TWI798770B - 步態評估系統及步態評估方法 - Google Patents
步態評估系統及步態評估方法 Download PDFInfo
- Publication number
- TWI798770B TWI798770B TW110127494A TW110127494A TWI798770B TW I798770 B TWI798770 B TW I798770B TW 110127494 A TW110127494 A TW 110127494A TW 110127494 A TW110127494 A TW 110127494A TW I798770 B TWI798770 B TW I798770B
- Authority
- TW
- Taiwan
- Prior art keywords
- gait
- user
- walking
- values
- characteristic values
- Prior art date
Links
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
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- 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
-
- 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
- A61B5/1122—Determining geometric values, e.g. centre of rotation or angular range of movement of movement trajectories
-
- 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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image 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
- A61B5/6802—Sensor mounted on worn items
-
- 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
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6892—Mats
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0247—Pressure sensors
-
- 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
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- 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)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Geometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本發明提供一種步態評估系統及步態評估方法。步態評估系統包括步態評估裝置,其經配置以:從壓力偵測裝置取得使用者行走於其上的多個壓力數值;基於所述多個壓力數值取得使用者的多個步伐特徵數值;基於肢體感測裝置提供的感測資料取得使用者行走於壓力偵測裝置上時的多個行走肢體特徵數值;基於所述多個步伐特徵數值及所述多個行走肢體特徵數值評估使用者的步態。
Description
本發明是有關於一種人體評估技術,且特別是有關於一種步態評估方法及步態評估系統。
隨著出生率的降低和/或預期壽命的延長等趨勢,世界上已有許多國家進入(超)高齡化社會。在與高齡人口相關的照護問題中,如何避免高齡人口跌倒已是相當重要的議題之一。
經研究,目前已知人們行走時步態的相關參數可用於預測日後出現跌倒的情形。例如,某人的正規化步幅(normalized stride length)可用於預測此人在往後6個月或12個月內有無反覆跌倒的情形發生。此外,走路速度較慢的人也具有較高的死亡率。另外,隨著年齡的增長,人們軀幹前傾的角度也會逐漸增加,而對於患有神經性疾病(例如帕金森氏症、阿茲海默症等)的人而言,其軀幹角度還會出現前傾或側向傾斜的情形。
因此,對於本領域技術人員而言,若能設計一種可對人們
的步態進行分析以判斷人們的步態是否正常的機制,應能有助於掌握人們的健康狀況,進而達到避免跌倒的效果。
有鑑於此,本發明提供一種步態評估方法及步態評估系統,其可用於解決上述技術問題。
本發明提供一種步態評估方法,其包括:由步態評估裝置從一壓力偵測裝置取得一使用者行走於其上的多個壓力數值,其中所述多個壓力數值對應於使用者的多個步伐;由步態評估裝置基於所述多個壓力數值取得使用者的多個步伐特徵數值;由步態評估裝置基於肢體感測裝置提供的感測資料取得使用者行走於壓力偵測裝置上時的多個行走肢體特徵數值;由步態評估裝置基於所述多個步伐特徵數值及所述多個行走肢體特徵數值評估使用者的一步態。
本發明提供一種步態評估系統,包括步態評估裝置,其經配置以:從一壓力偵測裝置取得一使用者行走於其上的多個壓力數值,其中所述多個壓力數值對應於使用者的多個步伐;基於所述多個壓力數值取得使用者的多個步伐特徵數值;基於肢體感測裝置提供的感測資料取得使用者行走於壓力偵測裝置上時的多個行走肢體特徵數值;基於所述多個步伐特徵數值及所述多個行走肢體特徵數值評估使用者的一步態。
100:步態評估系統
110:步態評估裝置
112:儲存電路
114:處理器
120:壓力偵測裝置
120a,120b:壓力感測器
131~13Z:肢體感測裝置
199:使用者
210,310:第一骨架圖
220,320:第二骨架圖
210a:參考點
330:第三骨架圖
340:第四骨架圖
352:第一整合骨架圖
354:第二整合骨架圖
D1:行走方向
IM1:第一行走影像
IM2:第二行走影像
PV:壓力數值
S510~S540:步驟
圖1是依據本發明之一實施例繪示的步態評估系統示意圖。
圖2A是依據本發明第一實施例繪示的步態評估系統示意圖。
圖2B是依據圖2A繪示的另一步態評估系統示意圖。
圖3是依據本發明第一實施例繪示的篩選整合骨架圖的示意圖。
圖4是依據本發明第二實施例繪示的壓力偵測裝置示意圖。
圖5是依據本發明之一實施例繪示的步態評估方法流程圖。
圖6是依據本發明之一實施例繪示的數個步伐特徵數值的示意圖。
圖7是依據本發明之一實施例繪示的決定第一特定數值的多個參考基準的示意圖。
請參照圖1,其是依據本發明之一實施例繪示的步態評估系統示意圖。在圖1中,步態評估系統100可包括步態評估裝置110、壓力偵測裝置120及肢體感測裝置131~13Z(Z為正整數)。在不同的實施例中,步態評估裝置110例如是各式電腦裝置及/或智慧型裝置,但可不限於此。
如圖1所示,步態評估裝置110可包括儲存電路112及處理器114。儲存電路112例如是任意型式的固定式或可移動式隨
機存取記憶體(Random Access Memory,RAM)、唯讀記憶體(Read-Only Memory,ROM)、快閃記憶體(Flash memory)、硬碟或其他類似裝置或這些裝置的組合,而可用以記錄多個程式碼或模組。
處理器114耦接於儲存電路112,並可為一般用途處理器、特殊用途處理器、傳統的處理器、數位訊號處理器、多個微處理器(microprocessor)、一個或多個結合數位訊號處理器核心的微處理器、控制器、微控制器、特殊應用積體電路(Application Specific Integrated Circuit,ASIC)、現場可程式閘陣列電路(Field Programmable Gate Array,FPGA)、任何其他種類的積體電路、狀態機、基於進階精簡指令集機器(Advanced RISC Machine,ARM)的處理器以及類似品。
在不同的實施例中,壓力偵測裝置120可實現為包括多個壓力感測器的壓力偵測地墊,並可用於讓使用者(例如是待進行步態評估的人)行走於其上,以偵測使用者的每一步伐施加於壓力偵測裝置120上的壓力分布情形/數值。
在一些實施例中,肢體感測裝置131~13Z可個別實現為一攝影機,用以拍攝使用者行走於壓力偵測裝置120上的行走影像。
請參照圖2A,其是依據本發明第一實施例繪示的步態評估系統示意圖。在圖2A中,壓力偵測裝置120可實現為一壓力偵測地墊,而使用者199可經要求而依行走方向D1而行走於壓力偵測裝置120上。
在一實施例中,壓力偵測裝置120可包括呈現一維分布的多個壓力感測器120a。在另一實施例中,壓力偵測裝置120也可包括呈現二維分布的多個壓力感測器120b,但可不限於此。在一些實施例中,上述壓力偵測地墊的長度可大於等於3公尺,寬度可大於等於0.4公尺。此外,在一些實施例中,上述壓力偵測地墊可每50平方公分(或更小)設置一個壓力感測器120a(或壓力感測器120b)。在一些實施例中,上述壓力偵測地墊也可每6.25平方公分設置一個壓力感測器120a(或壓力感測器120b),但可不限於此。
在第一實施例中,當使用者199行走於壓力偵測裝置120上時,分布於壓力偵測裝置120上的各壓力感測器即可偵測到對應於使用者199的各步伐的多個壓力數值PV,而壓力偵測裝置120可將這些壓力數值PV提供於步態評估裝置110,以供步態評估裝置110作進一步的分析。
在第一實施例中,肢體感測裝置131及132可分別實現為第一攝影機及第二攝影機,其中第一攝影機可用於拍攝使用者199行走於壓力偵測裝置120上時的第一行走影像IM1,而第二攝影機可用於拍攝使用者199行走於壓力偵測裝置120上時的第二行走影像IM2。
如圖2A所示,肢體感測裝置131(即,第一攝影機)的取像方向可相反於使用者199的行走方向D1,藉以拍攝使用者199行走時的正面影像。另外,肢體感測裝置132(即,第二攝影
機)的取像方向可垂直於使用者199的行走方向D1,藉以拍攝使用者199行走時的側面(例如右側)影像。
在第一實施例中,對於第一攝影機及第二攝影機在第t個時間點(t為時間索引值)所取得的第一行走影像IM1及第二行走影像IM2,步態評估裝置110可分別在第一行走影像IM1及第二行走影像IM2中取得第一骨架圖210及第二骨架圖220。在本發明的實施例中,步態評估裝置110可基於任何已知的影像處理演算法而分別在第一行走影像IM1及第二行走影像IM2中取得第一骨架圖210及第二骨架圖220,例如「Z.Cao,G.Hidalgo,T.Simon,S.-E.Wei and Y.Sheikh,"OpenPose:Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields," in IEEE Transactions on Pattern Analysis and Machine Intelligence,vol.43,no.1,pp.172-186,1 Jan.2021」文獻,但可不限於此。
在第一實施例中,第一骨架圖210及第二骨架圖220例如可對應於使用者199在所述第t個時間點時的人體姿態,且其個別可包括對應於使用者199身上多個關節點的參考點(例如對應於使用者199腕部的參考點210a)。
在一實施例中,步態評估裝置110可基於第一攝影機及第二攝影機之間的相對位置將第一骨架圖210及第二骨架圖220投影為第一整合骨架圖,而相關的投影技術可參考「Z.Cao,G.Hidalgo,T.Simon,S.-E.Wei and Y.Sheikh,"OpenPose:Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields," in IEEE
Transactions on Pattern Analysis and Machine Intelligence,vol.43,no.1,pp.172-186,1 Jan.2021」文獻。
在一實施例中,此第一整合骨架圖可包括在所述第t個時間點的多個關節夾角(例如頸部夾角、肩部夾角、肘部夾角、腕部夾角、髖部夾角、膝部夾角及踝部夾角等),其中這些關節夾角對應於使用者199上的多個關節點(例如頸部、肩部、肘部、腕部、髖部、膝部及踝部等)。之後,步態評估裝置110可取得上述關節夾角的多個角度值,並以上述角度值作為使用者199在所述第t個時間點的多個行走肢體特徵數值。
在一些實施例中,在取得第一骨架圖210、第二骨架圖220及/或第一整合骨架圖之後,步態評估裝置110例如可基於中值濾波器(median filter)或其他類似的降噪技術來將這些骨架圖中的離群值(outlier)去除,並可再透過快速傅利葉轉換(Fast Fourier Transform,FFT)將這些骨架圖中的高頻跳動去除。之後,步態評估裝置110還可再透過多項式擬合(polyfitting)將不同時間點的骨架圖之間的移動進行平滑化,但可不限於此。
請參照圖2B,其是依據圖2A繪示的另一步態評估系統示意圖。在圖2B中,除了肢體感測裝置131及132的取像方向與圖2A不同之外,其餘配置大致與圖2A相同。
具體而言,在圖2B中,肢體感測裝置131(即,第一攝影機)及肢體感測裝置132(即,第二攝影機)可分別從使用者199的斜前方拍攝使用者199依行走方向D1行走於壓力感測裝置120
上時的第一行走影像IM1及第二行走影像IM2。之後,步態評估裝置110同樣可基於先前的教示而分別從第一行走影像IM1及第二行走影像IM2取得第一骨架圖210及第二骨架圖220,並將第一骨架圖210及第二骨架圖220投影為第一整合骨架圖。
在一實施例中,當第一行走影像IM1及第二行走影像IM2中存在其他非使用者199的人體時,可能使得步態評估裝置110無法正確取得對應於使用者199的整合骨架圖。因此,本發明實施例可透過特定的機制將非使用者199的人體排除,藉以提升步態評估的準確性。
在一實施例中,在取得第一整合骨架圖之後,步態評估裝置110可進一步判斷此第一整合骨架圖是否滿足一指定條件。若是,則步態評估裝置110可再取得上述關節夾角的多個角度值,並以上述角度值作為使用者199在所述第t個時間點的多個行走肢體特徵數值。
在一實施例中,步態評估裝置110可判斷第一行走影像IM1及第二行走影像IM2中是否未包括對應於其他人體的骨架圖。若是,此即代表第一骨架圖210及第二骨架圖220即對應於當下所欲進行步態評估的人體(即,使用者199),故步態評估裝置110可相應地判定上述第一整合骨架滿足指定條件。若否,此即代表第一行走影像IM1及第二行走影像IM2中存在對應於其他人體的骨架圖,因此步態評估裝置110可作進一步的篩選,以找出實際對應於使用者199的整合骨架圖。相關細節將輔以圖3作進一步說
明。
請參照圖3,其是依據本發明第一實施例繪示的篩選整合骨架圖的示意圖。在本實施例中,假設在第t個時間點所取得的第一行走影像IM1及第二行走影像IM2如圖3所示。
由圖3可看出,第一行走影像IM1中包括第一骨架圖310及第三骨架圖330,而第二行走影像IM2包括第二骨架圖320及第四骨架圖340,其中第一骨架圖310及第二骨架圖320對應於當下欲進行步態評估的使用者,而第三骨架圖330及第四骨架圖340則對應於另一人體。
在此情況下,步態評估裝置110可將第一骨架圖310及第二骨架圖320投影為第一整合骨架圖352,並將第三骨架圖330及第四骨架圖340投影為第二整合骨架圖354。
接著,步態評估裝置110可取得第一整合骨架圖352的第一投影誤差及第二整合骨架圖354的第二投影誤差,並判斷第一投影誤差是否小於第二投影誤差。
在圖3情境中,假設第一投影誤差經判定為小於第二投影誤差,則步態評估裝置110可判定第一整合骨架圖352滿足指定條件,並可取得第一整合骨架圖352中的多個關節夾角的多個角度值。之後,步態評估裝置110可再以上述角度值作為使用者199在所述第t個時間點的多個行走肢體特徵數值。
在其他實施例中,反應於判定第一投影誤差不小於第二投影誤差,此即代表第一整合骨架圖352並非對應於欲進行步態
評估的人體,因此步態評估裝置110可判定第一整合骨架圖352未滿足指定條件。之後,步態評估裝置110可基於第二整合骨架圖354取得使用者199在所述第t個時間點的多個行走肢體特徵數值。
藉此,即便第一實施例中的步態評估系統100被設置於非專用於進行步態偵測的一般場域中,本發明實施例仍可在排除其他無關的人體後,對欲進行步態評估的對象進行評估。藉此,可達到無感偵測的效果。
在其他實施例中,圖2A及圖2B中的步態評估系統100還可包括更多的攝影機,藉以從不同的角度拍攝使用者199的影像。在此情況下,步態評估裝置110可相應地得到更為準確的整合骨架圖,但可不限於此。
請參照圖4,其是依據本發明第二實施例繪示的壓力偵測裝置示意圖。在圖4中,壓力偵測裝置120可實現為包括多個壓力感測器的壓力偵測鞋墊。在一實施例中,壓力偵測裝置120可設置於使用者199的鞋中,以供使用者199穿戴並行走。在此情況下,所述壓力偵測鞋墊即可在使用者199行走時偵測使用者199的每一步伐的壓力數值PV,並可將各步伐對應的壓力數值PV提供予步態評估裝置110。在第二實施例中,相關的測量手段可參照「S.J.M.Bamberg,A.Y.Benbasat,D.M.Scarborough,D.E.Krebs and J.A.Paradiso,"Gait Analysis Using a Shoe-Integrated Wireless Sensor System," in IEEE Transactions on Information Technology in Biomedicine,vol.12,no.4,pp.413-423,July 2008」文獻的內容,於此不另贅述。
在第三實施例中,肢體感測裝置131~13Z也可實現為可穿戴於使用者199身上的多個動態捕捉元件(例如慣性測量單元),而這些動態捕捉元件例如可分布於使用者199身上的多個關節點(例如頸部、肩部、肘部、腕部、髖部、膝部及踝部等),藉以捕捉這些關節點的移動情形。
舉例而言,步態評估裝置110可在第t個時間點取得上述動態捕捉元件的多個三度空間位置,並據以建立上述動態捕捉元件在所述第t個時間點的空間分布圖,其中所述第t個時間點的空間分布圖可包括對應於上述動態捕捉元件的多個參考點。
之後,步態評估裝置110可依據使用者199身上關節點之間的相對位置將上述空間分布圖中的參考點連接為使用者199在所述第t個時間點的骨架圖(其可具有相似於圖3的第一整合骨架圖352的態樣),其中此骨架圖可包括上述關節點在所述第t個時間點的多個關節夾角。接著,步態評估裝置110可取得上述關節夾角的多個角度值,並以這些角度值作為使用者199在所述第t個時間點的多個行走肢體特徵數值。
在第三實施例中,透過上述動態捕捉元件進行偵測的細節可參照「Schlachetzki JCM,Barth J,Marxreiter F,Gossler J,Kohl Z,Reinfelder S,Gassner H,Aminian K,Eskofier BM,Winkler J,Klucken J.Wearable sensors objectively measure gait parameters in
Parkinson's disease.PLoS One.2017 Oct 11」及「Qilong Yuan,I.Chen and Ang Wei Sin,"Method to calibrate the skeleton model using orientation sensors," 2013 IEEE International Conference on Robotics and Automation,2013」等文獻的內容,於此不另贅述。
在一實施例中,使用者199身上的各關節點可預設有對應的可動角度範圍。在取得使用者199在第t個時間點的骨架圖之後,步態評估裝置110可判定此骨架圖中的任一關節夾角的角度值是否未位於對應的可動角度範圍內。若是,此即代表當下的骨架圖可能出現偵測錯誤,因此步態評估裝置110可相應地捨棄第t個時間點的骨架圖。
舉例而言,假設肘關節對應的可動角度範圍為30度至180度。在此情況下,若步態評估裝置110判定第t個時間點的骨架圖中肘關節的關節夾角小於30度或大於180度,則步態評估裝置110可相應地捨棄第t個時間點的骨架圖,但可不限於此。
在本發明的實施例中,處理器114可存取儲存電路112中記錄的模組、程式碼來實現本發明提出的步態評估方法,其細節詳述如下。
請參照圖5,其是依據本發明之一實施例繪示的步態評估方法流程圖。本實施例的方法可由圖1的步態評估系統100執行,以下即搭配圖1所示的元件說明圖5各步驟的細節。
首先,在步驟S510中,處理器114可從壓力偵測裝置120取得使用者199行走於其上的多個壓力數值PV。在不同的實施例
中,處理器114取得壓力數值PV的方式可參照先前實施例中的說明,於此不另贅述。
在步驟S520中,處理器114可基於所述多個壓力數值PV取得使用者199的多個步伐特徵數值。在不同的實施例中,處理器114可基於上述壓力數值PV取得使用者199的步速(gait speed)、步長(step length)、步幅(stride length)、步頻(cadence)、步寬(step width)、步行周期(gait cycle)、站立時間(stance time)、擺動時間(swing time)、壓力中心(center of pressure)、移動軌跡、雙腳同時站立(double support)時間、足壓分布的至少其中之一作為上述步伐特徵數值。
在一些實施例中,處理器114還可基於上述壓力數值PV取得使用者199的步間變異係數(stride-to-stride variation),其可包括擺動時間變異係數、雙腳同時站立時間變異係數、步長時間變異係數、步幅時間變異係數的至少其中之一,但可不限於此。
在一些實施例中,使用者199可經要求而在壓力偵測裝置120上執行一坐站起走測試(time up and go test,TUG)。在此情況下,處理器114還可基於上述壓力數值PV取得使用者199在此坐站起走測試中的起身時間、轉身時間、坐下時間、行走速度、行走時間、總執行時間的至少其中之一作為上述步伐特徵數值的一部分,但可不限於此。
請參照圖6,其是依據本發明之一實施例繪示的數個步伐特徵數值的示意圖。由圖6可看出步長、步幅、步寬等名詞之間的
差異,而上述步伐特徵數值的進一步細節可參照「Pirker W,Katzenschlager R.Gait disorders in adults and the elderly:A clinical guide.Wien Klin Wochenschr.2017;129(3-4):81-95.doi:10.1007/s00508-016-1096-4」及「Bohannon RW,Williams Andrews A.Normal walking speed:a descriptive meta-analysis.Physiotherapy.2011」等文獻,於此不另贅述。
此外,基於壓力數值PV得到上述步伐特徵數值的細節可參照「Yoo SD,Kim HS,Lee JH,Yun DH,Kim DH,Chon J,Lee SA,Han YJ,Soh YS,Kim Y,Han S,Lee W,Han YR.Biomechanical Parameters in Plantar Fasciitis Measured by Gait Analysis System With Pressure Sensor.Ann Rehabil Med.2017 Dec」及「Greene BR,O'Donovan A,Romero-Ortuno R,Cogan L,Scanaill CN,Kenny RA.Quantitative falls risk assessment using the timed up and go test.IEEE Trans Biomed Eng.2010 Dec」等文獻,於此不另贅述。
在步驟S530中,處理器114可基於多個肢體感測裝置131~13Z提供的感測資料取得使用者199行走於壓力偵測裝置上時的多個行走肢體特徵數值。在不同的實施例中,處理器114基於肢體感測裝置131~13Z提供的感測資料(例如第一行走影像IM1及第二行走影像IM2)取得上述行走肢體特徵數值(例如,使用者199身上多個關節夾角的多個角度值)的方式可參照先前實施例中的說明,於此不另贅述。
接著,在在步驟S540中,處理器114可基於所述多個步
伐特徵數值及所述多個行走肢體特徵數值評估使用者199的步態。在不同的實施例中,處理器114可基於不同的方式來評估使用者199的步態,以下將做進一步說明。
在第四實施例中,處理器114可判斷使用者199的上述步伐特徵數值及上述行走肢體特徵數值是否未滿足對應的第一統計性標準。反應於判定使用者199的上述步伐特徵數值及上述行走肢體特徵數值中的Y者(Y為一指定數量)未滿足對應的第一統計性標準,處理器114可判定使用者199的步態屬於異常步態,反之則可判定使用者199的步態屬於正常步態。
在不同的實施例中,上述步伐特徵數值及上述行走肢體特徵數值對應的第一統計性標準可採用不同方式決定。
舉例而言,一般60-69歲的男性平均步速經統計為1.34m/s,則當使用者199為介於60~69歲的男性時,其步速對應的第一統計性標準即可設定為1.34m/s。此外,由於健康老人的步速平均值經統計為1.1m/s至1.5m/s,因此當使用者199為老人時,其步速對應的第一統計性標準可設定為1.1m/s,但可不限於此。
在一實施例中,一般人的正常步幅平均約為76-92cm,因此使用者199的步幅對應的第一統計性標準可設定為76cm,但可不限於此。
基於相似於上述教示的概念,處理器114亦可基於相關的文獻/統計數據(例如「Gong H,Sun L,Yang R,Pang J,Chen B,Qi R,Gu X,Zhang Y,Zhang TM.Changes of upright body posture in
the sagittal plane of men and women occurring with aging-a cross sectional study.BMC Geriatr.2019 Mar 5」、「Oeda T,Umemura A,Tomita S,Hayashi R,Kohsaka M,Sawada H.Clinical factors associated with abnormal postures in Parkinson's disease.PLoS One.2013 Sep 19」及「Schlachetzki JCM,Barth J,Marxreiter F,Gossler J,Kohl Z,Reinfelder S,Gassner H,Aminian K,Eskofier BM,Winkler J,Klucken J.Wearable sensors objectively measure gait parameters in Parkinson's disease.PLoS One.2017 Oct 11」的內容)而相應地決定諸如步頻、TUG時間、軀幹傾斜角度、步間變異係數、腳跟著地角(heel strike angle)、腳趾離地角(toe-off angle)等步伐特徵數值及行走肢體特徵數值對應的第一統計標準。
例如,步頻對應的第一統計性標準可以是1.2次/s,TUG時間對應的第一統計性標準可以是低於20秒。另外,軀幹傾斜角度的第一統計性標準例如是前後/左右總傾角的平方和開根號需小於10度。步間變異係數的第一統計性標準例如是步長時間變異係數需小於4%、擺動時間變異係數需小於5%、雙腳同時站立時間變異係數需小於8%、步幅時間變異係數需小於4%等,但可不限於此。
此外,腳跟著地角的第一統計性標準例如是需大於20度,而腳趾離地角的第一統計性標準例如是需大於55度,但可不限於此。
在一實施例中,當使用者199屬於包括多個成員的某個
特定群體時,處理器114亦可基於此特定群體的特性來決定各步伐特徵數值及行走肢體特徵數值對應的第一統計標準。
舉例而言,處理器114可取得此特定群體的多個成員個別的多個參考步伐特徵數值及多個參考行走肢體特徵數值,並據以估計上述步伐特徵數值及上述行走肢體特徵數值個別的第一統計性標準。在一些實施例中,各成員的個參考步伐特徵數值及多個參考行走肢體特徵數值可對應於使用者199的步伐特徵數值及行走肢體特徵數值。
舉例而言,在取得對應於步幅的第一統計性標準時,處理器114可取得各成員的步幅,再以各成員步幅的前90%作為步幅的第一統計性標準。在此情況下,當使用者199的步幅落在所述特定群體的後10%時,處理器114即可判定使用者199的步幅未滿足對應的第一統計性標準。針對其他的步伐特徵數值及行走肢體特徵數值,處理器114可基於相似的原則決定對應的第一統計性標準,其細節於此不另贅述。
在一實施例中,處理器114還可基於使用者199先前所測得的歷史步伐特徵數值及歷史行走肢體特徵數值來決定各步伐特徵數值及行走肢體特徵數值對應的第一統計標準。
在一實施例中,處理器114可取得使用者199在前一次測試時測得的步伐特徵數值及行走肢體特徵數值作為使用者199的多個歷史步伐特徵數值及多個歷史行走肢體特徵數值。之後,處理器114可基於上述歷史步伐特徵數值及上述歷史行走肢體特徵
數值個別的特定比率決定使用者199的步伐特徵數值及行走肢體特徵數值個別的第一統計性標準。
舉例而言,在決定使用者199的步幅的第一統計性標準時,處理器114可取得使用者199前一次所測得的步幅(下稱歷史步幅),並以此歷史步幅的特定比率(例如90%)作為使用者199的步幅的第一統計性標準。當處理器114判定使用者199的步幅未滿足對應的第一統計性標準時(例如使用者199的步幅低於歷史步幅的90%),此即代表使用者199的步幅已出現一定程度的退步(例如已退步超過10%),因而可作為判定使用者199的步態出現異常的依據。針對其他的步伐特徵數值及行走肢體特徵數值,處理器114可基於相似的原則決定對應的第一統計性標準,其細節於此不另贅述。
在不同的實施例中,設計者可依需定而設定Y的數值。舉例而言,當Y經設定為1時,處理器114可在使用者199的上述步伐特徵數值及上述行走肢體特徵數值中的任一未滿足對應的第一統計性標準即判定使用者199的步態屬於異常步態。另外,當Y經設定為2時,處理器114可在使用者199的上述步伐特徵數值及上述行走肢體特徵數值中的任二未滿足對應的第一統計性標準即判定使用者199的步態屬於異常步態,但可不限於此。
在第五實施例中,處理器114可從使用者199的上述步伐特徵數值及上述行走肢體特徵數值中挑選N個特定數值,並依據各特定數值對應的K個參考基準將這些特定數值映射為多個映
射值,其中N、K為正整數,且各映射值落於預設值域內。
之後,處理器114可對這些映射值進行一加權運算,以取得一加權運算結果。接著,反應於判定此加權運算結果未滿足第二統計性標準,處理器114可判定使用者199的步態屬於異常步態,反之則可判定使用者199的步態屬於正常步態,但可不限於此。
在一實施例中,對於上述特定數值中的一第一特定數值而言,處理器114可取得對應於此第一特定數值的參考平均值及參考差異因數,並據以估計對應於第一特定數值的所述多個參考基準。
請參照圖7,其是依據本發明之一實施例繪示的決定第一特定數值的多個參考基準的示意圖。在圖7中,假設a為2,因此所述多個參考基準可分別為M-2S、M-S、M、M+S及M+2S,但可不限於此。
基於圖7的架構,處理器114即可將第一特定數值映射為所述多個映射值中的第一映射值。在一實施例中,反應於判定第一特定數值介於第j個參考基準及第j+1個參考基準之間,處理器114可判定第一映射值為j+1+b,其中1 j K-1,b為常數。反應於
判定第一特定數值小於第1個參考基準(例如M-2S),處理器114可判定第一映射值為1+b。反應於判定第一特定數值大於第K個參考基準(例如M+2S),處理器114可判定第一映射值為K+1+b。
為便於說明,以下假設b為0,但本發明可不限於此。在此情況下,當第一特定數值小於第1個參考基準(例如M-2S)時,處理器114可將第一特定數值映射為1。當第一特定數值介於第1個參考基準(即,M-2S)及第2個參考基準(即,M-S)之間時,處理器114可將第一特定數值映射為2。當第一特定數值介於第2個參考基準(即,M-S)及第3個參考基準(即,M)之間時,處理器114可將第一特定數值映射為3。當第一特定數值介於第3個參考基準(即,M)及第4個參考基準(即,M+S)之間時,處理器114可將第一特定數值映射為4;當第一特定數值介於第4個參考基準(即,M+S)及第5個參考基準(M+2S)之間時,處理器114可將第一特定數值映射為5。當第一特定數值大於第5個參考基準(例如M+2S)時,處理器114可將第一特定數值映射為6,但可不限於此。
在圖7的情境中,可看出第一映射值的預設值域例如是1+b、2+b、3+b、4+b、5+b及6+b。在其他實施例中,對於其他的特定數值而言,處理器114可基於上述教示將這些特定數值個別映射為對應的映射值,且這些映射值可與第一映射值具有相同的預設值域,但可不限於此。
在不同的實施例中,處理器114可基於不同的原則決定第一特定數值的參考平均值(即,M)及參考差異因數(即,S)。
舉例而言,假設所考慮的第一特定數值為步速,則處理器114可基於相關文獻(例如「Bohannon RW,Williams Andrews A.Normal walking speed:a descriptive meta-analysis.Physiotherapy.2011 Sep」或「Studenski S,Perera S,Patel K,Rosano C,Faulkner K,Inzitari M,Brach J,Chandler J,Cawthon P,Connor EB,Nevitt M,Visser M,Kritchevsky S,Badinelli S,Harris T,Newman AB,Cauley J,Ferrucci L,Guralnik J.Gait speed and survival in older adults.JAMA.2011 Jan 5」)取得一般正常步速的平均值作為此第一特定數值的參考平均值,再以此平均值的特定比率作為參考差異因數。舉例而言,假設上述特定比率為10%,則對應於步速的多個參考基準可例如是M的80%、90%、100%、110%及120%,但可不限於此。
舉另一例而言,假設所考慮的第一特定數值為軀幹前傾角度,則處理器114可基於相關文獻(例如「Gong H,Sun L,Yang R,Pang J,Chen B,Qi R,Gu X,Zhang Y,Zhang TM.Changes of upright body posture in the sagittal plane of men and women occurring with aging-a cross sectional study.BMC Geriatr.2019 Mar 5」)取得一般正常軀幹前傾角度的平均值作為此第一特定數值的參考平均值,再以此平均值的特定比率作為參考差異因數。舉例而言,假設上述特定比率為10%,則對應於軀幹前傾角度的多個參考基準可例如是M的80%、90%、100%、110%及120%,但可不限於此。針對其他的第一特定數值,處理器114可基於上述教示
而決定對應的多個參考基準,其細節於此不另贅述。
在一些實施例中,處理器114亦可從上述特定群體中各成員的參考步伐特徵數值及參考行走肢體特徵數值找出對應於第一特定數值的第一參考數值。之後,處理器114可再取得各成員的第一參考數值的平均值及標準差,並將此平均值及此標準差分別定義為第一特定數值的參考平均值(即,M)及參考差異因數(即,S)。
舉例而言,假設第一特定數值為使用者199的步幅,則處理器114可找出各成員的步幅作為各成員的第一參考數值,並據以估計各成員的步幅的平均值及標準差。之後,處理器114可以此平均值及標準差作為第一特定數值的參考平均值(即,M)及參考差異因數(即,S),並據以決定對應於步幅的多個參考基準。
舉另一例而言,假設第一特定數值為使用者199的步速,則處理器114可找出各成員的步速作為各成員的第一參考數值,並據以估計各成員的步速的平均值及標準差。之後,處理器114可以此平均值及標準差作為第一特定數值的參考平均值(即,M)及參考差異因數(即,S),並據以決定對應於步速的多個參考基準。
在取得所述N個特定數值的N個映射值之後,處理器114可對這些映射值進行加權運算,以產生加權運算結果。在一實施例中,所述N個映射值個別的權重可由設計者依需求而定。舉例而言,假設所述N個特定數值為使用者199的步速及軀幹傾斜角度,則處理器114可在將使用者199的步速及軀幹傾斜角度映射為對
應的2個映射值之後,基於「P 1×W 1+P 2×W 2」的式子取得對應的加權運算結果,其中P 1、P 2分別是對應於步速及軀幹傾斜角度的映射值,W 1、W 2是分別對應於P 1、P 2的權重(例如可皆為50%),但可不限於此。
之後,處理器114可判斷此加權運算結果是否滿足第二統計性標準。在一些實施例中,處理器114可基於以下機制決定所述第二統計性標準。
舉例而言,處理器114可從上述特定群體的各成員的參考步伐特徵數值及參考行走特徵數值中取得對應於所述N個特定數值的N個參考數值。承上例,假設所考慮的N個特定數值為使用者199的步速及軀幹傾斜角度,則處理器114可取得各成員的步速及軀幹傾斜角度作為各成員的所述N個參考數值。
之後,處理器114可依據各特定數值對應的參考基準將各成員的所述N個參考數值映射為多個參考映射值,其中各參考映射值落於上述預設值域內。在一實施例中,處理器114將各成員的所述N個參考數值映射為對應的多個參考映射值的方式可參照處理器114將使用者199的第一特定數值映射為對應的第一映射值的方式,故其細節於此不另贅述。
接著,處理器114可對各成員的N個參考映射值進行加權運算,以產生各成員的參考加權運算結果。承上例,處理器114可在將某成員的步速及軀幹傾斜角度映射為對應的2個參考映射值之後,基於「P' 1×W 1+P' 2×W 2」的式子取得對應的參考加權
運算結果,其中P' 1、P' 2分別是對應於所述某成員的步速及軀幹傾斜角度的參考映射值。
之後,處理器114可基於各成員的參考加權運算結果決定第二統計性標準。在一實施例中,處理器114例如可採用各成員的參考加權運算結果的後90%作為第二統計性標準。在此情況下,反應於判定使用者199的加權運算結果落於各成員的參考加權運算結果的後90%,處理器114可判定使用者199的加權運算結果滿足第二統計性標準。另一方面,反應於判定使用者199的加權運算結果落於各成員的參考加權運算結果的前10%,則處理器114可判定使用者199的加權運算結果未滿足第二統計性標準,但可不限於此。
在一實施例中,在判定使用者199的步態屬於異常步態的情況下,處理器114還可進一步判定使用者199的步態屬於非神經性病變步態或神經性病變步態。
在一實施例中,處理器114可判斷使用者199的步間變異係數是否滿足一第三統計性標準。若是,則處理器114可判定使用者的199的步態屬於神經性病變步態,反之則可判定使用者的步態屬於非神經性病變步態。
在一實施例中,處理器114可基於上述特定群體中各成員的步間變異係數決定上述第三統計性標準。舉例而言,處理器114可以各成員的步間變異係數的前70%作為上述第三統計性標準。在此情況下,反應於判定使用者199的步間變異係數落於各
成員的步間變異係數的前70%,處理器114可判定使用者199的步間變異係數滿足第三統計性標準。另一方面,反應於判定使用者199的步間變異係數落於各成員的步間變異係數的後30%,處理器114可判定使用者199的步間變異係數未滿足第三統計性標準,但可不限於此。
在一實施例中,反應於判定使用者199的步態屬於異常步態,處理器114還可提供相應的賦能建議。
舉例而言,假設使用者199的步態屬於非神經性病變步態(例如因O型腿、X型腿等原因所導致的步態異常),處理器114可提供對應於非神經性病變步態的肌力訓練建議作為賦能建議。在一實施例中,上述肌力訓練建議的內容可基於相關的物理治療文獻(例如治療O型腿、X型腿的肌力訓練文獻)給出,但可不限於此。
另外,假設使用者199的步態屬於神經性病變步態(例如因帕金森氏症、阿茲海默症而引起的步態異常),則處理器114可提供對應於神經性病變步態的步態節奏訓練建議作為賦能建議。上述步態節奏訓練建議的內容可參考例如「Pacchetti C.,Mancini F.,Aglieri R.,Fundaro C.,Martignoni E.,Nappi G.,Active musictherapy in Parkinson’s disease:An integrative method for motor and emotionalrehabilitation.Psychosom Med 2000;62(3):386-93」及「deDreu MJ.,van der Wilk AS.,Poppe E.,Kwakkel G.,van Wegen EE.,Rehabilitation,exercise therapy and music in patients with
Parkinson's disease:A meta-analysis of the effects of music-based movement therapy on walking ability,balance and quality of life.Parkinsonism RelatDisord.2012;18 Suppl 1:S114-9」等文獻,但可不限於此。
綜上所述,本發明可在透過壓力偵測裝置及肢體感測裝置取得使用者行走時的步伐特徵數值及行走肢體特徵數值之後,整合這些特徵數值以評估使用者的步態。藉此,本發明可讓使用者在進行少量的步行之後,即相應地掌握使用者的健康狀態,進而讓相關照護人員能夠基於使用者的健康狀態採取相應的手段,從而達到避免使用者出現跌倒等情形的效果。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
S510~S540:步驟
Claims (26)
- 一種步態評估方法,適於包括一步態評估裝置的一步態評估系統,包括:由該步態評估裝置從一壓力偵測裝置取得一使用者行走於其上的多個壓力數值,其中該些壓力數值對應於該使用者的多個步伐;由該步態評估裝置基於該些壓力數值取得該使用者的多個步伐特徵數值;由該步態評估裝置基於至少一肢體感測裝置提供的感測資料取得該使用者行走於該壓力偵測裝置上時的多個行走肢體特徵數值;由該步態評估裝置基於該些步伐特徵數值及該些行走肢體特徵數值評估該使用者的一步態。
- 如請求項1所述的方法,其中由該步態評估裝置基於該些壓力數值取得該使用者的該些步伐特徵數值的步驟包括:基於該些壓力數值取得該使用者的步長、步速、步幅、步頻、步寬、步行周期、站立時間、擺動時間、壓力中心、移動軌跡、雙腳同時站立時間、足壓分布及步間變異係數的至少其中之一作為該些步伐特徵數值。
- 如請求項1所述的方法,其中該使用者經要求而在該壓力偵測裝置上執行一坐站起走測試(time up and go test,TUG), 且由該步態評估裝置基於該些壓力數值取得該使用者的該些步伐特徵數值的步驟包括:基於該些壓力數值取得該使用者在該坐站起走測試中的起身時間、轉身時間、坐下時間、行走速度、行走時間、總執行時間的至少其中之一作為該些步伐特徵數值。
- 如請求項1所述的方法,其中該至少一肢體感測裝置包括穿戴於該使用者身上的多個動態捕捉元件,且該些動態捕捉元件分布於該使用者身上的多個關節點,其中由該步態評估裝置基於該至少一肢體感測裝置提供的感測資料取得該使用者行走於該壓力偵測裝置上時的該些行走肢體特徵數值的步驟包括:在第t個時間點取得該些動態捕捉元件的多個三度空間位置作為該些感測資料,並據以建立該些動態捕捉元件在所述第t個時間點的一空間分布圖,其中所述第t個時間點的該空間分布圖包括對應於該些動態捕捉元件的多個參考點;依據該些關節點之間的相對位置將該空間分布圖中的該些參考點連接為該使用者在所述第t個時間點的一骨架圖,其中該骨架圖包括該些關節點在所述第t個時間點的多個關節夾角;取得該些關節夾角的多個角度值,並以該些角度值作為該使用者在所述第t個時間點的該些行走肢體特徵數值。
- 如請求項1所述的方法,其中該至少一肢體感測裝置包括一攝影機,其中由該步態評估裝置基於該至少一肢體感測裝 置提供的感測資料取得該使用者行走於該壓力偵測裝置上時的該些行走肢體特徵數值的步驟包括:在第t個時間點取得該攝影機拍攝的該使用者行走於該壓力偵測裝置上時的一行走影像,並取得該行走影像中的一骨架圖,其中該骨架圖包括在所述第t個時間點的多個關節夾角,其中該些關節夾角對應於該第一人體上的多個關節點;反應於判定該骨架圖滿足一指定條件,取得該些關節夾角的多個角度值,並以該些角度值作為該使用者在所述第t個時間點的該些行走肢體特徵數值。
- 如請求項4或5所述的方法,其中各該關節點預設有對應的一可動角度範圍,且所述方法包括:反應於判定該些關節夾角之一者的角度值未位於對應的該可動角度範圍內,捨棄該使用者在所述第t個時間點的該骨架圖。
- 如請求項1所述的方法,其中該至少一肢體感測裝置至少包括具不同取像範圍的一第一攝影機及一第二攝影機,其中由該步態評估裝置基於該至少一肢體感測裝置提供的感測資料取得該使用者行走於該壓力偵測裝置上時的該些行走肢體特徵數值的步驟包括:在第t個時間點取得該第一攝影機拍攝的該使用者行走於該壓力偵測裝置上時的一第一行走影像,並取得該第一行走影像中的一第一骨架圖; 在所述第t個時間點取得該第二攝影機拍攝的該使用者行走於該壓力偵測裝置上時的一第二行走影像,並取得該第二行走影像中的一第二骨架圖,其中該第一骨架圖及該第二骨架圖對應於一第一人體;基於該第一攝影機及該第二攝影機之間的一相對位置將該第一骨架圖及該第二骨架圖投影為一第一整合骨架圖,且該第一整合骨架圖包括在所述第t個時間點的多個關節夾角,其中該些關節夾角對應於該第一人體上的多個關節點;反應於判定該第一整合骨架圖滿足一指定條件,取得該些關節夾角的多個角度值,並以該些角度值作為該使用者在所述第t個時間點的該些行走肢體特徵數值。
- 如請求項7所述的方法,其中各該關節點預設有對應的一可動角度範圍,且所述方法更包括:反應於判定該些關節夾角之一者的角度值未位於對應的該可動角度範圍內,捨棄該使用者在所述第t個時間點的該第一整合骨架圖。
- 如請求項7所述的方法,其中反應於判定該第一行走影像及該第二行走影像未分別包括對應於一第二人體的一第三骨架圖及一第四骨架圖,判定該第一整合骨架圖滿足該指定條件。
- 如請求項9所述的方法,更包括:反應於判定該第一行走影像及該第二行走影像還分別包括該第三骨架圖及該第四骨架圖,基於該第一攝影機及該第二攝影機 之間的該相對位置將該第三骨架圖及該第四骨架圖投影為一第二整合骨架圖;取得該第一整合骨架圖的一第一投影誤差及該第二整合骨架圖的一第二投影誤差;反應於判定該第一投影誤差小於該第二投影誤差,判定該第一整合骨架圖滿足該指定條件;反應於判定該第一投影誤差不小於該第二投影誤差,判定該第一整合骨架圖未滿足該指定條件,並基於該第二整合骨架圖取得該使用者在所述第t個時間點的該些行走肢體特徵數值。
- 如請求項1所述的方法,其中由該步態評估裝置基於該些步伐特徵數值及該些行走肢體特徵數值評估該使用者的該步態的步驟包括:由該步態評估裝置基於該些步伐特徵數值及該些行走肢體特徵數值評估該使用者的該步態屬於一正常步態或一異常步態,其中該異常步態包括一非神經性病變步態或一神經性病變步態。
- 如請求項11所述的方法,其中反應於判定該使用者的該步態屬於該非神經性病變步態或該神經性病變步態,提供一賦能建議。
- 如請求項12所述的方法,其中反應於判定該使用者的該步態屬於該非神經性病變步態,提供對應於該非神經性病變步態的一肌力訓練建議作為該賦能建議。
- 如請求項12所述的方法,其中反應於判定該使用者的該步態屬於該神經性病變步態,提供對應於該神經性病變步態的一步態節奏訓練建議作為該賦能建議。
- 如請求項11所述的方法,其中由該步態評估裝置基於該些步伐特徵數值及該些行走肢體特徵數值評估該使用者的該步態屬於該正常步態或該異常步態的步驟包括:反應於判定該使用者的該些步伐特徵數值及該些行走肢體特徵數值中的Y者未滿足對應的一第一統計性標準,判定該使用者的該步態屬於該異常步態,其中Y為一指定數量。
- 如請求項15所述的方法,其中該使用者屬於一特定群體,且所述方法包括:取得該特定群體的多個成員個別的多個參考步伐特徵數值及多個參考行走肢體特徵數值,並據以估計該些步伐特徵數值及該些行走肢體特徵數值個別的該第一統計性標準。
- 如請求項15所述的方法,更包括:取得該使用者的多個歷史步伐特徵數值及多個歷史行走肢體特徵數值,其中該些歷史步伐特徵數值及該些歷史行走肢體特徵數值對應於該使用者的該些步伐特徵數值及該些行走肢體特徵數值;基於該些歷史步伐特徵數值及該些歷史行走肢體特徵數值個別的一特定比率決定該些步伐特徵數值及該些行走肢體特徵數值個別的該第一統計性標準。
- 如請求項11所述的方法,其中由該步態評估裝置基於該些步伐特徵數值及該些行走肢體特徵數值評估該使用者的該步態屬於該正常步態或該異常步態的步驟包括:從該些步伐特徵數值及該些行走肢體特徵數值挑選N個特定數值,並依據各該特定數值對應的K個參考基準將該些特定數值映射為多個映射值,其中N、K為正整數,且各該映射值落於一預設值域內;對該些映射值進行一加權運算,以取得一加權運算結果;反應於判定該加權運算結果未滿足一第二統計性標準,判定該使用者的該步態屬於該異常步態。
- 如請求項18所述的方法,其中該些特定數值包括一第一特定數值,且所述方法包括:取得對應於該第一特定數值的一參考平均值及一參考差異因數,並據以估計對應於該第一特定數值的該些參考基準。
- 如請求項19所述的方法,其中該使用者屬於一特定群體,該特定群體包括多個成員,且各該成員具有多個參考步伐特徵數值及多個參考行走肢體特徵數值,且所述方法包括:從各該成員個別的該些參考步伐特徵數值及該些參考行走肢體特徵數值找出對應於該第一特定數值的一第一參考數值;取得各該成員的該第一參考數值的一平均值及一標準差,並將該平均值及該標準差分別定義為該第一特定數值的該參考平均值及該參考差異因數。
- 如請求項18所述的方法,其中該使用者屬於一特定群體,該特定群體包括多個成員,且各該成員具有多個參考步伐特徵數值及多個參考行走肢體特徵數值,且所述方法包括:從各該成員的該些參考步伐特徵數值及該些參考行走特徵數值取得對應於該些特定數值的N個參考數值;依據各該特定數值對應的該些參考基準將各該成員的該些參考數值映射為多個參考映射值,其中各該參考映射值落於該預設值域內,對各該成員的該些參考映射值進行該加權運算,以產生各該成員的一參考加權運算結果;以及 基於各該成員的該參考加權運算結果決定該第二統計性標準。
- 如請求項1所述的方法,其中該些步伐特徵數值及該些行走肢體特徵數值包括一步間變異係數,且所述方法包括:反應於判定該使用者的該步態屬於一異常步態,且該步間變異係數滿足一第三統計性標準,判定該使用者的該步態屬於一神經性病變步態。
- 如請求項23所述的方法,其中該使用者屬於一特定群體,該特定群體包括多個成員,且各該成員具有對應的該步間變異係數,且所述方法包括:基於各該成員的該步間變異係數決定該第三統計性標準。
- 一種步態評估系統,包括:一壓力偵測裝置;至少一肢體感測裝置;以及一步態評估裝置,其經配置以:從該壓力偵測裝置取得一使用者行走於其上的多個壓力數值,其中該些壓力數值對應於該使用者的多個步伐;基於該些壓力數值取得該使用者的多個步伐特徵數值;基於該至少一肢體感測裝置提供的感測資料取得該使用者行走於該壓力偵測裝置上時的多個行走肢體特徵數值;基於該些步伐特徵數值及該些行走肢體特徵數值評估該使用者的一步態。
- 如請求項25所述的系統,其中該壓力偵測裝置包括穿戴於該使用者的足部的一壓力偵測鞋墊,其中該壓力偵測鞋墊偵測該使用者的該些步伐的該些壓力數值;或者該壓力偵測裝置包括分布有多個壓力感測器的一壓力偵測地墊,其中該壓力偵測地墊透過該些壓力感測器偵測該使用者的該些步伐的該些壓力數值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063060607P | 2020-08-03 | 2020-08-03 | |
US63/060,607 | 2020-08-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202206022A TW202206022A (zh) | 2022-02-16 |
TWI798770B true TWI798770B (zh) | 2023-04-11 |
Family
ID=80233463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110127494A TWI798770B (zh) | 2020-08-03 | 2021-07-27 | 步態評估系統及步態評估方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220031195A1 (zh) |
CN (1) | CN114052718A (zh) |
TW (1) | TWI798770B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11638563B2 (en) * | 2018-12-27 | 2023-05-02 | Starkey Laboratories, Inc. | Predictive fall event management system and method of using same |
TWI824650B (zh) * | 2022-08-05 | 2023-12-01 | 大可特股份有限公司 | 體態檢測系統及體態檢測方法 |
CN116869521B (zh) * | 2023-09-07 | 2023-11-14 | 贵州航天控制技术有限公司 | 一种下肢助力外骨骼***的人体运动模式实时识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201907818A (zh) * | 2017-07-13 | 2019-03-01 | 國立陽明大學 | 用於增進帕金森患者步行能力與動作控制之智能裝置及其方法 |
US20190083002A1 (en) * | 2017-09-20 | 2019-03-21 | Samsung Electronics Co., Ltd. | Method and apparatus for updating personalized gait policy |
US20190172571A1 (en) * | 2017-12-01 | 2019-06-06 | Elements of Genius, Inc. | Enhanced assistive mobility devices |
CN110151189A (zh) * | 2019-04-30 | 2019-08-23 | 杭州电子科技大学 | 用于帕金森步态风险评估的非线性步态动力学判别方法 |
CN110211693A (zh) * | 2019-06-03 | 2019-09-06 | 深圳市儿童医院 | 一种自动化步态分析评估hibd治疗后的运动功能恢复情况 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4813436A (en) * | 1987-07-30 | 1989-03-21 | Human Performance Technologies, Inc. | Motion analysis system employing various operating modes |
WO2005001768A1 (en) * | 2003-06-06 | 2005-01-06 | Psychogenics, Inc. | System and method for assessing motor and locomotor deficits and recovery therefrom |
US20070021421A1 (en) * | 2005-07-25 | 2007-01-25 | Hampton Thomas G | Measurement of gait dynamics and use of beta-blockers to detect, prognose, prevent and treat amyotrophic lateral sclerosis |
US7728839B2 (en) * | 2005-10-28 | 2010-06-01 | Honda Motor Co., Ltd. | Discriminative motion modeling for human motion tracking |
US20100324455A1 (en) * | 2009-05-23 | 2010-12-23 | Lasercure Sciences, Inc. | Devices for management of foot injuries and methods of use and manufacture thereof |
US20140347479A1 (en) * | 2011-11-13 | 2014-11-27 | Dor Givon | Methods, Systems, Apparatuses, Circuits and Associated Computer Executable Code for Video Based Subject Characterization, Categorization, Identification, Tracking, Monitoring and/or Presence Response |
WO2013142777A1 (en) * | 2012-03-22 | 2013-09-26 | Ekso Bionics, Inc. | Human machine interface for lower extremity orthotics |
US20200000373A1 (en) * | 2014-04-22 | 2020-01-02 | The Trustees Of Columbia University In The City Of New York | Gait Analysis Devices, Methods, and Systems |
US20170055880A1 (en) * | 2014-04-22 | 2017-03-02 | The Trustees Of Columbia University In The City Of New York | Gait Analysis Devices, Methods, and Systems |
CN104598722B (zh) * | 2014-12-25 | 2017-04-19 | 中国科学院合肥物质科学研究院 | 一种基于步态时空参数和三维力特征的帕金森患者行走能力评估方法 |
US11147520B2 (en) * | 2015-06-22 | 2021-10-19 | Uti Limited Partnership | Method and system for predicting biomechanical response to wedged insoles |
US20170035330A1 (en) * | 2015-08-06 | 2017-02-09 | Stacie Bunn | Mobility Assessment Tool (MAT) |
CN107174255B (zh) * | 2017-06-15 | 2020-04-10 | 西安交通大学 | 基于Kinect体感技术的三维步态信息采集与分析方法 |
CN110021398B (zh) * | 2017-08-23 | 2023-03-24 | 陆晓 | 一种步态分析、训练方法及*** |
CN108665956A (zh) * | 2018-06-05 | 2018-10-16 | 陈燕 | 体能和肌肉能力的综合评估***及方法 |
CN109815858B (zh) * | 2019-01-10 | 2021-01-01 | 中国科学院软件研究所 | 一种日常环境中的目标用户步态识别***及方法 |
CN110680334A (zh) * | 2019-09-24 | 2020-01-14 | 上海诺昊医疗科技有限公司 | 适用于起立行走测试的评估***及方法 |
-
2021
- 2021-07-27 TW TW110127494A patent/TWI798770B/zh active
- 2021-07-29 US US17/388,035 patent/US20220031195A1/en active Pending
- 2021-08-02 CN CN202110882220.1A patent/CN114052718A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201907818A (zh) * | 2017-07-13 | 2019-03-01 | 國立陽明大學 | 用於增進帕金森患者步行能力與動作控制之智能裝置及其方法 |
US20190083002A1 (en) * | 2017-09-20 | 2019-03-21 | Samsung Electronics Co., Ltd. | Method and apparatus for updating personalized gait policy |
US20190172571A1 (en) * | 2017-12-01 | 2019-06-06 | Elements of Genius, Inc. | Enhanced assistive mobility devices |
CN110151189A (zh) * | 2019-04-30 | 2019-08-23 | 杭州电子科技大学 | 用于帕金森步态风险评估的非线性步态动力学判别方法 |
CN110211693A (zh) * | 2019-06-03 | 2019-09-06 | 深圳市儿童医院 | 一种自动化步态分析评估hibd治疗后的运动功能恢复情况 |
Also Published As
Publication number | Publication date |
---|---|
US20220031195A1 (en) | 2022-02-03 |
TW202206022A (zh) | 2022-02-16 |
CN114052718A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI798770B (zh) | 步態評估系統及步態評估方法 | |
Ortells et al. | Vision-based gait impairment analysis for aided diagnosis | |
Hegde et al. | The pediatric SmartShoe: wearable sensor system for ambulatory monitoring of physical activity and gait | |
US9659150B2 (en) | Method for assessing cognitive function and predicting cognitive decline through quantitative assessment of the TUG test | |
Wagenaar et al. | Continuous monitoring of functional activities using wearable, wireless gyroscope and accelerometer technology | |
Choi et al. | Machine learning approach to predict center of pressure trajectories in a complete gait cycle: a feedforward neural network vs. LSTM network | |
Hossain et al. | Deepbbwae-net: A cnn-rnn based deep superlearner for estimating lower extremity sagittal plane joint kinematics using shoe-mounted imu sensors in daily living | |
Baldewijns et al. | Validation of the kinect for gait analysis using the GAITRite walkway | |
US20200375503A1 (en) | Lower limb muscle strength evaluation method, non-transitory computer-readable recording medium storing lower limb muscle strength evaluation program, lower limb muscle strength evaluation device, and lower limb muscle strength evaluation system | |
Ngo et al. | Balance deficits due to cerebellar ataxia: A machine learning and cloud-based approach | |
Berner et al. | Kinematics and temporospatial parameters during gait from inertial motion capture in adults with and without HIV: a validity and reliability study | |
Guzik et al. | Analysis of consistency between temporospatial gait parameters and gait assessment with the use of Wisconsin Gait Scale in post-stroke patients | |
Cai et al. | Single-camera-based method for step length symmetry measurement in unconstrained elderly home monitoring | |
Wu et al. | Multiple inertial measurement unit combination and location for center of pressure prediction in gait | |
Bussmann et al. | Validity of the prosthetic activity monitor to assess the duration and spatio-temporal characteristics of prosthetic walking | |
Ivorra et al. | Azure Kinect body tracking under review for the specific case of upper limb exercises | |
Tsakanikas et al. | Gait and balance patterns related to Free-Walking and TUG tests in Parkinson’s Disease based on plantar pressure data | |
JP7179136B1 (ja) | 歩行評価システムおよび歩行評価方法 | |
EP4154811A1 (en) | Gait evaluating system and gait evaluating method | |
KR102499773B1 (ko) | 발 특성 정보 및 균형 특성 정보를 이용한 노인성 질환 예측 방법 및 시스템 | |
Kumarasiri et al. | Gait analysis using RGBD sensors | |
Dajime et al. | Stability zone limit: a balance exercise intensity indicator for Kinect-based balance exergames | |
Wijnbergen | Novel algorithms to capture kinematic variables with depthsensing technology | |
Srinivasan et al. | Validation of an automated step length measurement method in sprinting athletes using computer vision and pose estimation | |
Pochappan et al. | Mobile clinical gait analysis using orient specks |