CN103083025A

CN103083025A - 步态分析装置

Info

Publication number: CN103083025A
Application number: CN2012104254900A
Authority: CN
Inventors: 福家佐和; 铃木琢治; 长健太
Original assignee: Toshiba Corp
Current assignee: TDK Corp
Priority date: 2011-10-31
Filing date: 2012-10-30
Publication date: 2013-05-08
Anticipated expiration: 2032-10-30
Also published as: JP2013094316A; US10765347B2; US20130110010A1; CN103083025B; JP5740285B2

Abstract

根据实施例，步态分析装置包括测量单元，配置为测量对象的运动；判定单元，被配置为基于对象的运动来判定对象开始行走的行走开始时间点；特征量计算部，被配置为当判定了行走开始时间点时，计算在从行走开始时间点开始的预定期间内测量的对象的运动的特征量，该预定期间作为对象的运动不稳定的期间；以及推定单元，被配置为基于特征量推定对象的行走状况。

Description

步态分析装置

相关申请的交叉引用

这个专利申请基于2011年10月31日提交的第2011-238246号日本专利申请，并要求其优先权；其全部内容通过引用被结合在此。

技术领域

在此描述的实施例大体涉及步态分析装置。

背景技术

为了观察疾病的过程、防止跌倒等等的目的，已经开发了评估使用各种传感器装置的步态运动的装置。在医疗实践中，要求对象做出需要平衡能力的动作（单足站立等等），并且观察对象的行为以判定跌倒危险性。

然而，在相关的技术中，在假定对象保持行走的情况下进行测量和疾病程度的推定，所以难以从行走开始的短时间内推定行走状况和跌倒危险性。此外，在医疗实践中实施的技术具有因为要求对象做出需要平衡能力的动作，所以对象具有危险并且感觉受到负担的问题。

发明内容

实施例的目的是提供一种能够在短期内推定对象的行走状况的步态分析装置。

根据如上所述的分析装置，能够在短期内推定对象的行走状况。

附图说明

图1是根据实施例的步态分析装置的硬件结构图；

图2是图解根据实施例的步态分析装置的安装状态的示意图；

图3是图解根据实施例的步态分析装置的功能框图；

图4是图解加速度、判定结果和分析对象之间的关系的图表；

图5是图解特征量计算的分析实例的图表；

图6是图解作为分类实例学习的三个等级的标签的表；

图7是图解输出单元的输出实例的概念图；和

图8是图解根据实施例的步态分析装置的操作的流程图。

具体实施方式

以下将参照附图详细地描述实施例。图1是图解根据实施例的步态分析装置1的结构的图。如图1图解的，步态分析装置1包含主体单元10和佩带单元30。

该主体单元10包含控制单元12、存储单元14、输入单元16、输出单元18、检测单元20和通信单元22。该控制单元12例如包含中央处理器（CPU）120，并且控制组成该主体单元10的各个部件。该存储单元14包含附图中未图解的只读存储器（ROM）、随机存取存储器（RAM）等等，并且在其中存储由控制单元12执行的程序、对于控制单元12执行程序所使用的数据等等。此外，诸如存储卡的存储介质140被可拆卸地附接到主体单元10，诸如存储卡的存储介质140具有将程序和数据发送至存储单元14/从存储单元14接收程序和数据的功能。

输入单元16例如包括输入键或者开关，并且接收用户对主体单元10的输入。输出单元18例如包括诸如液晶板的显示单元180、输出声音等等的扬声器182和振动器（未图解）。输出单元18通过屏幕显示、声音和振动中的至少一种来输出主体单元10的状态和主体单元10的处理操作结果。输入单元16可以通过触摸板与显示单元180成一体。

检测单元20例如包括具有128Hz采样频率的三轴加速度传感器，并且具有例如±6G以上的加速度测量范围。例如，当步态分析装置1被佩带在步态分析对象上时，检测单元20检测垂直方向上的加速度、对象的移动方向上的加速度、以及大致与对象的移动方向正交的水平方向（左右方向）上的加速度（三个方向上的加速度）。

该通信单元22包含与外部进行通信的通用接口，并且被配置为可连接到例如有线通信、长途无线通信和近场通信（NFC）中的任何一个。

例如，佩带单元30被配置有缠绕在对象的腰部上的皮带等等，并且例如，该主体单元10被佩带在对象的腰部附近。

图2是图解步态分析装置1被佩带在对象的腰部附近的状态以及由步态分析装置1测量的加速度的方向的示意图。如图2图解的，当被佩带在对象的腰部附近时，步态分析装置1检测垂直方向（Y方向）上的加速度、对象的移动方向（Z方向）上的加速度、和大致与对象的移动方向正交的水平方向（X方向）上的加速度。

接下来，将描述步态分析装置1的功能。图3是图解步态分析装置1的功能的概要的方框图。图4是图解由检测单元20检测的加速度数据、将稍后描述的判定单元42的判定结果、以及由提取单元44提取的分析对象的图表。

如图3图解的，该步态分析装置1包含测量单元40、判定单元42、提取单元44、分析单元46、推定单元48以及输出单元18。图3中图解输出单元18对应于图1中图解的输出单元18。

该测量单元40检测对象的运动。具体地，该测量单元40包含检测单元20，并且检测例如按照对象的运动变化的三个方向中的加速度以及测量对象的运动（加速度）。例如，当打开主体单元10的电源时，测量单元40连续地测量三个方向上的加速度，该三个方向上的加速度被用于输出通过该步态分析装置1推定对象的行走状况的结果。例如，由测量单元40测量的所有的加速度数据连同时间一起被存储在存储单元14（图1）中，直到不再需要。

该判定单元42基于测量单元40的测量结果判定对象是否已经开始行走。具体地，判定单元42首先获取存储在存储单元14中的加速度数据，并且计算由测量单元40以预定时间间隔（第一时间间隔a）在预定时间帧（第一设定期间A）之内测量的加速度数据的方差。例如，如图4图解的，判定单元42计算以0.5秒的间隔（a=0.5秒）由测量单元40最近测量0.5秒（A=0.5秒）的加速度数据的方差。这里，当检测单元20的采样频率是128Hz时，测量单元40测量在第一设定期间A（A=0.5秒）之内的每个方向的64个加速度数据。第一时间间隔a较佳地是0.5秒以下。第一设定期间A可以被设定成比第一时间间隔“a”长。

接下来，当加速度数据的方差等于或者小于预定阈值（阈值σ）的期间持续第二设定期间B以上、然后加速度数据的方差大于阈值σ的期间持续第三设定期间C以上时，判定单元42（图3）将加速度数据的方差超过阈值σ的时间点（或者，最终判定加速度数据的方差等于或者小于阈值σ的时间点）判定为对象已经开始行走的行走开始时间点。例如，阈值σ被设定为0.04。较佳地，第二设定期间B和第三设定期间C中的每一个都有具有2秒到6秒的范围的值。

例如，如图4图解的，当加速度数据的方差等于或者小于阈值σ的期间持续6秒（第二设定期间B=6秒）以上、然后加速度数据的方差大于阈值σ的期间持续6秒（第三设定期间C=6秒）以上时，该判定单元42追溯地将加速度数据的方差超过阈值σ的时间点（第三设定期间C的开始时刻）判定为对象已经开始行走的行走开始时间点。在图4图解的实例中，在214秒（由测量单元40计时的），该判定单元42判定对象已经在208秒开始行走。如此，该判定单元42判定行走开始时间点，以及判定该对象是否已经开始行走。这里，判定单元42可以被配置为计算标准偏差，而不是方差。

这里，当判定单元42判定对象已经开始行走时，提取单元44（图3）从测量单元40的测量结果中提取用于分析的数据组。具体地，当判定单元42判定对象已经开始行走时，提取单元44在提取期间从存储在存储单元14中的加速度数据中提取由测量单元40测量的加速度数据，该提取期间是从行走开始时间点开始直到经过第四设定期间D为止。例如，该第四设定期间D（提取期间）被设定为3秒。

此外，提取单元44同样在多个其他提取期间，从存储在存储单元14中的加速度数据中提取由测量单元40测量的多个加速度数据，通过从行走开始时间点开始以预定时间间隔（第二时间间隔b）依序地延迟提取期间的开始时刻来获得多个其他提取期间。

例如，如图4图解的，当判定单元42判定对象已经开始行走时，提取单元44在提取期间D1提取由测量单元40测量的加速度数据，该提取期间D1是从行走开始时间点开始直到经过3秒（第四设定期间D=3秒）为止。此外，该提取单元44提取由测量单元40测量的六组加速度数据。例如，在通过从行走开始时间点开始以0.5秒的间隔（第二时间间隔b=0.5）依序地延迟提取期间的开始时刻所获得的六个其他提取期间D2到D7的期间。在下文中，当不需要在提取期间D1到D7之间进行区分时，提取期间D1到D7可以被简单地总称为提取期间D（或者第四设定期间D）。然后，由提取单元44提取的加速度数据被对应于分析单元46中使用的用于分析的数据组。

分析单元46（图3）包含特征量计算单元460和变化值计算单元462。特征量计算单元460计算由提取单元44提取的加速度数据的特征量。具体地，特征量计算单元460接收在分析时期由提取单元44提取的数据，例如，如图5图解的，例如计算对于每个提取期间D的垂直方向上的加速度数据的自相关函数，并且将第一峰值（或者第二峰值）设定为最大自相关值。特征量计算单元460可以被配置为过滤数据组以使数据组中的低频成分通过，然后计算该自相关函数。在图5中，该提取期间D简单地由D表示，并且提取时间D1到D7简单地分别由D1到D7表示。特征量计算单元460将每个计算的最大自相关值作为每个提取期间D的特征量输出到变化值计算单元462和推定单元48。

当加速度数据具有周期性时，由特征量计算单元460计算的自相关函数具有除了零（0）以外的值，并且具有该值随着加速度数据的振幅增加以及噪音减少而增加的特性。例如，如图5图解的，提取期间D1中的最大自相关值小于提取期间D2到D7中的每个值。换句话说，提取期间D1是在对象没有动态运动的状态（例如，静止状态）和运动被稳定的状态之间的过渡状态。因此，在提取期间D1中，认为加速度数据的振幅小并且认为该周期性低。

特征量计算单元460可以被配置为将在由检测单元20检测的左右方向上的加速度数据之中由提取单元44提取的用于分析的数据组的左右对称性计算作为特征量。例如，特征量计算单元460可以将在每个提取期间D由检测单元20检测的左右方向（X方向）上的加速度数据的平均值计算作为特征量。

变化值计算单元462（图3）计算作为由特征量计算单元460计算的每个提取期间D的最大自相关值中的变化的指标的数值（变化值）。例如，变化值计算单元462计算每个提取期间D的最大自相关值（参见图5中图解的变化）的方差或者标准偏差、或者使用在被用作基准的提取期间D的最大自相关值和其他提取期间D的最大自相关值之间的差异的总和的值，作为该变化值。这里，当对象的运动被稳定时，认为最大自相关值中的变化减少。

变化值计算单元462可以被配置为计算相对于由检测单元20检测的左右方向上的加速度由提取单元44提取的分析对象的左右对称性的变化值。例如，变化值计算单元462可以将在每个提取期间D中由特征量计算单元460计算的左右方向（X方向）上的加速度数据的平均值的方差计算作为变化值。

这里，因为具有极好的平衡能力的对象早已进入稳定步态的状态，所以要是具有极好的平衡能力的对象的话，就认为每个提取期间D的特征量中的变化即时地减少。

该推定单元48接收由特征量计算单元460计算的特征量和由变化值计算单元462计算的变化值，并且使用接收的特征量和变化值中的至少一个来推定对象的行走状况。

例如，推定单元48接收提取期间D1的最大自相关值和提取期间D1到D7的最大自相关值的方差作为输入，并且使用分类器将对象的行走状况分类成为“安全”、“注意（小心）”、和“高危险”的三个等级。

例如，推定单元48使用支持向量机（SVM）的算法作为分类器。SVM是通过采用核函数来进行非线性分类的两个等级模式分类技术。然而，推定单元48通过使用扩展方法来实现三个等级的分类，该扩展方法使用为了多等级分类的诸如一对一（one-against-one）技术和一对全部（one-against-all）技术的多个分类器。

例如，推定单元48将对象的行走状况分类成为图6中图解的三个等级。“安全”、“注意”、和“高危险”的标签（等级标签）分别被附接到三个等级。

这里，将详细地描述标签。如图6图解的，例如，每个标签与代表平衡能力的分数范围相关联。与每个标签相关联的分数范围对应于Berg平衡量表（berg balance scale，BBS）分数。BBS指的是包含诸如单足站立和转向的14种动作的平衡测试，而且利用0到56点的分数（从0到4来记分14种动作中的每一种）来对评估对象的平衡能力进行估计。

推定单元48基于先前测量的数据被预期地训练。预先地，准备在对象的步态期间的加速度数据的特征量和变化作为训练数据，该对象包含跌倒危险性比较高的人和具有高平衡能力的人。对于相同的对象使用BBS的分数被预先测量。训练该推定单元48以使特征量和变化值与代表行走状况的分数范围相关联。

换句话说，推定单元48进行学习三个标签之间的关系以预先分类行走状况和特征量以及变化值，并且基于行走状况被最近分析的对象的特征量和变化值来分类（推定）对象的行走状况。

该推定单元48可以被配置为使用特征量和变化值中的至少一个来推定对象的行走状况。该推定单元48可以被配置为不使用学习算法，通过简单地将阈值设定为特征量和变化值来推定行走状况。推定单元48可以使用神经网络作为另一种算法或者可以被配置为使用自身组织映射、核的主分量分析（核的PCA）等等来进行空间的压缩，然后执行模式识别算法。

输出单元18（图3）接收和输出推定单元48的推定结果。图7是图解输出单元18的输出实例的概念图。如图7图解的，输出单元18通过诸如显示器上的图像或者声音的信号来输出代表推定单元48的推定结果的标签。该输出单元18可以被配置为输出分析单元46的计算结果和推定单元48的推定结果中的至少一个。

接下来，将描述步态分析装置1的操作。图8是当根据实施例的步态分析装置1执行与图3中图解的功能相对应的程序时的操作的流程图。例如，步态分析装置1在对象没有进行诸如行走的动态行为的状态（例如，静止状态）中被接通电源，然后开始步态分析。

参考图8，在步骤S100中，例如，当步态分析装置1被接通电源时，检测单元20开始检测对象的加速度。

在步骤S102中，该判定单元42判定第一时间间隔“a”（图4中的间隔“a”）是否已经经过。这里，当判定单元42判定第一时间间隔“a”已经经过（在步骤S102中的“是”）时，处理进行到步骤S104。然而，当判定该第一时间间隔“a”还没有经过（在步骤S102中的“否”）时，继续进行步骤S102的处理。

在步骤S104中，判定单元42计算例如在第一设定期间A之内由测量单元40测量的加速度数据的方差。

在步骤S106中，判定单元42判定在步骤S104的处理中计算的加速度数据的方差是否等于或者小于预定的阈值（阈值σ）。这里，当判定单元42判定该加速度数据的方差等于或者小于阈值σ（在步骤S106中的“是”）时，该处理进行到步骤S108。然而，当判定该加速度数据的方差大于该阈值σ（在步骤S106中的“否”时），处理进行到步骤S112。另外地，该处理可以进行到步骤S102然后继续。

在步骤S108中，判定单元42判定加速度数据的方差等于或者小于阈值σ的期间是否持续第二设定期间B以上。这里，当判定单元42判定加速度数据的方差等于或者小于阈值σ的期间持续了第二设定期间B以上（在步骤S108中的“是”）时，处理进行到步骤S110。但是，当判定单元42判定加速度数据的方差等于或者小于阈值σ的期间没有持续第二设定期间B以上（在步骤S108中的“否”）时，处理进行到步骤S102。

在步骤S110中，该判定单元42判定加速度数据的方差是否大于阈值σ。这里，当判定单元42判定该加速度数据的方差大于阈值σ（在步骤S110中的“是”），处理进行到步骤S112。然而，当判定加速度数据的方差等于或者小于阈值σ（在步骤S110中的“否”）时，处理进行到步骤S102。

在步骤S112中，判定单元42判定加速度数据的方差大于阈值σ的期间是否持续第三设定期间C以上。这里，当判定单元42判定加速度数据的方差大于阈值σ的期间持续了第三设定期间C以上（在步骤S112中的“是”）时，处理进行到步骤S114。然而，当判定单元42判定加速度数据的方差大于阈值σ的期间没有持续第三设定期间C以上（在步骤S112中的“否”）时，处理进行到步骤S102。

在步骤S114中，判定单元42判定行走开始时间点。

在步骤S116中，提取单元44接收判定单元42的判定结果并且提取分析对象。

在步骤S118中，特征量计算单元460接收由提取单元44提取的用于分析的数据组，并且计算特征量。

在步骤S120中，变化值计算单元462接收由特征量计算单元460计算的特征量，并且计算变化值。

在步骤S122中，该推定单元48接收由特征量计算单元460计算的特征量和由变化值计算单元462计算的变化值中的至少一个，然后推定对象的行走状况。

在步骤S124中，输出单元18输出由推定单元48计算的推定结果。

同时，该步态分析装置1可以被配置为使用由检测单元20检测的三个方向上的所有的加速度（或者使用三个方向上的加速度的任意的组合）来推定对象的行走状况，或者可以被配置为使用基于一个方向上的加速度数据计算的特征量和变化值中的至少一个来推定对象的行走状况。上述实施例已经连同实例一起被描述，在该实例中，由特征量计算单元460计算的特征量不同于由变化值计算单元462计算的变化值。然而，步态分析装置1可以被配置为通过将由变化值计算单元462计算的变化值视作一个特征量来推定对象的行走状况。换句话说，步态分析装置1可以被配置为通过将由分析单元46计算的所有的值视作与对象的运动相对应的特征量来推定对象的行走状况。

此外，在该步态分析装置1中，当基于提取期间D1的加速度数据推定对象的行走状况时，与该提取期间D1相同的期间（图4中图解的实例中的3秒）被设定为对象的运动并不稳定的最初的期间。此外，当基于提取期间D1到D7的加速度数据推定对象的行走状况时，该提取期间是行走开始时间点和提取期间D7的终点之间的期间（图4中图解的实例中的6秒），并且被设定为对象的运动首次不稳定的期间。

该步态分析装置1不局限于上述实施例中描述的结构。例如，步态分析装置1可以被配置为使得主体单元10包含检测单元20（或者测量单元40）和通信单元22，而且经由网络连接到主体单元10的个人计算机（PC）等等包含判定单元42、提取单元44、分析单元46、推定单元48和输出单元18。

该主体单元10可以利用佩带单元30被直接附接在对象的身体上，而且可以利用粘合构件被附接或者可以被安装到背包等等。

由当前的实施例的步态分析装置1执行的程序被配置为包含用于实现上述组件（判定单元42、提取单元44、分析单元46和推定单元48）的模块。

根据如上所述的实施例的步态分析装置，该步态分析装置包含配置为测量对象的运动的测量单元；配置为基于对象的运动来判定对象开始行走的行走开始时间点的判定单元；特征量计算部，被配置为当判定了行走开始时间点时，计算在从行走开始时间点开始的预定期间测量的对象的运动的特征量，该预定期间作为对象的运动不稳定的期间；以及配置为基于特征量推定对象的行走状况的推定单元。因此，可以在短期内推定对象的行走状况。此外，根据如上所述的实施例的步态分析装置，即使对象没有做出具有高危险和重负的复杂动作，也可以推定跌倒危险性。

虽然已经描述了某些实施例，但是这些实施例仅仅是通过举例而给出的，并不是想要限定本发明的范围。实际上，在此描述的新的实施例可以包含在各种其他形态之中；此外，在没有违背本发明的精神的情况下，能够以在此描述的实施例的形式，作出各种省略、替换和变化。附带的如权利要求书和它们的等效物意欲覆盖这种属于本发明的范围和精神的形式或变形。

Claims

1.一种步态分析装置，其特征在于，包括：

测量单元，被配置为测量对象的运动；

判定单元，被配置为基于所述对象的运动来判定所述对象开始行走的行走开始时间点；

特征量计算部，被配置为当判定了所述行走开始时间点时，计算在从所述行走开始时间点开始的预定期间内测量的所述对象的运动的特征量，所述预定期间作为所述对象的运动不稳定的期间；以及

推定单元，被配置为基于所述特征量推定对象的行走状况。

2.如权利要求1所述的步态分析装置，其特征在于，

所述推定单元通过模式识别算法来推定所述对象的行走状况，所述模式识别算法接收由所述特征量计算部计算的所述特征量作为输入，并且输出具有不同的跌倒危险级别的多个等级标签中的一个。

3.如权利要求1所述的步态分析装置，其特征在于，

所述测量单元测量至少一个方向上的加速度数据，所述加速度数据响应于所述对象的运动而改变。

4.如权利要求3所述的步态分析装置，其特征在于，

当以第一时间间隔在第一设定期间内由所述测量单元测量的加速度数据的方差等于或者小于预定阈值的期间持续第二设定期间以上之后、所述加速度的所述方差大于所述阈值的期间持续第三设定期间以上时，所述判定单元将所述加速度的所述方差超过所述阈值的时间点判定为所述行走开始时间点。

5.如权利要求4所述的步态分析装置，其特征在于，

所述测量单元测量所述对象的垂直方向上的加速度和大致与所述对象的移动方向正交的水平方向上的加速度中的至少一个加速度，并且

从所述行走开始时间点开始直到第四设定期间过去为止，所述特征量计算部计算由所述测量单元测量的加速度的特征量。

6.如权利要求5所述的步态分析装置，其特征在于，

所述特征量计算部计算由所述测量单元测量的垂直方向上的所述加速度的自相关函数中的最大自相关值、和水平方向上的所述加速度的平均值中的至少一个，作为所述特征量。

7.如权利要求5所述的步态分析装置，其特征在于，

所述特征量计算部计算在多个期间内由所述测量单元测量的加速度的特征量，所述多个期间通过从所述行走开始时间点开始以第二时间间隔依序地延迟所述第四设定期间来获得。

8.如权利要求7所述的步态分析装置，其特征在于，

所述特征量计算部计算在多个期间内测量的垂直方向上的所述加速度的自相关函数中的多个最大自相关值、和所述水平方向上的所述加速度的多个平均值中的任一个或者两个，作为所述特征量，

所述步态分析装置进一步包含变化值计算部，所述变化值计算部被配置为计算所述多个最大自相关值的变化值、和所述多个平均值的变化值中的至少一个，并且

所述推定单元基于所述变化值和所述特征量中的至少一个来推定所述对象的行走状况。

9.如权利要求8所述的步态分析装置，其特征在于，

所述推定单元通过模式识别算法来推定所述对象的行走状况，所述模式识别算法接收所述特征量和所述变化值中的至少一个作为输入，并且输出具有不同的跌倒可能性级别的多个等级标签中的至少一个。

10.如权利要求9所述的步态分析装置，其特征在于，进一步包含输出单元，所述的输出单元被配置为输出所述特征量、所述变化值和所述推定单元的推定结果中的至少一个。