CN102824177A - 一种三维人体步态定量分析系统和方法 - Google Patents

Abstract

本发明公开了一种三维人体步态定量分析系统和方法。在双足上同时使用两个惯性测量节点，将两个惯性测量节点的数据进行分析融合，测量更准确的步态参数。获得单足测量方式所不能测量的信息。在行走过程中将所采集数据首先存储在测量节点的存储单元，待行走过程完成后再通过有线或无线的方式传输给分析计算装置。可以获得对行走过程中所有步态信息的高速采集，不遗漏有特征的步态信息点。采用所设计的惯性测量节点的足部绑定装置，消除行走过程中惯性测量节点的固定位置移动所带来的测量误差，保证多次重复测量时惯性测量节点的固定位置的同一性。步态分析计算程序模块采用滑动窗口搜值法确定步态信息的特征点，能够更准确提取步态特征信息。

Description

一种三维人体步态定量分析系统和方法

技术领域

本发明涉及测量分析领域，特别涉及一种三维人体步态定量分析系统和方法。

背景技术

由于人步行的过程是一个非常复杂的过程，并且步行过程中带有很多重要的步态信息，测量和分析人的步态信息在现实生活中有很多应用前景，如临床医学中监护病人的康复程度，仿生机器人的控制等领域。目前人体步态的测量和分析有多种方法：

传统的临床测量借助秒表和米尺使用目测方法以及足印法得到步态的信息，这种方法主要依靠人工的记录，所以人为因素造成的误差非常大，得到的参数误差大，难以准确定量划分步态周期。

伴随着现代科技的应用，图像处理、压力信号分析等方法也被用来做步态分析。比如文献[1]、文献[2]以及文献[3]中使用了基于图像处理的方法来分析步态的过程，通过采集人走路过程中的视频信息进一步用算法处理来抽取步态的特征值，从而得到步态的信息。在文献[4]、文献[5]、文献[6]中，作者在人的鞋底放置了压力垫，通过采集步行的过程中的压力变化来分析计算步态周期。文献[7]按照人走路的规律建立了一个模拟行走的系统，用这个系统分析步态的一般规律。但是这些分析步态方法都有一些缺点，例如基于图像处理的步态分析方法，需要采集非常巨大的数据量，不便于存储，算法也复杂，同时容易受到光线变化和肢体遮挡等因素的影响从而影响步态分析结果的准确性。此外，基于图像处理的步态分析方法需要多台摄像机同时采集数据，设备投资昂贵。采用脚底压力传感器的步态分析方法，采集的运动信息有限，压力的信号不能很好地跟踪分析运动连续性。尽管使用压力传感器可以将步态周期做出合理的划分，但是压力信号仅仅能反映脚与地面接触的时间段的压力变化规律，不能很好地描述整体运动规律的连续性。大型的步态分析平台建立复杂，使用者需要有一定的技巧，并且建立一个步态分析的实验室需要耗费很多的资金。

在公开号为CN1256752的中的专利申请说明书中描述了一种速度检测装置，通过安装在鞋底的加速度传感器获得脚部在水平方向的加速度数据，然后对加速度数据进行双重积分得到脚部的加速度值。这种装置安装比较繁琐，使用不方便。在公开号为CN1940570的专利申请说明书中描述了一种可以检测速度的导航装置，通过检测个人运动的频率，由步长和速度相乘而得到实时速度。当个人的步幅为常数时，这个方法可以得到准确的实时速度。但是研究表明在个人的步幅随着运动速度的变化，有着高达百分之六十的变化。因而这种方法很难获得准确的速度。

有研究采用惯性微传感器(IMU)采集人体步行过程中的加速度信号和角速度信号来分析人体步态的规律和计算步态参数。文献[8]结合了压力传感器的压力信号和陀螺仪采集的角速度信号做了步态周期的划分。目前大多数惯性步态分析系统都是采集一只脚的运动信息，并且使用有线的信号传输方式。由于步行的过程是两只脚配合协调的运动，一个脚的运动规律不能反映出来两个脚的协调程度。本文中设计的系统采用了两个惯性微传感器节点，分别的绑定在左右两个脚上，当系统开始采样时两个节点的数据可以同步在一起，也就是说两个节点的数据在时间上就有相关性，进而能分析两个脚步行过程中的协调性以及各项参数指标。通过本发明所设计的模式识别方法，对两脚上的两个节点所采集的数据进行分析融合，可以计算出人体步态参数。使用惯性微传感器对人体步态信息进行采集时，器件应该可重复性地牢固绑定在人体足部的同一位置，否则会给人体步态参数的分析计算带来误差。

[1]Xin Zhang，Guoliang Fan，“Dual Gait Generative Models for HumanMot ion Estimation From a Single Camera”，IEEE Trans.Syst.Man Cybern.Part B Cybern.，vol.40，no.4，pp1034-1049，Aug 2010。

[2]Zongyi Liu，Sudeep Sarkar，”Improved Gait Recognit ion by GaitDynamics Normalization”，IEEE Trans.Pattern Anal.Mach.Intell，vol.28，no.6，pp863-876，2006。

[3]Rong Zhang，Christian Vogler，Dimitris Metaxax，“Human GaitRecognition”，IEEE Conference on Computer Vision and PatternRecognition Workshop，pp18，Jun.2004。

[4]Joonbum Bae，Kyoungchul Kong，Nancy By1，and Massyoshi Tomi zuka，”AMobile Gait Monitoring System for Gait Analysis”，IEEE 11thInternation Conference on Rehabilitation Robotics，pp73-79，Jun.2009。

[5]Stacy J.Morri s Bamberg，ScD，Randy J.Carson，DPT，Gregory Stoddard，MPH，Philip S.Dyer，MS，Joseph B.Webster，MD，“The Lower ExtremityAmbulation Feedback System for Analysis of gait Asymmetries：Preliminary Design and Validation Results”，Journal of Prosthetics andOrthotics，Vol.22，no.1pp31-36，2010。

[6]Javier Cuadrado，Rosa Pamies-Vi la，Urbano Lugris，F.Javier Alonso，“A force-based approcach for joint efforts estimation during thedouble support phase of gait”，Science Direct，Symposium on Human BodyDynamics，Vol.2，pp26-34，2011。

[7]N.Shiozawa，S.Arima，M.Makikawa，“Virtual Walkway System andPrediction of Gait Mode Transition for the Control of the GaitSimulator”，Proceeding of the 26th Annual International Conferenceof the IEEE EMBS San Francisco，Vol.1，pp2699-2702，Sep.2004。

[8]Ion P.I.Pappas，Milos R，Popovic，Thierry Keller，VolkerDietz，andManfred Morari，“A Reliable Gait Phase Detection System”，IEEE Trans.Neural Syst.Rehabil.Eng.，vol9，no.2，pp113-125，Jun.2001。

发明内容

本发明的目的就是为了解决以上问题，提供一种低成本，方便易用的三维人体步态定量分析系统和方法。

为了达到上述目的，本发明提供的一种三维人体步态定量分析方法，包括以下步骤：

步骤100：左足惯性测量节点(4)、右足惯性测量节点(5)中的六轴微惯性传感器(11)分别获取人体行走过程中左足和右足的加速度信息和角速度信息；

步骤200：接收节点(2)采集左足和右足的加速度信息和角速度信息，形成双足步态数据，并将双足步态数据传送至步态信息分析计算装置(1)；

步骤300：步态信息分析计算装置(1)分析计算出人体步态参数，所述人体步态参数包括：步频、步长、步速、步行周期、步行时相、角度信息、廓清和划圈半径；所述步行时相包括：脚跟离地期、摆动相、脚跟击地期、完全站立相；所述角度信息包括：足偏角、足滚角、足俯角；包括以下子步骤：

步骤310：步态信息分析计算装置(1)中的数据采集程序模块(5)采样采集到的双足步态数据，并将采样采集到的双足步态数据送入步态信息分析计算装置(1)中的步态数据分析程序模块(6)；

步骤320：步态数据分析程序模块(6)将采样采集到的双足步态数据进行滤波，剔除误差，减少器件偏移；

步骤330：步态数据分析程序模块(6)将滤波后的双足步态数据进行分离，分别得到人体行走过程中左足和右足的加速度信息和角速度信息；

步骤340步态数据分析程序模块(6)通过测量单位时间内z轴角速度的周期，计算得到人体行走的步频，具体步骤如下：

提取z轴的角速度的周期数，即是测量时间内行走的步数strides；步频计算公式为：

其中，f_stride为步频，T为测量时间，strides为测量时间内行走的步数；

步骤350：步态数据分析程序模块(6)将左足的加速度信息和角速度信息进行数据融合，得到左足的步行周期；其中，步行周期：行走一步所用的步行时间；步行周期分为脚跟离地、摆动相、脚跟击地、完全站立四个部分；

滑动方差可以衡量信号的波动剧烈程度，可以由以下公式计算：

计算窗口平均值： $E_i\left(j\right)=\frac{1}{M}\underset{j=0}{\overset{M}{\mathrm{\Σ}}}a(j+i);$

窗口内滑动方差大小： $D\left(i\right)=\frac{1}{M}\underset{j=0}{\overset{M}{\mathrm{\Σ}}}{[a(j+i)-E\left(i\right)]}^2;$

其中，M是窗口大小，根据采样频率的大小，这里按照经验值取M＝20；E_i(j)是窗口的平均值；D(i)是滑动窗口中的滑动方差；i与j是采样序列号。

t_HO(i)脚跟离地时间点：

在每一步开始时，当滑动方差满足：D(i)＞λ时，是脚跟离地时间点；其中D(i)是滑动方差，阈值λ是经验值，是根据本专利的采样条件以及信号水平选取的值；

t_SW(i)摆动相时间点：

z轴角速度第一次改变为正处所对应的时刻是摆动相时间点；

t_HS(i)脚跟击地时间点：

在一个步行周期内，y轴加速度达到最大负值的时刻是脚跟击地时间点；

t_FF(i)完全站立时间点：

当滑动方差满足：D(i)＜λ时，该时刻是完全站立时间点；其中D(i)是滑动方差，阈值λ是经验值，是根据采样条件以及信号水品选取的值；

综上所述，步态时相可以用以下各式表达和计算：

脚跟离地期：T_HO(i)＝t_SW(i)-t_HO(i)；

摆动期：T_SW(i)＝t_HS(i)-t_SW(i)；

脚跟着地期：T_HS(i)＝t_FF(i)-t_HS(i)；

完全站立期：T_FF(i)＝t_HO(i+1)-t_FF(i)；

步伐总时间：T(i)＝t_HO(i+1)-t_HO(i)；

其中i代表第i步，i+1代表第i+1步；

同理，得到右足的步态时相；

步骤360：步态数据分析程序模块(6)将将左足步行周期和右足步行周期融合，得到双足运动步态周期；

双足运动步行周期分为单支撑相、双支撑相和摆动相；

当左脚脚跟离地时候到开始摆动相期间是左脚前双足支撑相DSP1；接着左脚发生摆动相SW，同时右脚处于单支撑相SSP；然后左脚脚跟击地，并且右脚脚跟离地，这个期间是左脚后双支撑相DSP2；最后左脚处于单支撑相SSP，同时右脚离地发生摆动相SW；其中，双足步态时相是根据以下过程得到的：

检测双足步态周期的过程如下：

首先，从左脚脚跟离地时候到开始摆动相期间是左脚前双足支撑相DSP1，检测到左脚与地面接触的时间，并且同时满足右脚与地面接触的时间为左脚前双足支撑相；

左脚发生摆动相，同时右脚处于单支撑相SSP；检测到左脚的摆动相的同时，并且判断右脚是否与地面接触，得到了右脚的单支撑相；

左脚在摆动相完成后，与地面接触，同时判断右脚是否与地面接触，这个期间是左脚后双支撑相DSP2；

右脚摆动相开始，并且判断左脚与地面接触的时间段内，发生了左脚的单支撑相SSP；

步骤370：步态数据分析程序模块(6)通过坐标系的投影将惯性系坐标下的加速度换算到世界坐标系下，计算得到足角度；通过数值积分的方法分别计算得到左足步长和右足步长；

坐标系变换：X-Y-Z是实际物理坐标系，x-y-z是六轴微惯性传感器(12)的坐标系；坐标系相对位置的动态变化过程是在四个步行时相内的相对位置；

足角度的计算：在行走过程中，足俯仰角有正角度和负角度两个阶段；该角度可以根据如下公式计算：

在脚跟离地期发生的负角度：

${\mathrm{\θ}}_{p(-)}=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{SW}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_Z\left(t\right)\mathrm{dt}+{\mathrm{\θ}}_{\mathrm{init}}\left(i\right);$

在摆动期发生的正角度： ${\mathrm{\θ}}_{p(+)}=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{HS}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_Z\left(t\right)\mathrm{dt}+{\mathrm{\θ}}_{\mathrm{init}}\left(i\right);$

其中，

是测量得到的z轴的角速度信号；θ_init(i)是初始角由以下公式计算：

${\mathrm{\θ}}_{\mathrm{init}}\left(i\right)=\frac{1}{N}\underset{k=\left[t_{\mathrm{HO}\left(i\right)-N}\right]}{\overset{\left[t_{\mathrm{HO}}\left(i\right)\right]}{\mathrm{\Σ}}}{\tan }^{-1}\frac{a_y\left(k\right)}{a_x\left(k\right)};$

其中i代表第i步；N按照经验取N＝10；a_y、a_x是测量得到的加速度序列；另外滚转方向还有偏转方向的角度由以下公式来评估：

足滚角：步行过程中，前进方向为轴的滚转角；

${\mathrm{\θ}}_r=\underset{t_{\mathrm{HO}\left(i\right)}}{\overset{t_{\mathrm{SW}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_y\left(t\right)\mathrm{dt};$

其中，

是测量得到的y轴角速度信号。

足偏角：步行过程中垂直方向为轴与中心线的偏移角；

${\mathrm{\θ}}_y=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{SW}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_x\left(t\right)\mathrm{dt};$

其中，是测量得到的y轴角速度信号；

步骤380：步态数据分析程序模块(6)通过坐标系的投影将惯性系坐标下的加速度换算到世界坐标系下，通过数值积分的方法分别计算得到步伐长度即每一步的长度；具体步骤如下：

加速度信号在Y方向上投影为：

a_Y(t)＝a_y(t)cosθ_z(t)+a_x(t)sinθ_z(t)；

其中，a_y(t)是y轴加速度；a_x(t)是x轴加速度；θ_z(t)是惯性测量节点转过的角度；

对加速度积分可以得到步伐长度L(i)为：

步骤390：步态数据分析程序模块(6)通过坐标系的投影将惯性系坐标下的加速度换算到世界坐标系下，计算得到廓清与划圈半径；具体步骤如下：

廓清：行走过程中足部离开地面的高度；

加速度信号在竖直方向的投影为：a_X(t)＝a_y(t)sinθ_z(t)+a_x(t)sinθ_z(t)-g；

其中，a_y(t)是y轴加速度信号；a_x(t)是x轴加速度；g是初始的重力加速度；

计算廓清的公式： $K\left(i\right)=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{FF}}\left(i\right)}{\∫\∫}}{a}_x\left(\mathrm{\τ}\right)\mathrm{d\τ};$

其中a_x是x轴加速度信号；

划圈半径：脚向横向划圈运动时的距离；

在水平方向的，划圈半径由以下公式来计算：

其中ay是y轴加速度信号。

所述三维人体步态定量分析系统包括：步态信息分析计算装置(1)、接收节点(2)、左足惯性测量节点(3)及右足惯性测量节点(4)组成；所述步态信息分析计算装置(1)、左足惯性测量节点(3)及右足惯性测量节点(4)分别与接收节点(2)信号连接；

所述左足惯性测量节点(3)及右足惯性测量节点(4)获取人体行走过程中左足和右足的加速度信息和角速度信息；并通过接收节点(2)将上述信息发送到步态信息分析计算装置(1)；

所述左足惯性测量节点(3)及右足惯性测量节点(4)分别由存储单元(9)、微处理器MCU(10)、六轴微惯性传感器(11)、电源模块(12)及无线收发模块(13)组成；所述存储单元(9)、六轴微惯性传感器(11)及无线收发模块(13)分别与微处理器MCU(10)信号连接；所述微处理器MCU(10)、六轴微惯性传感器(11)及无线收发模块(13)分别与电源模块(12)电连接；

所述步态信息分析计算装置(1)包括：依次数据连接的数据采集程序模块(5)、步态数据分析程序模块(6)。

所述三维人体步态定量分析系统进一步包括：与步态数据分析程序模块(6)数据连接的用户界面控制程序模块(7)。

所述三维人体步态定量分析系统进一步包括：与用户界面控制程序模块(7)数据连接的分析结果存储和打印程序模块(8)。

所述左足惯性测量节点(3)或右足惯性测量节点(4)通过测量节点绑定装置绑定在待测人体上；所述测量节点绑定装置包括：弹性绑带(a)、惯性测量节点盒(b)、尼龙易拉扣绑带(c)、薄钢片绑带(d)、旋转枢轴(e)、铰链活叶(f)及弧形减震支撑托(g)；其中，三片薄钢片绑带被固定在旋转枢轴，以旋转枢轴为中心轴旋转；两片薄钢片绑带中间以一段弹性绑带连接；在使用时将该支架分别穿戴在两只脚上，调整尼龙易拉扣绑带使得该支；架紧紧穿戴在足部，不发生移动；将两个惯性测量节点分别放入在每个支架的惯性测量节点盒中，然后开启电源，在被测对象开始行走后，采集被测对象的步态行走数据。

有益效果：由于采用了以上的方案，可实现以下优点：1)由于在双足上同时使用两个惯性测量节点，将两个惯性测量节点的数据进行分析融合，可以测量更准确的步态参数。获得单足测量方式所不能测量的信息如：双足支撑相、摆动相、单支撑相。2)在惯性数据采集方式上，在行走过程中将所采集数据首先存储在测量节点的存储单元，待行走过程完成后再通过有线或无线的方式传输给分析计算装置。可以获得对行走过程中所有步态信息的高速采集，不遗漏有特征的步态信息点。3)采用所设计的惯性测量节点的足部绑定装置，可以消除行走过程中惯性测量节点的固定位置移动所带来的测量误差，保证多次重复测量时惯性测量节点的固定位置的同一性。4)在步态分析计算程序模块，采用滑动窗口搜值法确定步态信息的特征点，能够更准确提取步态特征信息。5)在惯性数据存储方式上，提供了在测量节点上的以Flash或者SD卡存储的方式，同时可以对采集的数据进行预处理，然后再传输给分析计算装置，提高了数据处理效率。

附图说明

图1本发明三维人体步态定量分析系统结构图。

图2本发明步态信息分析计算装置结构图。

图3本发明左右足惯性测量节点的结构示意图。

图4本发明三维人体步态定量分析方法流程图。

图5本发明一个步态周期示意图。

图6本发明一个步态周期内角速度和滑动方差的曲线图。

图7本发明双足的运动信息曲线图。

图8本发明行走过程中坐标系的变换示意图。

图9本发明足角度示意图。

图10本发明步伐长度和划圈半径示意图。

图11本发明测量节点绑定装置侧视图。

图12本发明测量节点绑定装置后视图。

图13本发明测量节点绑定装置俯视图。

具体实施方式

下面结合附图和实施例对本发明进行详细说明。

本实施例的三维人体步态定量分析系统和方法，其系统结构示意图如图1所示。图1中的步态信息分析计算装置运行有软件系统，该软件的程序模块结构图如图2所示。图3显示了左右足惯性测量节点的结构示意图。

图3中数字表示1：步态信息分析计算装置(计算机或者手持终端如PDA、智能手机、iPAD等)2：接收节点3：左足惯性测量节点4：右足惯性测量节点5：数据采集程序模块6：步态数据分析程序模块7：用户界面控制程序模块8：分析结果存储和打印程序模块9：存储单元(扩展Flash芯片和SD卡)10：微处理器MCU 11：六轴微惯性传感器12：电源模块13：无线收发模块。

其中，所述左足惯性测量节点3或右足惯性测量节点4通过测量节点绑定装置绑定在待测人体上；如图11至图13，所述测量节点绑定装置包括：弹性绑带a、惯性测量节点盒b、尼龙易拉扣绑带c、薄钢片绑带d、旋转枢轴e、铰链活叶f及弧形减震支撑托g。

其中三片薄钢片绑带被固定在旋转枢轴，可以以旋转枢轴为中心轴旋转。两片薄钢片绑带中间以一段弹性绑带连接。在使用时将该支架分别穿戴在两只脚上，调整尼龙易拉扣绑带使得该支架紧紧穿戴在足部，不发生移动。将两个惯性测量节点分别放入在每个支架的惯性测量节点盒中，然后开启电源，在被测对象开始行走后，采集被测对象的步态行走数据。

运行在PC或者手持终端等步态分析计算装置上的步态数据分析程序模块按照如图4所示的数据分析流程，分析计算出人体步态参数，所计算的参数包括：步频、步长、步态周期、摆动相、支撑相、足偏角、足滚角、廓清和划圈半径等。

首先通过最初的滤波先剔除一些由采样采集到的误差，并且将器件的偏移减少。其次将惯性测量节点采集的双足步态数据进行分离，分别得到左、右足微惯性传感器的数据，这些数据包含了行走过程中左足和右足的加速度和角速度信息。左、右足的数据在处理的时候，先将加速度数据和角速度数据融合，这样分别得到左右足的步态周期，并且通过坐标系的投影将惯性系坐标下的加速度换算到世界坐标系下，通过数值积分的方法计算得到步长。再将两个惯性测量节点的数据融合，计算出来双足的步态周期。下面介绍具体的参数识别过程以及计算方法。

步态参数的计算与分析：

1.步数：测量时间内行走的步数。

步频：单位时间内行走的步数。

在所采集的数据中，z轴角速度变化的周期性有明显特点，z轴的角速度有多少个周期，就说明了测量时间内行走的步数(strides)。根据步频的定义可以得到步频计算公式为：

2.步态周期：行走一步所用的步行时间。步态周期又分为了脚跟离地、摆动相、脚跟击地、完全站立。一个步态周期如图5所示。

如图6所示，是一个周期内角速度以及滑动方差的图，以下是如何划分步态周期的过程：

t_HO(i)脚跟离地时间点：

该时间点是在每一步开始时，当滑动方差大于阈值的情况下，被认为是脚跟离地的时刻。

t_SW(i)摆动相时间点：

该时间点是z轴角速度第一次改变为正处所对应的时刻；

t_HS(i)脚跟击地时间点：

在一个步态周期内，y轴加速度达到最大负值的时刻是脚跟击地时间点。

t_FF(i)完全站立时间点：

当足部完全在地面上站平的时候，加速度信号会比较平稳，滑动方差也会变小，当滑动方差小于阈值的时刻就是完全站立开始的时间点。

综上所述，步态时相可以用以下各式表达和计算：

脚跟离地期：T_HO(i)＝t_SW(i)-t_HO(i)。

摆动期：T_SW(i)＝t_HS(i)-t_SW(i)。

脚跟着地期：T_HS(i)＝t_FF(i)-t_HS(i)。

完全站立期：T_FF(i)＝t_HO(i+1)-t_FF(i)。

步伐总时间：T(i)＝t_HO(i+1)-t_HO(i)。

双足运动过程：从双足运动的角度来看，步态周期分为单支撑相、双支撑相和摆动相。如图7所示，两个测量采集节点同时采集到的双足的数据，这个图里可以反映出来双足的运动信息。

当左脚脚跟离地时候到开始摆动相期间是左脚前双足支撑相(DSP1)；接着左脚发生摆动相，同时右脚处于单支撑相(SSP)；然后左脚脚跟击地，并且右脚脚跟离地，这个期间是左脚后双支撑相(DSP2)；最后左脚处于单支撑相(SSP)，同时右脚离地发生摆动相。

3坐标系变换：

如图8所示是在行走过程中坐标系相对位置的关系。X-Y-Z是实际物理坐标系，x-y-z是惯性器件的坐标系。坐标系相对位置的动态变化过程主要是在四个步行时相内的相对位置。

4足角度的计算

如图9，在行走过程中，足俯仰角有正角度和负角度两个阶段。该角度可以根据如下公式计算：

在脚跟离地期发生的负角度：

${\mathrm{\θ}}_{p(-)}=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{SW}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_Z\left(t\right)\mathrm{dt}+{\mathrm{\θ}}_{\mathrm{init}}\left(i\right).$

在摆动期发生的正角度： ${\mathrm{\θ}}_{p(+)}=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{HS}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_Z\left(t\right)\mathrm{dt}+{\mathrm{\θ}}_{\mathrm{init}}\left(i\right).$

其中θ_init(i)是初始角可以由以下公式计算：

${\mathrm{\θ}}_{\mathrm{init}}\left(i\right)=\frac{1}{N}\underset{k=\left[t_{\mathrm{HO}\left(i\right)-N}\right]}{\overset{\left[t_{\mathrm{HO}}\left(i\right)\right]}{\mathrm{\Σ}}}{\tan }^{-1}\frac{a_y\left(k\right)}{a_x\left(k\right)}.$

其中i代表第i步；N按照经验取N＝10；另外滚转方向还有偏转方向的角度可以由以下公式来评估：

足滚角：步行过程中，前进方向为轴的滚转角。

${\mathrm{\θ}}_r=\underset{t_{\mathrm{HO}\left(i\right)}}{\overset{t_{\mathrm{SW}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_y\left(t\right)\mathrm{dt}.$

足偏角：步行过程中垂直方向为轴与中心线的偏移角。

${\mathrm{\θ}}_y=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{SW}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_x\left(t\right)\mathrm{dt}.$

5.步伐长度：每一步的长度。

在Y方向上投影为：

a_Y(t)＝a_y(t)cosθ_z(t)+a_x(t)sinθ_z(t)。

θ_z(t)是惯性测量节点转过的角度。

对加速度积分可以得到步伐长度L(i)为：

图10：步长和划圈半径示意图。

6廓清：行走过程中足部离开地面的高度。

与步长类似，在竖直方向的投影为：a_X(t)＝a_y(t)sinθ_z(t)+a_x(t)sinθ_z(t)-g。

计算廓清的公式： $K\left(i\right)=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{FF}}\left(i\right)}{\∫\∫}}{a}_x\left(\mathrm{\τ}\right)\mathrm{d\τ}.$

7划圈半径：脚向横向划圈运动时的距离。

在水平方向的，划圈半径可以由以下公式来计算：

以上内容是结合优选技术方案对本发明所做的进一步详细说明，不能认定发明的具体实施仅限于这些说明。对本发明所属技术领域的普通技术人员来说，在不脱离本发明的构思的前提下，还可以做出简单的推演及替换，都应当视为本发明的保护范围。

Claims (5)

1.一种三维人体步态定量分析方法，包括以下步骤：

步骤100：左足惯性测量节点(4)、右足惯性测量节点(5)中的六轴微惯性传感器(11)分别获取人体行走过程中左足和右足的加速度信息和角速度信息；

步骤200：接收节点(2)采集左足和右足的加速度信息和角速度信息，形成双足步态数据，并将双足步态数据传送至步态信息分析计算装置(1)；

步骤300：步态信息分析计算装置(1)分析计算出人体步态参数，所述人体步态参数包括：步频、步长、步速、步行周期、步行时相、角度信息、廓清和划圈半径；所述步行时相包括：脚跟离地期、摆动相、脚跟击地期、完全站立相；所述角度信息包括：足偏角、足滚角、足俯角；包括以下子步骤：

步骤310：步态信息分析计算装置(1)中的数据采集程序模块(5)采样采集到的双足步态数据，并将采样采集到的双足步态数据送入步态信息分析计算装置(1)中的步态数据分析程序模块(6)；

步骤320：步态数据分析程序模块(6)将采样采集到的双足步态数据进行滤波，剔除误差，减少器件偏移；

步骤330：步态数据分析程序模块(6)将滤波后的双足步态数据进行分离，分别得到人体行走过程中左足和右足的加速度信息和角速度信息；

步骤340步态数据分析程序模块(6)通过测量单位时间内z轴角速度的周期，计算得到人体行走的步频，具体步骤如下：

提取z轴的角速度的周期数，即是测量时间内行走的步数strides；步频计算公式为：

其中，f_stride为步频，T为测量时间，strides为测量时间内行走的步数；

步骤350：步态数据分析程序模块(6)将左足的加速度信息和角速度信息进行数据融合，得到左足的步行周期；其中，步行周期：行走一步所用的步行时间；步行周期分为脚跟离地、摆动相、脚跟击地、完全站立四个部分；

滑动方差可以衡量信号的波动剧烈程度，可以由以下公式计算：

计算窗口平均值： $E_i\left(j\right)=\frac{1}{M}\underset{j=0}{\overset{M}{\mathrm{\Σ}}}a(j+i);$

窗口内滑动方差大小： $D\left(i\right)=\frac{1}{M}\underset{j=0}{\overset{M}{\mathrm{\Σ}}}{[a(j+i)-E\left(i\right)]}^2;$

其中，M是窗口大小，根据采样频率的大小，这里按照经验值取M＝20；E_i(j)是窗口的平均值；D(i)是滑动窗口中的滑动方差；i与j是采样序列号。

t_HO(i)脚跟离地时间点：

在每一步开始时，当滑动方差满足：D(i)＞λ时，是脚跟离地时间点；其中D(i)是滑动方差，阈值λ是经验值，是根据本专利的采样条件以及信号水平选取的值；

t_SW(i)摆动相时间点：

z轴角速度第一次改变为正处所对应的时刻是摆动相时间点；

t_HS(i)脚跟击地时间点：

在一个步行周期内，y轴加速度达到最大负值的时刻是脚跟击地时间点；

t_FF(i)完全站立时间点：

当滑动方差满足：D(i)＜λ时，该时刻是完全站立时间点；其中D(i)是滑动方差，阈值λ是经验值，是根据采样条件以及信号水品选取的值；

综上所述，步态时相可以用以下各式表达和计算：

脚跟离地期：T_HO(i)＝t_SW(i)-t_HO(i)；

摆动期：T_SW(i)＝t_HS(i)-t_SW(i)；

脚跟着地期：T_HS(i)＝t_FF(i)-t_HS(i)；

完全站立期：T_FF(i)＝t_HO(i+1)-t_FF(i)；

步伐总时间：T(i)＝t_HO(i+1)-t_HO(i)；

其中i代表第i步，i+1代表第i+1步；

同理，得到右足的步态时相；

步骤360：步态数据分析程序模块(6)将将左足步行周期和右足步行周期融合，得到双足运动步态周期；

双足运动步行周期分为单支撑相、双支撑相和摆动相；

当左脚脚跟离地时候到开始摆动相期间是左脚前双足支撑相DSP1；接着左脚发生摆动相SW，同时右脚处于单支撑相SSP；然后左脚脚跟击地，并且右脚脚跟离地，这个期间是左脚后双支撑相DSP2；最后左脚处于单支撑相SSP，同时右脚离地发生摆动相SW；其中，双足步态时相是根据以下过程得到的：

检测双足步态周期的过程如下：

首先，从左脚脚跟离地时候到开始摆动相期间是左脚前双足支撑相DSP1，检测到左脚与地面接触的时间，并且同时满足右脚与地面接触的时间为左脚前双足支撑相；

左脚发生摆动相，同时右脚处于单支撑相SSP；检测到左脚的摆动相的同时，并且判断右脚是否与地面接触，得到了右脚的单支撑相；

左脚在摆动相完成后，与地面接触，同时判断右脚是否与地面接触，这个期间是左脚后双支撑相DSP2；

右脚摆动相开始，并且判断左脚与地面接触的时间段内，发生了左脚的单支撑相SSP；

步骤370：步态数据分析程序模块(6)通过坐标系的投影将惯性系坐标下的加速度换算到世界坐标系下，计算得到足角度；通过数值积分的方法分别计算得到左足步长和右足步长；

坐标系变换：X-Y-Z是实际物理坐标系，x-y-z是六轴微惯性传感器(12)的坐标系；坐标系相对位置的动态变化过程是在四个步行时相内的相对位置；

足角度的计算：在行走过程中，足俯仰角有正角度和负角度两个阶段；该角度可以根据如下公式计算：

在脚跟离地期发生的负角度：

${\mathrm{\θ}}_{p(-)}=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{SW}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_Z\left(t\right)\mathrm{dt}+{\mathrm{\θ}}_{\mathrm{init}}\left(i\right);$

在摆动期发生的正角度： ${\mathrm{\θ}}_{p(+)}=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{HS}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_Z\left(t\right)\mathrm{dt}+{\mathrm{\θ}}_{\mathrm{init}}\left(i\right);$

其中，

是测量得到的z轴的角速度信号；θ_init(i)是初始角由以下公式计算：

${\mathrm{\θ}}_{\mathrm{init}}\left(i\right)=\frac{1}{N}\underset{k=\left[t_{\mathrm{HO}\left(i\right)-N}\right]}{\overset{\left[t_{\mathrm{HO}}\left(i\right)\right]}{\mathrm{\Σ}}}{\tan }^{-1}\frac{a_y\left(k\right)}{a_x\left(k\right)};$

其中i代表第i步；N按照经验取N＝10；a_y、a_x是测量得到的加速度序列；另外滚转方向还有偏转方向的角度由以下公式来评估：

足滚角：步行过程中，前进方向为轴的滚转角；

${\mathrm{\θ}}_r=\underset{t_{\mathrm{HO}\left(i\right)}}{\overset{t_{\mathrm{SW}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_y\left(t\right)\mathrm{dt};$

其中，

是测量得到的y轴角速度信号。

足偏角：步行过程中垂直方向为轴与中心线的偏移角；

${\mathrm{\θ}}_y=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{SW}}\left(i\right)}{\∫}}{\stackrel{\·}{\mathrm{\θ}}}_x\left(t\right)\mathrm{dt};$

其中，

是测量得到的y轴角速度信号；

步骤380：步态数据分析程序模块(6)通过坐标系的投影将惯性系坐标下的加速度换算到世界坐标系下，通过数值积分的方法分别计算得到步伐长度即每一步的长度；具体步骤如下：

加速度信号在Y方向上投影为：

a_Y(t)＝a_y(t)cosθ_z(t)+a_x(t)sinθ_z(t)；

其中，a_y(t)是y轴加速度；a_x(t)是x轴加速度；θ_z(t)是惯性测量节点转过的角度；

对加速度积分可以得到步伐长度L(i)为：

步骤390：步态数据分析程序模块(6)通过坐标系的投影将惯性系坐标下的加速度换算到世界坐标系下，计算得到廓清与划圈半径；具体步骤如下：

廓清：行走过程中足部离开地面的高度；

加速度信号在竖直方向的投影为：a_X(t)＝a_y(t)sinθ_z(t)+a_x(t)sinθ_z(t)-g；

其中，a_y(t)是y轴加速度信号；a_x(t)是x轴加速度；g是初始的重力加速度；

计算廓清的公式： $K\left(i\right)=\underset{t_{\mathrm{HO}}\left(i\right)}{\overset{t_{\mathrm{FF}}\left(i\right)}{\∫\∫}}{a}_x\left(\mathrm{\τ}\right)\mathrm{d\τ};$

其中a_x是x轴加速度信号；

划圈半径：脚向横向划圈运动时的距离；

在水平方向的，划圈半径由以下公式来计算：

其中a_y是y轴加速度信号。

2.一种三维人体步态定量分析系统，其特征在于，所述三维人体步态定量分析系统包括：步态信息分析计算装置(1)、接收节点(2)、左足惯性测量节点(3)及右足惯性测量节点(4)组成；所述步态信息分析计算装置(1)、左足惯性测量节点(3)及右足惯性测量节点(4)分别与接收节点(2)信号连接；

所述左足惯性测量节点(3)及右足惯性测量节点(4)获取人体行走过程中左足和右足的加速度信息和角速度信息；并通过接收节点(2)将上述信息发送到步态信息分析计算装置(1)；

所述左足惯性测量节点(3)及右足惯性测量节点(4)分别由存储单元(9)、微处理器MCU(10)、六轴微惯性传感器(11)、电源模块(12)及无线收发模块(13)组成；所述存储单元(9)、六轴微惯性传感器(11)及无线收发模块(13)分别与微处理器MCU(10)信号连接；所述微处理器MCU(10)、六轴微惯性传感器(11)及无线收发模块(13)分别与电源模块(12)电连接；

所述步态信息分析计算装置(1)包括：依次数据连接的数据采集程序模块(5)、步态数据分析程序模块(6)。

3.根据权利要求2所述的三维人体步态定量分析系统，其特征在于，所述三维人体步态定量分析系统进一步包括：与步态数据分析程序模块(6)数据连接的用户界面控制程序模块(7)。

4.根据权利要求3所述的三维人体步态定量分析系统，其特征在于，所述三维人体步态定量分析系统进一步包括：与用户界面控制程序模块(7)数据连接的分析结果存储和打印程序模块(8)。

5.根据权利要求2所述的三维人体步态定量分析系统，其特征在于，所述左足惯性测量节点(3)或右足惯性测量节点(4)通过测量节点绑定装置绑定在待测人体上；所述测量节点绑定装置包括：弹性绑带(a)、惯性测量节点盒(b)、尼龙易拉扣绑带(c)、薄钢片绑带(d)、旋转枢轴(e)、铰链活叶(f)及弧形减震支撑托(g)；

其中，三片薄钢片绑带被固定在旋转枢轴，以旋转枢轴为中心轴旋转；两片薄钢片绑带中间以一段弹性绑带连接；在使用时将该支架分别穿戴在两只脚上，调整尼龙易拉扣绑带使得该支；架紧紧穿戴在足部，不发生移动；将两个惯性测量节点分别放入在每个支架的惯性测量节点盒中，然后开启电源，在被测对象开始行走后，采集被测对象的步态行走数据。

Images