CN108742637B - 基于步态识别装置的身体状态检测方法和检测系统 - Google Patents

Abstract

本申请公开了一种基于步态识别装置的身体状态检测方法和系统。其中，步态识别装置内置于鞋垫或鞋底的腔体内，该装置包括用于检测所述腔体内气压的气压传感器，检测方法包括：周期性地对气压传感器输出的气压测量数据进行采样；根据采集到的气压测量数据确定腔体内的气压变化规律；根据采集到的气压测量数据和气压变化规律，识别出行人的步态信息，其中，步态信息包括足部落地状态、步频、前后一致性、步行方式；根据预设的检测规则对足部落地状态、步频、前后一致性和步行方式进行分析，以检测与步态相关的身体状态信息。该方法通过步态信息可以随时且方便地检测行人的身体状态，方便用户了解行人的身体健康情况，提升了用户体验。

Description

基于步态识别装置的身体状态检测方法和检测系统

技术领域

本申请涉及身体状态检测领域，尤其涉及一种基于步态识别装置的身体状态检测方法以及一种身体状态检测系统。

背景技术

随着社会的发展，人们的生活节奏在逐步加快，人们在了解自身的身体健康状态时，通常需要去医院或体验中心站通过专业设备来检测。而这种检测方式，对于用户来说，不仅需要花费大量时间去排队体检，而且还会花费一定的费用，使得用户的身体健康状态的检测方式比较繁琐，用户体验差。因此，如何基于简单的测量装置即可实现用户身体状态的检测，已经成为亟待解决的问题。

发明内容

本申请的目的旨在至少在一定程度上解决上述的技术问题之一。

为此，本申请的第一个目的在于提出一种基于步态识别装置的身体状态检测方法。该方法通过步态信息可以随时且方便地检测行人的身体状态，方便用户了解行人的身体健康情况，提升了用户体验。

本申请的第二个目的在于提出一种身体状态检测系统。

为达到上述目的，本申请第一方面实施例提出的基于步态识别装置的身体状态检测方法，所述步态识别装置内置于鞋垫或鞋底的腔体内，所述步态识别装置包括用于检测所述腔体内气压的气压传感器，所述检测方法包括：周期性地对所述气压传感器输出的气压测量数据进行采样；根据采集到的气压测量数据确定所述腔体内的气压变化规律；根据所述采集到的气压测量数据和所述气压变化规律，识别出行人的步态信息，其中，所述步态信息包括足部落地状态、步频、前后一致性指标和步行方式，其中，所述前后一致性指标是指足部落地时气压值变化的特征，所述特征包括气压值的波形、气压最大、最小值、气压值方差、均值；根据预设的检测规则对所述足部落地状态、步频、前后一致性指标和步行方式进行分析，以检测与步态相关的身体状态信息。

为达到上述目的，本申请第二方面实施例提出的身体状态检测系统，包括步态识别装置和检测装置，其中，所述步态识别装置内置于鞋垫或鞋底的腔体内，所述步态识别装置包括用于检测所述腔体内气压的气压传感器，所述步态识别装置用于周期性地对所述气压传感器输出的气压测量数据进行采样，并根据采集到的气压测量数据确定所述腔体内的气压变化规律，以及根据所述采集到的气压测量数据和所述气压变化规律，识别出行人的步态信息，其中，所述步态信息包括足部落地状态、步频、前后一致性指标和步行方式，其中，所述前后一致性指标是指足部落地时气压值变化的特征，所述特征包括气压值的波形、气压最大、最小值、气压值方差、均值；所述检测装置，用于根据预设的检测规则对所述足部落地状态、步频、前后一致性指标和步行方式进行分析，以检测与步态相关的身体状态信息。

根据本申请实施例的基于步态识别装置的身体状态检测方法和身体状态检测系统，可以周期性地对气压传感器输出的气压测量数据进行采样，其中，所述气压传感器内置于鞋垫或鞋底的腔体内，并根据采集到的气压测量数据确定所述腔体内的气压变化规律，并根据所述采集到的气压测量数据和所述气压变化规律，识别出行人的步态信息，以及根据预设的检测规则对所述步态信息进行分析，以检测与步态相关的身体状态信息。即通过放置于鞋垫或鞋底的腔体内的步态识别装置识别出行人的步态信息，并基于对该步态信息进行分析处理，得到与步态相关的身体健康状态信息，可以随时且方便地检测行人的身体状态，方便用户了解行人的身体健康情况，提升了用户体验。

另外，利用将气压传感器放置于鞋垫或鞋底的腔体内，并利用行走时腔体受挤压变形，腔体内部气压变化，而且变化较为显著，气压传感器检测的测量值变化显著，类似于放大器放大了足部落地和起脚的变化过程，使得气压测量值变化进一步反映出步态变化，进而利用气压传感器在测量气压的同时，直接通过气压测量数据识别出行人的步态信息，充分利用了气压传感器的信息，并通过气压变化来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。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本申请一个实施例的基于步态识别装置的身体状态检测方法的流程图；

图2是根据本申请实施例的气压传感器检测的气压测量数据的波形示例图；

图3是根据本申请实施例的基于步态识别装置的身体状态检测方法的流程图；

图4是根据本申请一个实施例的身体状态检测系统的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的基于步态识别装置的身体状态检测方法和身体状态检测系统。

图1是根据本申请一个实施例的基于步态识别装置的身体状态检测方法的流程图。如图1所示，该基于步态识别装置的身体状态检测方法可以包括：

S110，周期性地对气压传感器输出的气压测量数据进行采样。

需要说明的是，在本申请的实施例中，步态识别装置可包括气压传感器，气压传感器可以灵敏感知气压的变化，将气压传感器内置于鞋垫(或鞋底)的腔体内。这样，人在行走时，由于足部与鞋垫(或鞋底)之间的挤压，放置气压传感器的腔体空间大小发生变化，其内的气压会随着人体行走而产生明显变化，气压传感器输出产生明显的随足部落地而产生的气压变化，足部腾空时，由于腔体未受力变形，气压值恢复正常，为此，本申请利用这个气压变化脉冲信号，可以准确地记录足部落地、腾空状态，并依此推导出人体运动步数、步频、落地状态、腾空状态、步行方式和前后一致性指标等步态信息，其中，前后一致性指标是指足部落地时气压值变化的特征，所述特征可包括但不限于气压值的波形、气压最大、最小值、气压值方差、均值等特征信息。

首先，可周期性地采集行人行走时气压传感器检测的气压测量数据。例如，可每隔5秒采集一次行人行走时气压传感器检测的气压测量数据，其中，采样时间可为10秒。也就是说，每隔5秒钟，可采集一次气压传感器在10秒内检测到的气压测量数据。

S120，根据采集到的气压测量数据确定腔体内的气压变化规律。

可选地，根据采集到的所有气压测量数据来确定在采集时间段内腔体的气压变化规律。举例而言，可通过气压与时间之间的对应关系图来表示该气压变化规律。例如，如图2所示，将采集到的行人行走时气压传感器检测的气压测量数据，利用气压与时间之间的对应关系图来表示，通过该对应关系图即可确定出腔体内的气压变化规律，比如，图2所示的E时间段内的气压变化较大，F时间段内的气压变化比较平稳。

S130，根据采集到的气压测量数据和气压变化规律，识别出行人的步态信息；其中，在本申请的实施例中，所述步态信息可包括但不限于足部落地状态、步频、前后一致性指标和步行方式等。

可选地，对采集到的气压测量数据和所述气压变化规律进行一定的算法处理即可得到行人的步态信息，如落地和腾空状态(也可称为落地和腾空时刻)、步频、前后一致性指标、步行方式、落地力度等。作为一种示例，如图3所示，所述根据采集到的气压测量数据和气压变化规律，识别出行人的步态信息的具体实现过程可包括：

S310，根据采集到的气压测量数据对行人在每个采样时刻的足部状态进行判定，其中，足部状态包括落地状态和腾空状态；

可选地，从采集到的气压测量数据中确定当前采样时刻的气压值P_k，并计算所述当前采样时刻的气压值P_k与当前采样时刻的正常气压值P_N之间的差值，如果所述差值的绝对值大于目标阈值，则判定所述行人在所述当前采样时刻的足部状态为落地状态；如果所述差值的绝对值小于所述目标阈值，则判定所述行人在所述当前采样时刻的足部状态为腾空状态。

可以理解，行人在行走时，足部可分为落地状态和腾空状态，在足部落地时，触地和起脚是一个连贯的过程，气压传感器所在腔体受挤压，所述腔体周围气压发生较大变化，表现为快速增大或减小，如图2所示，其中，E时间段可认为是落地状态，F时间段可认为是足部腾空状态。

举例而言，在本示例中，假设采样时刻为k，可从采集到的气压测量数据中确定当前采样时刻k的气压值P_k，并将所述当前采样时刻k的气压值P_k与当前采样时刻的正常气压值P_N之间的差值，与目标阈值T_p进行大小比对，例如，如果所述差值的绝对值大于目标阈值T_p，则可判定所述行人在所述当前采样时刻的足部状态为落地状态；如果所述差值的绝对值小于所述目标阈值T_p，则判定所述行人在所述当前采样时刻的足部状态为腾空状态。其中，在本申请的实施例中，所述采样时刻的正常气压值用于指示在采样时刻内处于稳定且持续一定时长状态的气压值；所述目标阈值T_p可通过以下公式计算而得到：T_p＝3～5σ，其中，σ为当前正常气压值的均方差，T_p表示当前采样时刻的正常气压值的均方差σ的3～5倍。

这样，可通过当前采样时刻的气压值P_k与正常气压值P_N之间的差值的绝对值来作为当前采样时刻的足部状态的判定值，并将该判定值与目标阈值进行大小比对，并根据比对结果来判定当前采样时刻的足部状态是落地状态还是腾空状态。

S320，根据气压变化规律、落地状态对应的气压值波形和腾空状态对应的气压值波形，计算行人在行走时的步频；

可选地，根据所述落地状态对应的气压值波形，从所述气压变化规律中找出目标落地状态的气压值波形，其中，目标落地状态用于指示足部落地时刻的累计时间大于第一时间阈值的落地状态，并根据所述腾空状态对应的气压值波形，从所述气压变化规律中找出目标腾空状态的气压值波形，其中，所述目标腾空状态用于指示足部腾空时刻的累计时间大于第二时间阈值的腾空状态；根据所述目标落地状态的气压值波形、目标腾空状态的气压值波形，从所述气压变化规律中，确定所述目标落地状态和目标腾空状态交替出现的次数；然后，根据所述目标落地状态和目标腾空状态交替出现的次数，计算所述行人在行走时的步数。例如，所述次数为一次，即所述步数为一步，所述次数为5次，则所述步数为5步。之后，可确定所述行人在行走时所述气压传感器的使用时长，并根据所述步数和所述使用时长，计算所述行人在行走时的步频。

举例而言，如图2所示，行人行走时，气压传感器输出的气压值会呈现出一定的周期性规律，可对该周期性规律进行分析以得到行走步数。例如，假设腔体内的气压变化规律可由如图2所示的气压变化波形来表示，可根据足部落地状态和腾空状态的波形对如图2所示的气压变化波形进行分析处理，可得到行走步数M。

在本示例中，为避免误判，假定在一步周期内，足部需要有落地和腾空两种状态，且每种状态需要满足一定的时间长度。假设足部落地状态的累计时间为t_d，设足部腾空状态的累计时间为t_t；设足部落地或腾空状态用W表示，足部落地时W＝1，足部腾空时W＝0，设足部落地和腾空的时间阈值分别为t_d1(即第一时间阈值)和t_t1(即第二时间阈值)，该阈值的设定可以根据行人各种运动特征分析得到，后续也可以设计为自适应估计模式。在实际应用中，可实时判定当前足部落地状态，并实时记录足部当前一步落地和腾空累计时间t_d和t_t，那么行走步数计算方法可如下：

设定两个条件：

条件1：W＝1且t_d>t_d1；

条件2：W＝0且t_t>t_t1；

如果条件1和条件2同时满足，那么可实时判定当前运动为行走一步，当前行走步数为：M＝M+1。然后，确定行人在行走时所述气压传感器的使用时长，此时可根据当前行走步数以及所述气压传感器当前所使用时长，即可计算出所述行人在行走时的步频。

S330，根据所述采集到的气压测量数据获取气压值前后一致性指标。

其中，所述前后一致性指标主要指足部落地时气压值变化的特征，包括但不限于气压值的波形、气压最大、最小值、气压值方差、均值等特性信息。

S340，根据采集到的气压测量数据获取气压值变化幅度；

可选地，从所述采集到的气压测量数据中获取预设时间内的气压最大值和气压最小值，其中，所述预设时间用于指示覆盖至少一步的行走时间；计算所述预设时间内的气压最大值和气压最小值之间的差值，并将所述差值作为所述气压值变化幅度。

可以理解，行人行走时，可分为步行、跑步等多种步行方式，也可以对步行区分慢速步行、快速步行，对跑步区分慢跑和快跑，步行强度逐渐增大，步行方式所对应的足部落地时的力度逐渐增大，所述腔体变形也逐渐增大，气压传感器检测的气压值变化的幅度也会增大，所以可以根据气压传感器输出的幅度变化，来判定行人行走时的步行方式。

举例而言，在判定气压值变化幅度时，可以从所述采集到的气压测量数据中，选取一段时间内气压最大值和气压最小值之差来作为步行方式的判定值。例如，假设选取时间段(即上述的预设时间)为t，其中t时间需要能够覆盖至少一步行走时间，可以从所述采集到的气压测量数据中，选取t当前时刻往前t时间段内的气压最大值和气压最小值，并将所述气压最大值和气压最小值之间的差值作为所述气压值变化幅度。

S350，根据气压值变化幅度确定行人在行走时的步行方式。

可选地，当所述气压值变化幅度小于第一判定阈值时，确定所述步行方式为慢速步行；当所述气压值变化幅度大于所述第一判定阈值，且小于第二判定阈值时，确定所述步行方式为快速步行；当所述气压值变化幅度大于所述第二判定阈值，且小于第三判定阈值时，确定所述步行方式为慢跑；当所述气压值变化幅度大于所述第三判定阈值时，确定所述步行方式为快跑。

举例而言，假设Pmax为当前时刻往前t时间段内的气压最大值，设Pmin为当前时刻往前t时间段内的气压最小值，气压最大值与气压最小值之差为：Pm＝Pmax-Pmin，其中，所述差值Pm即为所述气压值变化幅度；

通过实际步行实验，可确定不同步行方式下的Pm值范围，设定为各种步行方式下的判定阈值，如下：

如果Pm<第一判定阈值Pm1，则步行方式为慢速步行；如果Pm1<Pm<第二判定阈值Pm2，则步行方式为快速步行；如果Pm2<Pm<第三判定阈值Pm3，则步行方式为慢跑；如果Pm>Pm3，则步行方式为快跑。由此，可通过气压传感器输出的气压值变化幅度与各种步行方式下的判定阈值进行匹配，以识别出行人在行走时的步行方式。

综上，可通过上述步骤S310～S350得到所述行人的步态信息，如足部落地状态、步频、气压值前后一致性指标和步行方式等。

S140，根据预设的检测规则对足部落地状态、步频、前后一致性指标和步行方式进行分析，以检测与步态相关的身体状态信息。

可选地，先确定针对行人的身体状态检测类型，其中，所述检测类型包括疲劳检测类型、身体缺陷检测类型等。之后，可根据该身体状态检测类型选定对应的检测规则，然后，可从所述对应的检测规则中，分别选取出行人在目标时间内的落地状态的参考波形、参考步频、参考前后一致性指标和参考步行方式。然后，将所述落地状态的参考波形与识别出的所述足部落地状态的波形进行匹配，并将所述参考步频与识别出的所述步频进行匹配，并将所述参考前后一致性指标与识别出的所述前后一致性指标进行匹配，以及将所述参考步行方式与识别出的所述步行方式进行匹配。最后，根据匹配结果确定所述行人的身体状态信息。

举例而言，当所述身体状态检测类型为疲劳检测类型时，可先选定其对应的检测规则。之后，可将识别到的足部落地状态的波形与所述检测规则中落地的参考波形进行匹配，例如，判断出识别到的足部落地的波形相对于所述参考波形而言，波形的变化趋势相对于缓慢；并且，判断出在一定时间内，识别出的步数相对于参考步数而言变少了，并且，根据采集到的气压测量数据识别到的步行方式与参考步行方式不一致，例如，所述识别到的步行方式为漫步行走，而所述采集到的气压测量数据所对应的参考步行应为快速步行，所以，根据上述三种判断，可以确定所述行人目前处于疲劳行走的状态。也就是说，可将步态信息中的各参数与所述检测规则红所述各参数对应的参考值进行匹配，以确定所述行人当前是否达到疲劳状态的条件，若是，则可确定行人目前处于疲劳状态，此时可对所述行人进行疲劳提醒。

又如，当所述身体状态检测类型为身体缺陷检测类型时，假设所述身体缺陷检测类型对应的检测规则中包括了多种模型，其中，每种模型对应一种身体缺陷类型，可利用所述模型对识别到的步态信息进行推算判断，以判定所述步态信息对应的身体健康状态，比如该行人是否存在身体缺陷问题，若是则确定出属于哪种身体缺陷类型。也就是说，可根据所述对应的检测规则中的多种模型对识别到的步态信息进行推算预测，以得到所述识别到的步态信息对应的身体缺陷类型。

可以理解，由于具有身体缺陷的行人在行走时，气压传感器检测到的气压测量数据所呈现的现象，与检测正常人在行走时的气压测量数据所呈现的现象会有很大的不同。因此，可利用每种身体缺陷类型对应的数据训练出其对应的模型，例如，具有小儿麻痹后遗症的行人，其在走路时会使得左右脚落地频率和步长大小不同，可采集该行人在行走时气压传感器检测的气压测量数据作为训练数据，训练出针对该身体缺陷类型的模型，这样，在实际检测中，可根据预先训练的模型对实际识别到的步态信息进行预测，以得到当前行人的身体状态类型。

需要说明的是，预设的检测规则可以根据实际实验数据得到，如果需要对某一异常身体状态进行检测判定，可以采集多组异常身体状态的数据，提取气压值的波形、气压最大、最小值、气压值方差、均值等特征值。基于这些特征值，可以得到身体异常时各个特征值的取值范围，设定各个特征值的判定阈值，通过联合判定可以得到身体状态是否异常的判定；或者，也可以通过机器学习算法，对多个样本的特征数据原始数据或者特征值数据进行学习，然后利用学习好的模型参数对身体状态是否异常进行预测判定。

根据本申请实施例的基于步态识别装置的身体状态检测方法，可以周期性地对气压传感器输出的气压测量数据进行采样，其中，所述气压传感器内置于鞋垫或鞋底的腔体内，并根据采集到的气压测量数据确定所述腔体内的气压变化规律，并根据所述采集到的气压测量数据和所述气压变化规律，识别出行人的步态信息，以及根据预设的检测规则对所述步态信息进行分析，以检测与步态相关的身体状态信息。即通过放置于鞋垫或鞋底的腔体内的步态识别装置识别出行人的步态信息，并基于对该步态信息进行分析处理，得到与步态相关的身体健康状态信息，可以随时且方便地检测行人的身体状态，方便用户了解行人的身体健康情况，提升了用户体验。

另外，利用将气压传感器放置于鞋垫或鞋底的腔体内，并利用行走时腔体受挤压变形，腔体内部气压变化，而且变化较为显著，气压传感器检测的测量值变化显著，类似于放大器放大了足部落地和起脚的变化过程，使得气压测量值变化进一步反映出步态变化，进而利用气压传感器在测量气压的同时，直接通过气压测量数据识别出行人的步态信息，充分利用了气压传感器的信息，并通过气压变化来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。

与上述几种实施例提供的基于步态识别装置的身体状态检测方法相对应，本申请的一种实施例还提出了一种身体状态检测系统，由于本申请实施例提出的身体状态检测系统与上述几种实施例提供的身体状态检测方法相对应，因此在前述身体状态检测方法的实施方式也适用于本实施例提供的身体状态检测系统，在本实施例中不再详细描述。图4是根据本申请一个实施例的身体状态检测系统的结构示意图。如图4所示，该身体状态检测系统400可以包括：步态识别装置410和检测装置420。其中，步态识别装置410内置于鞋垫或鞋底的腔体内，步态识别装置410可包括用于检测所述腔体内的气压传感器。

步态识别装置410可用于周期性地对所述气压传感器输出的气压测量数据进行采样，并根据采集到的气压测量数据确定所述腔体内的气压变化规律，以及根据所述采集到的气压测量数据和所述气压变化规律，识别出行人的步态信息，其中，所述步态信息包括足部落地状态、步频、前后一致性指标和步行方式；

检测装置420可用于根据预设的检测规则对所述足部落地状态、步频、前后一致性指标和步行方式进行分析，以检测与步态相关的身体状态信息。

可选地，在本申请的一个实施例中，步态识别装置410根据所述采集到的气压测量数据和所述气压变化规律，识别出行人的步态信息的具体实现方式可如下：根据所述采集到的气压测量数据对所述行人在每个采样时刻的足部状态进行判定，其中，所述足部状态包括落地状态和腾空状态；根据所述气压变化规律、所述落地状态对应的气压值波形和所述腾空状态对应的气压值波形，计算所述行人在行走时的步频；根据所述采集到的气压测量数据获取气压值前后一致性指标；根据所述采集到的气压测量数据获取气压值变化幅度；根据所述气压值变化幅度确定所述行人在行走时的步行方式。

在本申请的实施例中，步态识别装置410根据所述采集到的气压测量数据对所述行人在每个采样时刻的足部状态进行判定的具体实现方式可如下：从所述采集到的气压测量数据中确定当前采样时刻的气压值P_k；计算所述当前采样时刻的气压值P_k与当前采样时刻的正常气压值P_N之间的差值；如果所述差值的绝对值大于目标阈值，则判定所述行人在所述当前采样时刻的足部状态为落地状态；如果所述差值的绝对值小于所述目标阈值，则判定所述行人在所述当前采样时刻的足部状态为腾空状态。

在本申请的实施例中，步态识别装置410根据所述气压变化规律、所述落地状态对应的气压值波形和所述腾空状态对应的气压值波形，计算所述行人在行走时的步数的具体实现方式可如下：根据所述落地状态对应的气压值波形，从所述气压变化规律中找出目标落地状态的气压值波形，其中，目标落地状态用于指示足部落地时刻的累计时间大于第一时间阈值的落地状态；根据所述腾空状态对应的气压值波形，从所述气压变化规律中找出目标腾空状态的气压值波形，其中，所述目标腾空状态用于指示足部腾空时刻的累计时间大于第二时间阈值的腾空状态；根据所述目标落地状态的气压值波形、目标腾空状态的气压值波形，从所述气压变化规律中，确定所述目标落地状态和目标腾空状态交替出现的次数；根据所述目标落地状态和目标腾空状态交替出现的次数，计算所述行人在行走时的步数；确定所述行人在行走时所述气压传感器的使用时长；根据所述步数和所述使用时长，计算所述行人在行走时的步频。

在本申请的实施例中，步态识别装置410根据所述采集到的气压测量数据获取气压值变化幅度的具体实现方式可如下：从所述采集到的气压测量数据中获取预设时间内的气压最大值和气压最小值，其中，所述预设时间用于指示覆盖至少一步的行走时间；计算所述预设时间内的气压最大值和气压最小值之间的差值，并将所述差值作为所述气压值变化幅度。

在本申请的实施例中，步态识别装置410根据所述气压值变化幅度确定所述行人在行走时的步行方式的具体实现方式可如下：当所述气压值变化幅度小于第一判定阈值时，确定所述步行方式为慢速步行；当所述气压值变化幅度大于所述第一判定阈值，且小于第二判定阈值时，确定所述步行方式为快速步行；当所述气压值变化幅度大于所述第二判定阈值，且小于第三判定阈值时，确定所述步行方式为慢跑；当所述气压值变化幅度大于所述第三判定阈值时，确定所述步行方式为快跑。

作为一种示例，检测装置420在得到步态识别装置410识别到的步态信息之后，可先确定针对所述行人的身体状态检测类型，其中，所述检测类型包括疲劳检测类型、身体缺陷检测类型；根据所述身体状态检测类型选定对应的所述检测规则；从所述检测规则中，分别选取出行人在目标时间内的落地状态的参考波形、参考步频、参考前后一致性指标和参考步行方式；将所述落地状态的参考波形与识别出的所述足部落地状态的波形进行匹配，并将所述参考步频与识别出的所述步频进行匹配，并将所述参考前后一致性指标与识别出的所述前后一致性指标进行匹配，以及将所述参考步行方式与识别出的所述步行方式进行匹配；根据匹配结果确定所述行人的身体状态信息。

需要说明的是，预设的检测规则可以根据实际实验数据得到，如果需要对某一异常身体状态进行检测判定，可以采集多组异常身体状态的数据，提取气压值的波形、气压最大、最小值、气压值方差、均值等特征值。基于这些特征值，可以得到身体异常时各个特征值的取值范围，设定各个特征值的判定阈值，通过联合判定可以得到身体状态是否异常的判定；或者，也可以通过机器学习算法，对多个样本的特征数据原始数据或者特征值数据进行学习，然后利用学习好的模型参数对身体状态是否异常进行预测判定。

根据本申请实施例的身体状态检测系统，可以通过步态识别装置周期性地对气压传感器输出的气压测量数据进行采样，并根据采集到的气压测量数据确定所述腔体内的气压变化规律，并根据所述采集到的气压测量数据和所述气压变化规律，识别出行人的步态信息。检测装置根据预设的检测规则对所述步态信息进行分析，以检测与步态相关的身体状态信息。即通过放置于鞋垫或鞋底的腔体内的步态识别装置识别出行人的步态信息，并基于对该步态信息进行分析处理，得到与步态相关的身体健康状态信息，可以随时且方便地检测行人的身体状态，方便用户了解行人的身体健康情况，提升了用户体验。

另外，利用将气压传感器放置于鞋垫或鞋底的腔体内，并利用行走时腔体受挤压变形，腔体内部气压变化，而且变化较为显著，气压传感器检测的测量值变化显著，类似于放大器放大了足部落地和起脚的变化过程，使得气压测量值变化进一步反映出步态变化，进而利用气压传感器在测量气压的同时，直接通过气压测量数据识别出行人的步态信息，充分利用了气压传感器的信息，并通过气压变化来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。

在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于步态识别装置的身体状态检测方法，其特征在于，所述步态识别装置内置于鞋垫或鞋底的腔体内，所述步态识别装置包括用于检测所述腔体内气压的气压传感器，所述检测方法包括以下步骤：

周期性地对所述气压传感器输出的气压测量数据进行采样；

根据采集到的气压测量数据确定所述腔体内的气压变化规律；

根据所述采集到的气压测量数据和所述气压变化规律，识别出行人的步态信息，其中，所述步态信息包括足部落地状态、步频、前后一致性指标和步行方式，其中，所述前后一致性指标是指足部落地时气压值变化的特征，所述特征包括气压值的波形、气压最大、最小值、气压值方差、均值；其中，所述根据所述采集到的气压测量数据和所述气压变化规律，识别出行人的步态信息，包括：

根据所述采集到的气压测量数据对所述行人在每个采样时刻的足部状态进行判定，其中，所述足部状态包括落地状态和腾空状态；其中，所述根据所述采集到的气压测量数据对所述行人在每个采样时刻的足部状态进行判定，包括：

从所述采集到的气压测量数据中确定当前采样时刻的气压值Pk；

计算所述当前采样时刻的气压值Pk与当前采样时刻的正常气压值PN之间的差值；

如果所述差值的绝对值大于目标阈值，则判定所述行人在所述当前采样时刻的足部状态为落地状态，其中，所述目标阈值T_p为当前采样时刻的正常气压值的均方差σ的3～5倍，所述当前采样时刻的正常气压值用于指示在当前采样时刻内处于稳定且持续一定时长状态的气压值；

如果所述差值的绝对值小于所述目标阈值，则判定所述行人在所述当前采样时刻的足部状态为腾空状态；

根据所述气压变化规律、所述落地状态对应的气压值波形和所述腾空状态对应的气压值波形，计算所述行人在行走时的步频；

根据所述采集到的气压测量数据获取气压值前后一致性指标；

根据所述采集到的气压测量数据获取气压值变化幅度；

根据所述气压值变化幅度确定所述行人在行走时的步行方式；

根据预设的检测规则对所述足部落地状态、步频、前后一致性指标和步行方式进行分析，以检测与步态相关的身体状态信息；其中，所述根据预设的检测规则对所述足部落地状态、步频、前后一致性指标和步行方式进行分析，以检测与步态相关的身体状态信息，包括：

确定针对所述行人的身体状态检测类型，其中，所述检测类型包括疲劳检测类型；

根据所述疲劳检测类型选定对应的所述检测规则；其中，所述检测规则通过以下方式获得：采集多组异常身体状态的数据，提取多组异常身体状态的数据中的特征值，其中，所述特征值包括气压值的波形、气压最大、最小值、气压值方差、均值；通过机器学习算法对所述多组异常身体状态的数据中的特征值进行学习，得到学习好的模型参数作为所述检测规则；

根据所述检测规则对所述足部落地状态、步频、前后一致性指标和步行方式进行分析，以检测与步态相关的身体状态信息。

2.如权利要求1所述的方法，其特征在于，根据所述气压变化规律、所述落地状态对应的气压值波形和所述腾空状态对应的气压值波形，计算所述行人在行走时的步频，包括：

根据所述落地状态对应的气压值波形，从所述气压变化规律中找出目标落地状态的气压值波形，其中，目标落地状态用于指示足部落地时刻的累计时间大于第一时间阈值的落地状态；

根据所述腾空状态对应的气压值波形，从所述气压变化规律中找出目标腾空状态的气压值波形，其中，所述目标腾空状态用于指示足部腾空时刻的累计时间大于第二时间阈值的腾空状态；

根据所述目标落地状态的气压值波形、目标腾空状态的气压值波形，从所述气压变化规律中，确定所述目标落地状态和目标腾空状态交替出现的次数；

根据所述目标落地状态和目标腾空状态交替出现的次数，计算所述行人在行走时的步数；

确定所述行人在行走时所述气压传感器的使用时长；

根据所述步数和所述使用时长，计算所述行人在行走时的步频。

3.如权利要求1所述的方法，其特征在于，根据所述采集到的气压测量数据获取气压值变化幅度，包括：

从所述采集到的气压测量数据中获取预设时间内的气压最大值和气压最小值，其中，所述预设时间用于指示覆盖至少一步的行走时间；

计算所述预设时间内的气压最大值和气压最小值之间的差值，并将所述差值作为所述气压值变化幅度。

4.如权利要求1所述的方法，其特征在于，根据所述气压值变化幅度确定所述行人在行走时的步行方式，包括：

当所述气压值变化幅度小于第一判定阈值时，确定所述步行方式为慢速步行；

当所述气压值变化幅度大于所述第一判定阈值，且小于第二判定阈值时，确定所述步行方式为快速步行；

当所述气压值变化幅度大于所述第二判定阈值，且小于第三判定阈值时，确定所述步行方式为慢跑；

当所述气压值变化幅度大于所述第三判定阈值时，确定所述步行方式为快跑。

5.如权利要求1至4中任一项所述的方法，其特征在于，根据所述检测规则对所述足部落地状态、步频、前后一致性指标和步行方式进行分析，以检测与步态相关的身体状态信息，包括：

从所述检测规则中，分别选取出行人在目标时间内的落地状态的参考波形、参考步频、参考前后一致性指标和参考步行方式；

将所述落地状态的参考波形与识别出的所述足部落地状态的波形进行匹配，并将所述参考步频与识别出的所述步频进行匹配，并将所述参考前后一致性指标与识别出的所述前后一致性指标进行匹配，以及将所述参考步行方式与识别出的所述步行方式进行匹配；

根据匹配结果确定所述行人的身体状态信息。

6.一种身体状态检测系统，其特征在于，包括步态识别装置和检测装置，其中，

所述步态识别装置内置于鞋垫或鞋底的腔体内，所述步态识别装置包括用于检测所述腔体内气压的气压传感器，所述步态识别装置用于周期性地对所述气压传感器输出的气压测量数据进行采样，并根据采集到的气压测量数据确定所述腔体内的气压变化规律，以及根据所述采集到的气压测量数据和所述气压变化规律，识别出行人的步态信息，其中，所述步态信息包括足部落地状态、步频、前后一致性指标和步行方式，其中，所述前后一致性指标是指足部落地时气压值变化的特征，所述特征包括气压值的波形、气压最大、最小值、气压值方差、均值；其中，所述步态识别装置具体用于：

根据所述采集到的气压测量数据对所述行人在每个采样时刻的足部状态进行判定，其中，所述足部状态包括落地状态和腾空状态；

根据所述气压变化规律、所述落地状态对应的气压值波形和所述腾空状态对应的气压值波形，计算所述行人在行走时的步频；

根据所述采集到的气压测量数据获取气压值前后一致性指标；

根据所述采集到的气压测量数据获取气压值变化幅度；

根据所述气压值变化幅度确定所述行人在行走时的步行方式；

所述检测装置，用于根据预设的检测规则对所述足部落地状态、步频、前后一致性指标和步行方式进行分析，以检测与步态相关的身体状态信息；其中，所述检测装置具体用于：

确定针对所述行人的身体状态检测类型，其中，所述检测类型包括疲劳检测类型；

根据所述疲劳检测类型选定对应的所述检测规则；其中，所述检测规则通过以下方式获得：采集多组异常身体状态的数据，提取多组异常身体状态的数据中的特征值，其中，所述特征值包括气压值的波形、气压最大、最小值、气压值方差、均值；通过机器学习算法对所述多组异常身体状态的数据中的特征值进行学习，得到学习好的模型参数作为所述检测规则；

根据所述检测规则对所述足部落地状态、步频、前后一致性指标和步行方式进行分析，以检测与步态相关的身体状态信息；

其中，所述步态识别装置具体用于：

从所述采集到的气压测量数据中确定当前采样时刻的气压值P_k；

计算所述当前采样时刻的气压值P_k与当前采样时刻的正常气压值P_N之间的差值；

如果所述差值的绝对值大于目标阈值，则判定所述行人在所述当前采样时刻的足部状态为落地状态；

如果所述差值的绝对值小于所述目标阈值，则判定所述行人在所述当前采样时刻的足部状态为腾空状态。

7.如权利要求6所述的系统，其特征在于，所述步态识别装置具体用于：

根据所述落地状态对应的气压值波形，从所述气压变化规律中找出目标落地状态的气压值波形，其中，目标落地状态用于指示足部落地时刻的累计时间大于第一时间阈值的落地状态；

根据所述腾空状态对应的气压值波形，从所述气压变化规律中找出目标腾空状态的气压值波形，其中，所述目标腾空状态用于指示足部腾空时刻的累计时间大于第二时间阈值的腾空状态；

根据所述目标落地状态的气压值波形、目标腾空状态的气压值波形，从所述气压变化规律中，确定所述目标落地状态和目标腾空状态交替出现的次数；

根据所述目标落地状态和目标腾空状态交替出现的次数，计算所述行人在行走时的步数；

确定所述行人在行走时所述气压传感器的使用时长；

根据所述步数和所述使用时长，计算所述行人在行走时的步频。

8.如权利要求6所述的系统，其特征在于，所述步态识别装置具体用于：

从所述采集到的气压测量数据中获取预设时间内的气压最大值和气压最小值，其中，所述预设时间用于指示覆盖至少一步的行走时间；

计算所述预设时间内的气压最大值和气压最小值之间的差值，并将所述差值作为所述气压值变化幅度。

9.如权利要求6所述的系统，其特征在于，所述步态识别装置具体用于：

当所述气压值变化幅度小于第一判定阈值时，确定所述步行方式为慢速步行；

当所述气压值变化幅度大于所述第一判定阈值，且小于第二判定阈值时，确定所述步行方式为快速步行；

当所述气压值变化幅度大于所述第二判定阈值，且小于第三判定阈值时，确定所述步行方式为慢跑；

当所述气压值变化幅度大于所述第三判定阈值时，确定所述步行方式为快跑。

10.如权利要求6至9中任一项所述的系统，其特征在于，所述检测装置具体用于：

从所述检测规则中，分别选取出行人在目标时间内的落地状态的参考波形、参考步频、参考前后一致性指标和参考步行方式；

将所述落地状态的参考波形与识别出的所述足部落地状态的波形进行匹配，并将所述参考步频与识别出的所述步频进行匹配，并将所述参考前后一致性指标与识别出的所述前后一致性指标进行匹配，以及将所述参考步行方式与识别出的所述步行方式进行匹配；

根据匹配结果确定所述行人的身体状态信息。

Images