器执行时实现如上文所述的步态监测方法的步骤。
本发明中,获取预设时间段内被监测用户的步态感知信息,对所述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息,对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息,基于所述标准步态信息匹配对应的目标步态监测模式,并根据所述目标步态监测模式对所述被监测用户进行步态监测。相较于现有技术配备多套监测装置所带来的无法避免的因各监测装置之间复杂的衔接和转换问题导致的步态信息采样率低、步态监测效果差的弊端,本发明通过对预设时间段内被监测用户的步态感知信息进行相位识别和标准化处理,以获得不同步态相位下的标准步态信息,提高了步态信息的采样有效率和采样精度,也提高了基于获得的步态信息进行步态监测的监测效率,再基于所述标准步态信息匹配对应的目标步态监测模式,以根据所述目标步态监测模式对所述被监测用户进行步态监测,提高了监测效率和监测稳定性,也实现了快速稳定地对人体步态进行精准监测。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的步态监测设备的结构示意图;
图2为本发明步态监测方法第一实施例的流程示意图;
图3为本发明步态监测方法第一实施例涉及的足部感知区域的布局示意图;
图4为本发明步态监测方法第二实施例的流程示意图;
图5为本发明步态监测方法第二实施例涉及的足部感知区域的布局示意图;
图6为本发明步态监测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的步态监测设备结构示意图。
如图1所示,该步态监测设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对步态监测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作***、数据存储模块、网络通信模块、用户接口模块以及步态监测程序。
在图1所示的步态监测设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明步态监测设备中的处理器1001、存储器1005可以设置在步态监测设备中,所述步态监测设备通过处理器1001调用存储器1005中存储的步态监测程序,并执行本发明实施例提供的步态监测方法。
本发明实施例提供了一种步态监测方法,参照图2,图2为本发明步态监测方法第一实施例的流程示意图。
本实施例中,所述步态监测方法包括以下步骤:
步骤S10:获取预设时间段内被监测用户的步态感知信息;
易于理解的是,本实施例的执行主体为上述步态监测设备,其中,所述步态感知信息可理解为被监测用户的足底所接触的区域承受的压力变化信息、热辐射变化信息等,通过所述压力变化信息、所述热辐射变化信息等可反映所述被监测用户的步态变化信息,所述步态感知信息包括但不限于脚趾感知信息、趾骨感知信息、中足感知信息以及足跟感知信息,所述脚趾感知信息包括脚趾压力信息、脚趾热辐射信息等,其中,脚趾压力信息可理解为被监测用户所接触的足部感知区域中的脚趾感知区域所承受的压力信息;所述趾骨感知信息包括趾骨压力信息、趾骨热辐射信息等,其中,趾骨压力信息可理解为被监测用户所接触的足部感知区域中的趾骨感知区域所承受的压力信息,所述中足感知信息包括中足压力信息、中足热辐射信息等,其中,中足压力信息可理解为被监测用户所接触的足部感知区域中的中足感知区域所承受的压力信息,所述足跟感知信息包括足跟压力信息、足跟热辐射信息等,其中,足跟压力信息可理解为被监测用户所接触的足部感知区域中的足跟感知区域所承受的压力信息。
在具体实现中,可对被监测用户所接触的足部感知区域进行区域划分,获得脚趾感知区域、趾骨感知区域、中足感知区域以及足跟感知区域,再分别获取预设时间段内所述脚趾感知区域对应的所述脚趾感知信息、所述趾骨感知区域对应的所述趾骨感知信息、所述中足感知区域对应的所述中足感知信息以及所述足跟感知区域对应的所述足跟感知信息。所述预设时间段可根据实际需求进行设置,如,1分钟,5分钟,15分钟等,本实施例对此不加以限制。
参照图3,图3为本发明步态监测方法第一实施例涉及的足部感知区域的布局示意图。
图3中,将足部感知区域分为脚趾感知区域、趾骨感知区域、中足感知区域以及足跟感知区域,其中,脚趾感知区域设有脚趾监测单元101,趾骨感知区域设有趾骨监测单元102,中足感知区域设有中足监测单元103,足跟感知区域设有足跟监测单元104,其中,所述脚趾监测单元101、所述趾骨监测单元102、所述中足监测单元103以及所述足跟监测单元104均包含薄膜式力敏电阻(Force Sensitive Resistance,FSR),即,所述脚趾监测单元101、所述趾骨监测单元102、所述中足监测单元103以及所述足跟监测单元104均可通过所包含的薄膜式力敏电阻获取对应的压力信号,其中,所述薄膜式力敏电阻的数量可根据足底不同区域对应的面积进行设置,本实施例对此不加以限制,在具体实现中,由于足底的脚趾区域相较足底的其它区域采集难度更大、采集有效率更低,为了提高被监测用户的脚趾区域对应的压力信号的采集稳定度和采集有效率,可将脚趾监测单元101黏贴于薄膜式信号放大器上(可理解为脚趾监测单元101包含薄膜式信号放大器),以降低被监测用户的脚趾区域的信号采集难度,相应地,也提高了脚趾区域对应的压力信号的采集稳定度和采集有效率。
在具体实现中,为了提高步态感知信息的采集精度,可对被监测用户所接触的足部感知区域进行分区采集,其中,所述脚趾监测单元101,可用于获取被监测用户的脚趾感知区域的脚趾压力信号;所述趾骨监测单元102,可用于获取所述被监测用户的趾骨感知区域的趾骨压力信号;所述中足监测单元103,可用于获取所述被监测用户的中足感知区域的中足压力信号;所述足跟监测单元104,可用于获取所述被监测用户的足跟感知区域的足跟压力信号。
步骤S20:对所述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息;
需要说明的是,在根据获得的被监测用户的所述步态感知信息进行相位识别之前,可先获取所述被监测用户的用户属性数据,并根据所述用户属性数据匹配对应的步态标准模型,其中,所述用户属性数据可理解为用以表示用户的属性特征的数据,如,年龄、性别、身高、体重等。
在具体实现中,为了获得不同用户属性数据下的步态标准模型,可先获取不同用户的样本属性数据和样本步态数据,然后对所述样本属性数据进行聚类分析,以获得不同用户类别下的样本步态数据,具体分类标准可根据实际需求进行设置,如,所属年龄段(即年龄区间,如,以3岁作为年龄区间的递加值,在具体实现中,也可为成年段和未成年段划分不同的区间,如,未成年段每增加1岁划分一区间,成年段每增加5岁划分一区间等)、性别、所属身高段、所属体重段、是否处于孕期等,本实施例对此不加以限制。进一步地,再对所述不同用户类别下的样本步态数据进行步态标定,以获得不同用户类别在不同步态相位下的标定步态数据,所述标定步态数据包括但不限于步态感知区间、标准感知信息,其中,所述步态感知区间可理解为不同用户类别在不同步态相位对应的压力区间,如,X类用户在触地初期对应的压力区间为[a,b],承重期对应的压力区间为[c,d],触地稳定期对应的压力区间为[e,f],触地末期对应的压力区间为[g,h],悬空前期对应的压力区间为[i,j],悬空期对应的压力区间为[m,n]。所述标准感知信息可理解为不同用户类别在不同步态相位对应的压力标准,如,X类用户在触地初期对应的压力标准为A,承重期对应的压力标准为B,触地稳定期对应的压力标准为C,触地末期对应的压力标准为D,悬空前期对应的压力标准为E,悬空期对应的压力标准为F。接着,根据所述样本属性数据和所述标定步态数据对预设分类模型进行训练,以获得不同用户类别下的步态标准模型。所述预设分类模型可理解为分类器,在具体实现中,可将所述样本属性数据作为模型输入特征,将标定步态数据作为模型输出特征对所述分类器进行训练,以获得不同用户类别下的步态标准模型。具体训练方式可根据实际需求进行设置,以能提高步态标准模型的模型精度为准,本实施例对此不加以限制。
进一步地,在获得不同用户类别下对应的步态标准模型后,可根据被监测用户的用户属性数据确定被监测用户的所属用户类别,再查找所述用户类别对应的步态标准模型,然后,根据所述步态标准模型确定所述被监测用户在不同步态相位下的步态感知区间,再根据所述步态感知区间对步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息,其中,所述目标步态信息可理解为根据步态相位进行分类后的步态感知信息。如,被监测用户属于X类用户,X类用户在触地初期对应的压力区间为[a,b],承重期对应的压力区间为[c,d],触地稳定期对应的压力区间为[e,f],触地末期对应的压力区间为[g,h],悬空前期对应的压力区间为[i,j],悬空期对应的压力区间为[m,n],则以上述压力区间对上述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息。
步骤S30:对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息;
易于理解的是,在对所述目标步态信息进行标准化处理之前,可先获取所述被监测用户的用户属性数据,并根据被监测用户的用户属性数据确定被监测用户的所属用户类别,再查找所述用户类别对应的步态标准模型,然后,根据所述步态标准模型确定不同步态相位下的标准感知信息,再根据所述标准感知信息对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息,所述标准步态信息可理解为用于表示与标准感知信息之间的偏差的信息。如,被监测用户属于X类用户,X类用户在触地初期对应的压力标准为A,承重期对应的压力标准为B,触地稳定期对应的压力标准为C,触地末期对应的压力标准为D,悬空前期对应的压力标准为E,悬空期对应的压力标准为F,标准步态信息可为:触地初期:A-α,承重期:B+β,触地稳定期:C-γ,触地末期:D+δ,悬空前期:E+ε,悬空期:F-ζ。
步骤S40:基于所述标准步态信息匹配对应的目标步态监测模式,并根据所述目标步态监测模式对所述被监测用户进行步态监测
需要说明的是,在获得标准步态信息后,可基于所述标准步态信息匹配对应的目标步态监测模式,在具体实现中,可基于所述标准步态信息与标准感知信息之间的各类偏差的绝对值之和在预设步态监测模式库中匹配对应的目标步态监测模式,所述预设步态监测模式库中存储有各类步态监测模式,如偏差的绝对值之和小于第一预设阈值时,选择一级(弱)监测模式,偏差大于等于第一预设阈值小于第二预设阈值时,选择二级(常规)监测模式,偏差大于等于第三预设阈值小时,选择选择三级(强)监测模式,其中,所述第一预设阈值、所述第二预设阈值以及所述第三预设阈值均可根据实际需求进行设置,本实施对此不加以限制。然后,根据所匹配的目标步态监测模式对所述被监测用户进行步态监测,获得步态监测结果,再基于所述步态监测结果生成对应的步态监测报告,并输出所述步态监测报告。
本实施例中,获取预设时间段内被监测用户的步态感知信息,对所述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息,对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息,基于所述标准步态信息匹配对应的目标步态监测模式,并根据所述目标步态监测模式对所述被监测用户进行步态监测。相较于现有技术配备多套监测装置所带来的无法避免的因各监测装置之间复杂的衔接和转换问题导致的步态信息采样率低、步态监测效果差的弊端,本实施例通过对预设时间段内被监测用户的步态感知信息进行相位识别和标准化处理,以获得不同步态相位下的标准步态信息,提高了步态信息的采样有效率和采样精度,也提高了基于获得的步态信息进行步态监测的监测效率,再基于所述标准步态信息匹配对应的目标步态监测模式,以根据所述目标步态监测模式对所述被监测用户进行步态监测,提高了监测效率和监测稳定性,也实现了快速稳定地对人体步态进行精准监测。
参考图4,图4为本发明步态监测方法第二实施例的流程示意图。
基于上述第一实施例,在本实施例中,所述步骤S10包括:
步骤S101:对被监测用户所接触的足部感知区域进行区域划分,获得脚趾感知区域、趾骨感知区域、中足感知区域以及足跟感知区域;
步骤S102:分别获取预设时间段内所述脚趾感知区域对应的脚趾感知信息、所述趾骨感知区域对应的趾骨感知信息、所述中足感知区域对应的中足感知信息以及所述足跟感知区域对应的足跟感知信息。
易于理解的是,可对被监测用户所接触的足部感知区域进行区域划分,获得脚趾感知区域、趾骨感知区域、中足感知区域以及足跟感知区域,再分别获取预设时间段内所述脚趾感知区域对应的所述脚趾感知信息、所述趾骨感知区域对应的所述趾骨感知信息、所述中足感知区域对应的所述中足感知信息以及所述足跟感知区域对应的所述足跟感知信息。所述预设时间段可根据实际需求进行设置,如,1分钟,5分钟,15分钟等,本实施例对此不加以限制。
需要说明的是,所述脚趾感知信息包括脚趾压力信息,所述趾骨感知信息包括趾骨压力信息,所述中足感知信息包括中足压力信息,所述足跟感知信息包括足跟压力信息;相应地,所述脚趾感知区域设有用于获取所述脚趾压力信息的第一薄膜式力敏传感器(即力敏电阻),所述趾骨感知区域设有用于获取所述趾骨压力信息的第二薄膜式力敏传感器,所述中足感知区域设有用于获取所述中足压力信息的第三薄膜式力敏传感器,所述足跟感知区域设有用于获取所述足跟压力信息的第四薄膜式力敏传感器。相应地,可通过所述脚趾感知区域的所述第一薄膜式力敏传感器获取预设时间段内所述脚趾感知区域对应的所述脚趾压力信息;通过所述趾骨感知区域的所述第二薄膜式力敏传感器获取所述预设时间段内所述趾骨感知区域对应的所述趾骨压力信息;通过所述中足感知区域的所述第三薄膜式力敏传感器获取所述预设时间段内所述中足感知区域对应的所述中足压力信息;通过所述足跟感知区域的所述第四薄膜式力敏传感器获取所述预设时间段内所述足跟感知区域对应的所述足跟压力信息。
参考图5,图5为本发明步态监测方法第二实施例涉及的足部感知区域的布局示意图。
图5中,为了进一步提高步态监测中脚趾压力信号的采集精度,所述脚趾压力信号可包括第一脚趾压力信号、第二脚趾压力信号、第三脚趾压力信号、第四脚趾压力信号以及第五脚趾压力信号;
相应地,所述脚趾感知区域设有脚拇趾压力传感器1011、脚二趾压力传感器1012、脚三趾压力传感器1013、脚四趾压力传感器1014以及脚小趾压力传感器1015,在具体实现中,由于足底的脚趾区域相较足底的其它区域采集难度更大、采集有效率更低,为了提高被监测用户的脚趾区域对应的压力信号的采集稳定度和采集有效率,可将脚拇趾压力传感器1011、脚二趾压力传感器1012、脚三趾压力传感器1013、脚四趾压力传感器1014以及脚小趾压力传感器1015均黏贴于薄膜式信号放大器上(可理解为脚拇趾压力传感器1011、脚二趾压力传感器1012、脚三趾压力传感器1013、脚四趾压力传感器1014以及脚小趾压力传感器1015均包含薄膜式信号放大器),以降低被监测用户的脚趾区域的信号采集难度,相应地,也提高了脚趾区域对应的压力信号的采集稳定度和采集有效率。
其中,所述脚拇趾压力传感器1011,用于获取所述被监测用户的脚拇趾处的所述第一脚趾压力信号;所述脚二趾压力传感器1012,用于获取所述被监测用户的脚二趾处的所述第二脚趾压力信号;所述脚三趾压力传感器1013,用于获取所述被监测用户的脚三趾处的所述第三脚趾压力信号;所述脚四趾压力传感器1014,用于获取所述被监测用户的脚四趾处的所述第四脚趾压力信号;所述脚小趾压力传感器1015,用于获取所述被监测用户的脚小趾处的所述第五脚趾压力信号。
本实施例中,通过对被监测用户的脚趾感知区域所对应的压力信号进行五趾分区采集,获得被监测用户的脚拇趾处的第一脚趾压力信号,脚二趾处的第二脚趾压力信号,脚三趾处的第三脚趾压力信号,脚四趾处的第四脚趾压力信号以及脚小趾处的第五脚趾压力信号,以进一步提高步态监测中脚趾压力信号的采集精度。
在另一种实现方式中,为了在保障步态监测中脚趾压力信号的采集精度的同时,节省经济支出,所述脚趾压力信号可包括一区脚趾压力信号、二区脚趾压力信号以及三区脚趾压力信号;
相应地,所述脚趾感知区域设有一区压力传感器、二区压力传感器以及三区压力传感器,在具体实现中,由于足底的脚趾区域相较足底的其它区域采集难度更大、采集有效率更低,为了提高被监测用户的脚趾区域对应的压力信号的采集稳定度和采集有效率,可将一区压力传感器、二区压力传感器以及三区压力传感器均黏贴于薄膜式信号放大器上(可理解为一区压力传感器、二区压力传感器以及三区压力传感器均包含薄膜式信号放大器),以降低被监测用户的脚趾区域的信号采集难度,相应地,也提高了脚趾区域对应的压力信号的采集稳定度和采集有效率;
其中,所述一区压力传感器,用于获取所述被监测用户的脚拇趾处的所述一区脚趾压力信号;所述二区压力传感器,用于获取所述被监测用户的脚二趾和脚三趾处的所述二区脚趾压力信号;所述三区压力传感器,用于获取所述被监测用户的脚四趾和脚小趾处的所述三区脚趾压力信号。
本实施例另一种实现方式中,通过对被监测用户的脚趾感知区域所对应的压力信号基于量感进行三分区采集,获得被监测用户的脚拇趾处的一区脚趾压力信号、脚二趾和脚三趾处的二区脚趾压力信号以及脚四趾和脚小趾处的三区脚趾压力信号,以在保障步态监测中脚趾压力信号的采集精度的同时,减少脚趾区域的传感器数量以减少经济支出,降低开发成本。
图5中,为了进一步提高步态监测中趾骨压力信号的采集精度,所述趾骨压力信号可包括第一趾骨压力信号、第二趾骨压力信号、第三趾骨压力信号、第四趾骨压力信号以及第五趾骨压力信号;
相应地,所述趾骨感知区域设有第一趾骨压力传感器1021、第二趾骨压力传感器1022、第三趾骨压力传感器1023、第四趾骨压力传感器1024以及第五趾骨压力传感器1025;
其中,所述第一趾骨压力传感器1021,用于获取所述被监测用户的第一趾骨处的所述第一趾骨压力信号;所述第二趾骨压力传感器1022,用于获取所述被监测用户的第二趾骨处的所述第二趾骨压力信号;所述第三趾骨压力传感器1023,用于获取所述被监测用户的第三趾骨处的所述第三趾骨压力信号;所述第四趾骨压力传感器1024,用于获取所述被监测用户的第四趾骨处的所述第四趾骨压力信号;所述第五趾骨压力传感器1025,用于获取所述被监测用户的第五趾骨处的所述第五趾骨压力信号。
本实施例中,通过对被监测用户的趾骨感知区域所对应的压力信号进行五趾分区采集,获得被监测用户的第一趾骨处的第一趾骨压力信号,第二趾骨处的第二趾骨压力信号,第三趾骨处的第三趾骨压力信号,第四趾骨处的第四趾骨压力信号以及第五趾骨处的第五趾骨压力信号,以进一步提高步态监测中趾骨压力信号的采集精度。
在另一种实现方式中,为了在保障步态监测中趾骨压力信号的采集精度的同时,节省经济支出,所述趾骨压力信号可包括一区趾骨压力信号、二区趾骨压力信号、三区趾骨压力信号以及四区趾骨压力信号;
相应地,所述趾骨感知区域设有一区趾骨压力传感器、二区趾骨压力传感器、三区趾骨压力传感器以及四区趾骨压力传感器;
其中,所述一区趾骨压力传感器,用于获取所述被监测用户的第一趾骨处的所述一区趾骨压力信号;所述二区趾骨压力传感器,用于获取所述被监测用户的第二趾骨处的所述二区趾骨压力信号;所述三区趾骨压力传感器,用于获取所述被监测用户的第三趾骨和第四趾骨处的所述三区趾骨压力信号;所述四区趾骨压力传感器,用于获取所述被监测用户的第五趾骨处的所述四区趾骨压力信号。
本实施例另一种实现方式中,通过对被监测用户的趾骨感知区域所对应的压力信号基于压力关联度进行四分区采集,获得被监测用户的第一趾骨处的一区趾骨压力信号,第二趾骨处的二区趾骨压力信号,第三趾骨和第四趾骨处的三区趾骨压力信号以及第五趾骨处的四区趾骨压力信号,以在保障步态监测中趾骨压力信号的采集精度的同时,减少趾骨区域的传感器数量以减少经济支出,降低开发成本。
图5中,为了进一步提高步态监测中的中足压力信号的采集精度,所述中足压力信号可包括中足内侧压力信号和中足外侧压力信号;
相应地,所述中足感知区域设有中足内侧压力传感器1031和中足外侧压力传感器1032;
其中,所述中足内侧压力传感器1031,用于获取所述被监测用户的中足内侧区域的所述中足内侧压力信号;所述中足外侧压力传感器1032,用于获取所述被监测用户的中足外侧区域的所述中足外侧压力信号。
本实施例中,通过对被监测用户的中足感知区域所对应的压力信号进行内外侧分区采集,获得被监测用户的中足内侧区域的中足内侧压力信号和中足外侧区域的中足外侧压力信号,以进一步提高步态监测中中足压力信号的采集精度。
相应地,所述步骤S20包括:
步骤S201:对所述脚趾感知信息、所述趾骨感知信息、所述中足感知信息以及所述足跟感知信息进行相位识别,以获得不同步态相位下的目标步态信息。
易于理解的是,在获得所述脚趾感知信息、所述趾骨感知信息、所述中足感知信息以及所述足跟感知信息后,可基于脚趾感知信息在预设时间段内的变化规律、趾骨感知信息在预设时间段内的变化规律、中足感知信息在预设时间段内的变化规律以及足跟感知信息在预设时间段内的变化规律进行相位识别,也可将每一时刻对应的脚趾感知信息、趾骨感知信息、中足感知信息以及足跟感知信息和前一时刻对应的脚趾感知信息、趾骨感知信息、中足感知信息以及足跟感知信息进行对比,获得感知对比结果,再基于感知对比结果实现相位识别,在具体实现中,可结合本发明步态监测装置第一实施例中所述的不同用户类别下对应的步态标准模型进行相位识别,如,在根据用户属性数据确定被监测用户所属的用户类别后,再查找所述用户类别对应的步态标准模型,然后,根据所述步态标准模型确定所述被监测用户在不同步态相位下的步态感知区间,再通过所述步态感知区间结合感知对比结果进行相位识别,以获得不同步态相位下的目标步态信息,其中,所述目标步态信息可理解为根据步态相位进行分类后的步态感知信息将所述感知对比结果。
本实施例中,对被监测用户所接触的足部感知区域进行区域划分,获得脚趾感知区域、趾骨感知区域、中足感知区域以及足跟感知区域,再分别获取预设时间段内所述脚趾感知区域对应的脚趾感知信息、所述趾骨感知区域对应的趾骨感知信息、所述中足感知区域对应的中足感知信息以及所述足跟感知区域对应的足跟感知信息。相较于现有技术仅对被监测用户的足底进行粗略划分,本实施例通过对被监测用户的足底进行精准的分区采集以提高采集到的所述脚趾感知区域对应的脚趾感知信息、所述趾骨感知区域对应的趾骨感知信息、所述中足感知区域对应的中足感知信息以及所述足跟感知区域对应的足跟感知信息的精准度,也提高了采样有效率,此外,相较于现有技术配备多类传感器采集步态信息,本实施例通过所述脚趾感知区域的第一薄膜式力敏传感器获取预设时间段内所述脚趾感知区域对应的脚趾压力信息,通过所述趾骨感知区域的第二薄膜式力敏传感器获取所述预设时间段内所述趾骨感知区域对应的趾骨压力信息,通过所述中足感知区域的第三薄膜式力敏传感器获取所述预设时间段内所述中足感知区域对应的中足压力信息,通过所述足跟感知区域的第四薄膜式力敏传感器获取所述预设时间段内所述足跟感知区域对应的足跟压力信息,以简化了信息采集流程,降低了信息采集难度,提高了信息采集稳定性和速度,由此,也利于后续基于采集到的不同区域的压力信息进行步态监测的过程中,实现快速稳定地对人体步态进行精准监测。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有步态监测程序,所述步态监测程序被处理器执行时实现如上文所述的步态监测方法的步骤。
参照图6,图6为本发明步态监测装置第一实施例的结构框图。
如图6所示,本发明实施例提出的步态监测装置包括:
步态感知模块10,用于获取预设时间段内被监测用户的步态感知信息;
相位识别模块20,用于对所述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息;
信息标准化模块30,用于对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息;
步态监测模块40,用于基于所述标准步态信息匹配对应的目标步态监测模式,并根据所述目标步态监测模式对所述被监测用户进行步态监测。
本实施例中,获取预设时间段内被监测用户的步态感知信息,对所述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息,对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息,基于所述标准步态信息匹配对应的目标步态监测模式,并根据所述目标步态监测模式对所述被监测用户进行步态监测。相较于现有技术配备多套监测装置所带来的无法避免的因各监测装置之间复杂的衔接和转换问题导致的步态信息采样率低、步态监测效果差的弊端,本实施例通过对预设时间段内被监测用户的步态感知信息进行相位识别和标准化处理,以获得不同步态相位下的标准步态信息,提高了步态信息的采样有效率和采样精度,也提高了基于获得的步态信息进行步态监测的监测效率,再基于所述标准步态信息匹配对应的目标步态监测模式,以根据所述目标步态监测模式对所述被监测用户进行步态监测,提高了监测效率和监测稳定性,也实现了快速稳定地对人体步态进行精准监测。
基于本发明上述步态监测装置第一实施例,提出本发明步态监测装置的第二实施例。
在本实施例中,所述步态感知信息包括脚趾感知信息、趾骨感知信息、中足感知信息以及足跟感知信息;
相应地,所述步态感知模块10,还用于对被监测用户所接触的足部感知区域进行区域划分,获得脚趾感知区域、趾骨感知区域、中足感知区域以及足跟感知区域;
所述步态感知模块10,还用于分别获取预设时间段内所述脚趾感知区域对应的所述脚趾感知信息、所述趾骨感知区域对应的所述趾骨感知信息、所述中足感知区域对应的所述中足感知信息以及所述足跟感知区域对应的所述足跟感知信息。
可选地,所述脚趾感知信息包括脚趾压力信息,所述趾骨感知信息包括趾骨压力信息,所述中足感知信息包括中足压力信息,所述足跟感知信息包括足跟压力信息;
相应地,所述脚趾感知区域设有用于获取所述脚趾压力信息的第一薄膜式力敏传感器,所述趾骨感知区域设有用于获取所述趾骨压力信息的第二薄膜式力敏传感器,所述中足感知区域设有用于获取所述中足压力信息的第三薄膜式力敏传感器,所述足跟感知区域设有用于获取所述足跟压力信息的第四薄膜式力敏传感器;
相应地,所述步态感知模块10,还用于通过所述脚趾感知区域的所述第一薄膜式力敏传感器获取预设时间段内所述脚趾感知区域对应的所述脚趾压力信息;
所述步态感知模块10,还用于通过所述趾骨感知区域的所述第二薄膜式力敏传感器获取所述预设时间段内所述趾骨感知区域对应的所述趾骨压力信息;
所述步态感知模块10,还用于通过所述中足感知区域的所述第三薄膜式力敏传感器获取所述预设时间段内所述中足感知区域对应的所述中足压力信息;
所述步态感知模块10,还用于通过所述足跟感知区域的所述第四薄膜式力敏传感器获取所述预设时间段内所述足跟感知区域对应的所述足跟压力信息。
可选地,所述相位识别模块20,还用于获取所述被监测用户的用户属性数据,并根据所述用户属性数据匹配对应的步态标准模型;
所述相位识别模块20,还用于根据所述步态标准模型确定所述被监测用户在不同步态相位下的步态感知区间;
所述相位识别模块20,还用于根据所述步态感知区间对步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息。
可选地,所述信息标准化模块30,还用于获取所述被监测用户的用户属性数据,并根据所述用户属性数据匹配对应的步态标准模型;
所述信息标准化模块30,还用于根据所述步态标准模型确定不同步态相位下的标准感知信息;
所述信息标准化模块30,还用于根据所述标准感知信息对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息。
可选地,所述步态监测装置还包括:
模型构建模块,用于获取不同用户的样本属性数据和样本步态数据;
所述模型构建模块,还用于对所述样本步态数据进行步态标定,以获得不同用户在不同步态相位下的标定步态数据;
所述模型构建模块,还用于根据所述样本属性数据和所述标定步态数据对预设分类模型进行训练,以获得不同用户属性数据下的步态标准模型。
可选地,所述步态监测模块40,还用于基于所述标准步态信息匹配对应的目标步态监测模式;
所述步态监测模块40,还用于根据所述目标步态监测模式对所述被监测用户进行步态监测,获得步态监测结果;
所述步态监测模块40,还用于基于所述步态监测结果生成对应的步态监测报告,并输出所述步态监测报告。
本发明步态监测装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,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***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***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,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内。
Claims (9)
1.一种步态监测方法,其特征在于,所述步态监测方法包括以下步骤:
获取预设时间段内被监测用户的步态感知信息;
对所述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息;
对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息;
基于所述标准步态信息与标准感知信息之间的各类偏差的绝对值之和在预设步态监测模式库中匹配对应的目标步态监测模式,并根据所述目标步态监测模式对所述被监测用户进行步态监测,所述预设步态监测模式库中存储有各类步态监测模式;
所述对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息的步骤,包括:
获取所述被监测用户的用户属性数据,并根据所述用户属性数据匹配对应的步态标准模型;
根据所述步态标准模型确定不同步态相位下的标准感知信息;
根据所述标准感知信息对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息。
2.如权利要求1所述的步态监测方法,其特征在于,所述步态感知信息包括脚趾感知信息、趾骨感知信息、中足感知信息以及足跟感知信息;
相应地,所述获取预设时间段内被监测用户的步态感知信息的步骤,包括:
对被监测用户所接触的足部感知区域进行区域划分,获得脚趾感知区域、趾骨感知区域、中足感知区域以及足跟感知区域;
分别获取预设时间段内所述脚趾感知区域对应的所述脚趾感知信息、所述趾骨感知区域对应的所述趾骨感知信息、所述中足感知区域对应的所述中足感知信息以及所述足跟感知区域对应的所述足跟感知信息。
3.如权利要求2所述的步态监测方法,其特征在于,所述脚趾感知信息包括脚趾压力信息,所述趾骨感知信息包括趾骨压力信息,所述中足感知信息包括中足压力信息,所述足跟感知信息包括足跟压力信息;
相应地,所述脚趾感知区域设有用于获取所述脚趾压力信息的第一薄膜式力敏传感器,所述趾骨感知区域设有用于获取所述趾骨压力信息的第二薄膜式力敏传感器,所述中足感知区域设有用于获取所述中足压力信息的第三薄膜式力敏传感器,所述足跟感知区域设有用于获取所述足跟压力信息的第四薄膜式力敏传感器;
相应地,所述分别获取预设时间段内所述脚趾感知区域对应的所述脚趾感知信息、所述趾骨感知区域对应的所述趾骨感知信息、所述中足感知区域对应的所述中足感知信息以及所述足跟感知区域对应的所述足跟感知信息的步骤,包括:
通过所述脚趾感知区域的所述第一薄膜式力敏传感器获取预设时间段内所述脚趾感知区域对应的所述脚趾压力信息;
通过所述趾骨感知区域的所述第二薄膜式力敏传感器获取所述预设时间段内所述趾骨感知区域对应的所述趾骨压力信息;
通过所述中足感知区域的所述第三薄膜式力敏传感器获取所述预设时间段内所述中足感知区域对应的所述中足压力信息;
通过所述足跟感知区域的所述第四薄膜式力敏传感器获取所述预设时间段内所述足跟感知区域对应的所述足跟压力信息。
4.如权利要求1所述的步态监测方法,其特征在于,所述对所述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息的步骤,包括:
获取所述被监测用户的用户属性数据,并根据所述用户属性数据匹配对应的步态标准模型;
根据所述步态标准模型确定所述被监测用户在不同步态相位下的步态感知区间;
根据所述步态感知区间对步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息。
5.如权利要求4所述的步态监测方法,其特征在于,所述获取所述被监测用户的用户属性数据,并根据所述用户属性数据匹配对应的步态标准模型的步骤之前,包括:
获取不同用户的样本属性数据和样本步态数据;
对所述样本步态数据进行步态标定,以获得不同用户在不同步态相位下的标定步态数据;
根据所述样本属性数据和所述标定步态数据对预设分类模型进行训练,以获得不同用户属性数据下的步态标准模型。
6.如权利要求1所述的步态监测方法,其特征在于,所述基于所述标准步态信息匹配对应的目标步态监测模式,并根据所述目标步态监测模式对所述被监测用户进行步态监测的步骤,包括:
基于所述标准步态信息匹配对应的目标步态监测模式;
根据所述目标步态监测模式对所述被监测用户进行步态监测,获得步态监测结果;
基于所述步态监测结果生成对应的步态监测报告,并输出所述步态监测报告。
7.一种步态监测装置,其特征在于,所述步态监测装置包括:
步态感知模块,用于获取预设时间段内被监测用户的步态感知信息;
相位识别模块,用于对所述步态感知信息进行相位识别,以获得不同步态相位下的目标步态信息;
信息标准化模块,用于对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息;
步态监测模块,用于基于所述标准步态信息与标准感知信息之间的各类偏差的绝对值之和在预设步态监测模式库中匹配对应的目标步态监测模式,并根据所述目标步态监测模式对所述被监测用户进行步态监测,所述预设步态监测模式库中存储有各类步态监测模式;
所述信息标准化模块,还用于获取所述被监测用户的用户属性数据,并根据所述用户属性数据匹配对应的步态标准模型;根据所述步态标准模型确定不同步态相位下的标准感知信息;根据所述标准感知信息对所述目标步态信息进行标准化处理,以获得不同步态相位下的标准步态信息。
8.一种步态监测设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的步态监测程序,所述步态监测程序配置为实现如权利要求1至6中任一项所述的步态监测方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有步态监测程序,所述步态监测程序被处理器执行时实现如权利要求1至6中任一项所述的步态监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017543.0A CN113679380B (zh) | 2021-08-31 | 2021-08-31 | 步态监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017543.0A CN113679380B (zh) | 2021-08-31 | 2021-08-31 | 步态监测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113679380A CN113679380A (zh) | 2021-11-23 |
CN113679380B true CN113679380B (zh) | 2024-03-12 |
Family
ID=78585069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111017543.0A Active CN113679380B (zh) | 2021-08-31 | 2021-08-31 | 步态监测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113679380B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117421605B (zh) * | 2023-10-27 | 2024-04-30 | 绍兴清研微科技有限公司 | 一种基于区块链技术的步态识别方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106166071A (zh) * | 2016-07-04 | 2016-11-30 | 中国科学院计算技术研究所 | 一种步态参数的采集方法及设备 |
CN109770911A (zh) * | 2019-01-21 | 2019-05-21 | 北京诺亦腾科技有限公司 | 一种步态分析方法、装置及存储介质 |
CN110916679A (zh) * | 2019-12-31 | 2020-03-27 | 复旦大学 | 一种人体下肢位姿步态检测装置及方法 |
WO2021084427A1 (en) * | 2019-10-28 | 2021-05-06 | Scuola Superiore Di Studi Universitari E Di Perfezionamento Sant'anna | Method for optimising the arrangement of pressure sensors and device obtained by this method |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8460220B2 (en) * | 2009-12-18 | 2013-06-11 | General Electric Company | System and method for monitoring the gait characteristics of a group of individuals |
-
2021
- 2021-08-31 CN CN202111017543.0A patent/CN113679380B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106166071A (zh) * | 2016-07-04 | 2016-11-30 | 中国科学院计算技术研究所 | 一种步态参数的采集方法及设备 |
CN109770911A (zh) * | 2019-01-21 | 2019-05-21 | 北京诺亦腾科技有限公司 | 一种步态分析方法、装置及存储介质 |
WO2021084427A1 (en) * | 2019-10-28 | 2021-05-06 | Scuola Superiore Di Studi Universitari E Di Perfezionamento Sant'anna | Method for optimising the arrangement of pressure sensors and device obtained by this method |
CN110916679A (zh) * | 2019-12-31 | 2020-03-27 | 复旦大学 | 一种人体下肢位姿步态检测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113679380A (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
de Almeida Mendes et al. | Calibration of raw accelerometer data to measure physical activity: a systematic review | |
JP7235260B2 (ja) | 歩行・足部評価システム、端末装置、歩行・足部評価方法、及び歩行・足部評価プログラム | |
CN102265123B (zh) | 重量测定装置 | |
Mauch et al. | A new approach to children's footwear based on foot type classification | |
US7668826B2 (en) | Predicting apparatus, predicting method, and computer product | |
Spiegelman et al. | Cost-efficient study designs for binary response data with Gaussian covariate measurement error | |
CN110084262B (zh) | 用于光谱量化的减少的误报识别 | |
CN113053535B (zh) | 一种医疗信息预测***及医疗信息预测方法 | |
Van Alsenoy et al. | Reliability and validity of the Zebris FDM-THQ instrumented treadmill during running trials | |
CN113679380B (zh) | 步态监测方法、装置、设备及存储介质 | |
Hisham et al. | Regression analysis for stature estimation from foot anthropometry in Malaysian Chinese | |
JP4471736B2 (ja) | 類似症例検索システム及びプログラム | |
Oliveira et al. | Towards an efficient and robust foot classification from pedobarographic images | |
CN108960262A (zh) | 一种预测鞋码的方法、装置和***以及计算机可读存储介质 | |
Tirrell et al. | Analysis of hierarchical biomechanical data structures using mixed-effects models | |
Klales | MorphoPASSE: Morphological pelvis and skull sex estimation program | |
JP2008086479A (ja) | 活動量計測システム | |
CN110232119B (zh) | 基于元分析的通用智能度量模型构建方法和*** | |
Masalha et al. | Predicting fall probability based on a validated balance scale | |
JP2015018462A (ja) | 医療カルテシステム及び医療カルテ検索方法 | |
Dong et al. | Using graph representation learning to predict salivary cortisol levels in pancreatic cancer patients | |
Das et al. | Investigations on postural stability and spatiotemporal parameters of human gait using developed wearable smart insole | |
Inagaki et al. | Relationship between gait stability indices and gait parameters comprising joint angles based on walking data from 288 people | |
JP6053166B2 (ja) | 数値データ解析装置及びプログラム | |
CN110680327A (zh) | 一种基于体脂秤的足底压力检测方法和装置 |
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 |