CN103519819A - 步态分析方法及步态分析系统 - Google Patents
步态分析方法及步态分析系统 Download PDFInfo
- Publication number
- CN103519819A CN103519819A CN201310282004.9A CN201310282004A CN103519819A CN 103519819 A CN103519819 A CN 103519819A CN 201310282004 A CN201310282004 A CN 201310282004A CN 103519819 A CN103519819 A CN 103519819A
- Authority
- CN
- China
- Prior art keywords
- phase
- signal
- amplitude
- gait
- dynamic threshold
- 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.)
- Granted
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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
Abstract
本申请涉及一种步态分析方法及步态分析系统。一种步态分析方法由步态分析系统实施,步态分析系统包括感测单元、处理单元以及储存单元,处理单元分别与感测单元及储存单元电性连接,储存单元储存复数运算程序,步态分析方法包括:由感测单元感测步态并输出感测信号,其中步态周期包含站立期、推蹬期、摆动期及触地期;由处理单元依据感测信号得到向量振幅信号及振幅累积信号;依据向量振幅信号、振幅累积信号辨识站立期、推蹬期、摆动期及触地期,推蹬期、摆动期及触地期依据动态阈值来决定;以及依据站立期、推蹬期、摆动期及触地期对步态进行分类。本发明还公开一种步态分析系统。
Description
技术领域
本发明涉及一种步态分析方法及步态分析系统。
背景技术
一般而言,神经病变与骨骼肌肉系统的疾病都会造成行走的问题,从临床的角度来看,疾病的状态改变了肌肉、骨骼及神经,乃至于关节的协调平衡及互动,因而影响了步态(gait),而步态分析(gait analysis)可以抽丝剥茧帮我们分解出来,因此,在骨科学,复健学及神经学的领域里,应用步态分析来解决临床问题的研究正如雨后春笋地发展了起来。
步态分析主要目的为提供医师详细的评估信息,以厘清受试者本身神经肌肉骨骼系统的症结,经由这些评估结果,医师可拟定最佳的治疗计划,以规划手术、复健或穿戴辅具的方式对患者进行治疗。另外,治疗后的步态分析也可协助确认治疗效果以及供医师提出进一步的改善方案。以骨科治疗为例,步态分析可以作为骨科疾病治疗前后的侦测及评估;以复健治疗为例,步态分析可以作为治疗诊断、评估及恢复状态衡量的参考。在义肢装设上,步态分析也可作为协助设计,测试及义肢或辅具适应优劣的协助,而在神经学上,步态分析也可以用来测量特殊肢体活动来分析巴金森症的特性及治疗效果的追踪。
此外,在预防医学与流行病学方面,我们知道“跌倒”已成为威胁老年人的第三大危险因子,借助步态分析,也可找出导致跌倒的危险因素,通过早期排除这些容易跌倒的危险因素,再给予老年人适当的卫教、训练,以作为日常生活上的调适,或者再配予步行辅助器械,或由旁人特别照料,将可大幅降低老年人因跌倒所致的伤害,进而大幅度地降低家庭及社会的负担。
发明内容
本发明的目的是提供一种步态分析方法及步态分析系统,可将受试者的步态进行分析及辨识,进而根据分析及辨识结果供医师提供给受试者有关医疗及健康方面的建议。
为达上述目的,依据本发明的一种步态分析方法,由步态分析系统实施,步态分析系统包括感测单元、处理单元以及储存单元,处理单元分别与感测单元及储存单元电性连接,储存单元储存复数运算程序,步态分析方法包括:由感测单元感测步态并输出感测信号,其中步态周期包含站立期、推蹬期、摆动期及触地期;由处理单元依据感测信号得到向量振幅信号及振幅累积信号;依据向量振幅信号、振幅累积信号辨识站立期、推蹬期、摆动期及触地期,其中推蹬期、摆动期及触地期依据动态阈值来决定;以及依据站立期、推蹬期、摆动期及触地期对步态进行分类。
为达上述目的,依据本发明的一种步态分析系统包括感测单元、储存单元以及处理单元。感测单元感测步态并输出感测信号,其中步态周期包含站立期、推蹬期、摆动期及触地期。储存单元储存复数运算程序。处理单元分别与感测单元及储存单元电性连接,处理单元依据感测信号得到向量振幅信号及振幅累积信号,并依据向量振幅信号、振幅累积信号辨识站立期、推蹬期、摆动期及触地期,以对步态进行分类,推蹬期、摆动期及触地期依据动态阈值来决定。
在一个实施例中,处理单元通过向量振幅运算程序的运算而得到向量振幅信号,并通过振幅累积运算程序的运算而得到振幅累积信号。
在一个实施例中,向量振幅运算程序依据感测信号的第一方向分量、第二方向分量及第三方向分量进行运算,振幅累积运算程序依据向量振幅信号及第二方向分量进行运算。
在一个实施例中,处理单元通过标准差运算程序对振幅累积信号进行运算,标准差运算程序包含由振幅累积信号中计算标准差,并依据振幅累积信号、标准差及时间阈值在振幅累积信号中辨识出站立期。
在一个实施例中,站立期的持续时间大于时间阈值。
在一个实施例中,动态阈值的初始值依据站立期而得到。
在一个实施例中,处理单元通过动态阈值运算程序的运算而得到动态阈值,动态阈值运算程序依据不同时间点的向量振幅信号来决定动态阈值。
在一个实施例中,向量振幅信号及动态阈值分别具有相同的第一时间点及第二时间点,当第二时间点的向量振幅信号的信号值大于或等于第一时间点的动态阈值时,第二时间点的动态阈值不改变。
在一个实施例中,当第二时间点的向量振幅信号的信号值小于第一时间点的动态阈值时,第二时间点的动态阈值改变。
在一个实施例中,处理单元通过时间运算程序的运算而得到触地期、站立期、推蹬期及摆动期所占的比例。
在一个实施例中,当推蹬期加上摆动期的时间和小于或等于触地期的时间时,步态为下楼,当推蹬期的时间大于触地期的时间时,步态为上楼。
在一个实施例中,步态分析方法还包括:由处理单元依据站立期、推蹬期、摆动期及触地期计算步态的步数、步速、步长及步距。
承上所述,因本发明的步态分析方法及步态分析系统中,由感测单元感测步态并输出感测信号,并由处理单元依据感测信号得到向量振幅信号及振幅累积信号。另外,再依据向量振幅信号、振幅累积信号辨识站立期、推蹬期、摆动期及触地期,其中推蹬期、摆动期及触地期依据动态阈值来决定。此外,再依据站立期、推蹬期、摆动期及触地期步态进行分类。由此,可将受试者的步态进行分析及辨识,进而根据分析及辨识的结果供医师提供给受试者有关医疗及健康方面的建议。
附图说明
图1A为本发明优选实施例的一种步态分析方法的流程示意图。
图1B为步态周期的示意图。
图2为本发明优选实施例的一种步态分析系统的功能方块示意图。
图3A至图3C分别为受试者行走时的向量振幅信号的波形示意图。
图4A至图4C分别为受试者行走时的振幅累积信号的波形示意图。
图5A及图5B分别为受试者行走时的另一振幅累积信号的波形示意图。
图6为步态周期的信号波形示意图。
图7A至图7C分别为受试者行走时的向量振幅信号及其对应的动态阈值的示意图。
图8为本发明的步态分类的判断流程图。
图9为本发明优选实施例的一种步态分析方法的另一流程示意图。
【符号说明】
1:步态分析系统
11:感测单元
12:处理单元
13:储存单元
DT:动态阈值
S01~S05:步骤
Tp:推蹬期的时间
Th:触地期的时间
Tw:摆动期的时间
TH2d:下边界
TH2u:上边界
具体实施方式
以下将参照相关附图,说明依据本发明优选实施例的步态分析方法及步态分析系统,其中相同的元件将以相同的参考符号加以说明。
请参照图1A、图1B及图2所示,其中,图1A为本发明优选实施例的一种步态分析方法的流程示意图,图1B为步态周期(gait cycle)的示意图,而图2为本发明优选实施例的一种步态分析系统1的功能方块示意图。
本发明的步态分析方法由步态分析系统1实施。如图2所示,步态分析系统1包括感测单元11、处理单元12以及储存单元13,处理单元12分别与感测单元11及储存单元13电性连接,且储存单元13储存复数个运算程序。另外,如图1A所示,步态分析方法包括步骤S01至步骤S04。
首先,步骤S01为:由感测单元11感测步态并输出感测信号,如图1B所示,其中步态周期(即一个完整步伐)包含站立期(stance phase)、推蹬期(push-off phase)、摆动期(swing phase)及触地期(heel-strike phase)。本发明的感测单元11为可穿戴式,并例如但不限于为三轴的加速度计或角速度计。在本实施例中,感测单元11以三轴的加速度计,并配戴于受试者的脚踝上为例,因此,感测信号为三方向的加速度信号(包含第一方向分量、第二方向分量及第三方向分量,图中未显示)。其中,步骤S01中所提到的步态可为一个步伐或复数个步伐,并包含至少一个完整的步态周期。
一个步态周期(即一个完整步伐)包含站立期、推蹬期、摆动期及触地期。换言之,受试者配戴感测单元11并实际行走一段离后,感测信号即为行走该段距离所得到的三方向加速度信号。在此,“行走”指的是,受试者配戴感测单元11在平地上行走,或上楼梯,或下楼梯。另外,在进行步骤S02之前,处理单元12需先对感测信号进行信号的前处理,以降低基准线飘移(baseline drift)及高频的噪声对后续步态分析的影响。
接着,执行步骤S02:由处理单元12依据感测信号得到向量振幅信号及振幅累积信号。其中,在得到向量振幅信号及振幅累积信号的步骤S02中,处理单元12先通过储存于储存单元13的向量振幅运算程序的运算而得到向量振幅信号(以下称为SVM,Signal Vector Magnitude)。在此,向量振幅运算程序依据感测信号的第一方向分量、第二方向分量及第三方向分量进行运算,且经由以下的方程序计算而得到向量振幅信号SVM:
其中,ax、ay、az分别为感测信号的第一方向分量、第二方向分量及第三方向分量的值,而n为取样时间点。
接着,请参照图3A~图3C所示,其中,图3A至图3C分别为受试者行走时的向量振幅信号SVM的波形示意图。在此,图3A~图3C显示受试者分别配戴感测单元11在平地行走、上楼及下楼后,经计算后得到的向量振幅信号SVM的波形。其中,显示的取样时间为5秒,每秒取样数为30,故横坐标共有150个取样点,而纵坐标为加速度值(g),因此,图3A~图3C内分别具有复数个步态周期。上述取样时间为5秒,每秒取样数为30及共有150个取样点只是为了说明本发明,在其它的实施态样中,取样时间、每秒取样数及取样点可根据实际步态分析的需求进行变更,本发明并不限制。
得到了向量振幅信号SVM之后,处理单元12再通过储存于储存单元13的振幅累积运算程序的运算得到振幅累积信号(以下称为SMS,SignalMagnitude Subtraction,或SMA,Signal Magnitude Accumulation)。其中,振幅累积运算程序依据向量振幅信号SVM及第二方向分量ay进行运算而得到振幅累积信号SMS(或SMA),如以下的方程序所示:
SMS(n)=SVM(n)-ay(n)
其中,ay为感测信号的第二方向分量,而第二方向即为重力方向。换言之,如图4A至图4C所示,将图3A至图3C的向量振幅信号SVM分别减去重力(1g)的影响后,就可得到图4A至图4C的振幅累积信号SMS。
接着,进行步骤S03:依据向量振幅信号SVM、振幅累积信号SMS辨识站立期、推蹬期、摆动期及触地期,其中推蹬期、摆动期及触地期依据动态阈值DT来决定。在此,处理单元12先依据振幅累积信号SMS辨识出站立期。在步骤S03中,处理单元12先通过储存于储存单元13的标准差运算程序对振幅累积信号SMS进行运算,以得到每一步态周期的站立期。在此,标准差运算程序包含由振幅累积信号SMS中计算标准差,并依据振幅累积信号SMS、此标准差及时间阈值STmin在振幅累积信号SMS中辨识出每一步态周期的站立期。
换言之,因为在每一步态周期的站立期时,受试者的脚并没有上、下移动,故站立期的加速度值相对较为稳定。因此,为了得到步态周期的站立期,需先排除振幅累积信号SMS中极高及极低的信号(由于地面的反作用所产生者)。在本实施例中,处理单元12先计算振幅累积信号SMS的标准差,进而得到上边界TH1u及下边界TH1d的值,再排除振幅累积信号SMS中,大于上边界TH1u及小于下边界TH1d的信号。其方程序如下所示:
接着,在上述的信号SMSm(n)中,再依照以下的方程序计算另一上、下边界TH2u及TH2d的值,如图5A所标示的TH2u及TH2d所示。
接着,如图5A所示,再排除振幅累积信号SMSm(n)中,大于上边界TH2u及小于下边界TH2d的信号(剩下上边界TH2u与下边界TH2d之间的信号)。同时,由于一个步态周期中,站立期的信号通常会持续一段时间(即有一段时间脚会站立于地面上),因此,本发明要辨识站立期时,除了排除振幅累积信号SMSm(n)中,大于上边界TH2u及小于下边界TH2d的信号之外,还需确定信号中有一持续时间ΔT需大于时间阈值STmin,才是属于站立期的信号,亦即以下的方程序要同时成立时才是站立期的信号:
TH2d<SMSm(n)<TH2u ΔT>STmin
因此,通过上述计算,如图5B的实线部分所示,可在振幅累积信号SMSm(n)中辨识出每一步态周期的站立期。由于一个完整步代具有一站立期,因此,当找出站立期的数量时,即可得到受试者行走的步数。如图5B中,此段步态中,具有13个步态周期,并有13个站立期,受试者行走的步数为13。
值得一提的是,上述计算方程序只是举例,设计者也可使用不用的计算方程序来得到不同的上、下边界值,以排除较高或较低的振幅累积信号,再由振幅累积信号SMSm(n)中辨识出每一步态周期的站立期。另外,根据统计,一般人以正常速度行走时,一个完整步伐(一个步态周期)大约介于1.2秒至1.3秒之间,而站立期大约是占整个步态周期的24.8%,因此,在本实施例中,时间阈值STmin设定为0.3秒(介于1.2×24.8%与1.3×24.8之间)。换言之,在本实施例中,走路时脚的站立时间要超过0.3秒以上,才是步态周期的站立期。不过,对不同的受试者而言,其时间阈值STmin也可取决于受试者的实际状况。例如受试者若是一位行动不是非常方便的人时,其时间阈值STmin可大于0.3秒;若是一位行动自如的年轻人时,其时间阈值STmin可小于0.3秒,本发明并不特别限定。此外,图5A与图5B只是举例说明上述计算,并没有延续图4A至图4C的信号。
另外,请参照图6所示,其为一个步态周期之信号波形示意图。由于一个步态周期中,接续着站立期之后,就是推蹬期、摆动期及触地期,且其顺序不会改变。因此,若确定站立期的信号时,则可得知接下来的信号顺序分别为推蹬期、摆动期及触地期。
因此,在辨识出步态中的所有站立期之后,处理单元12再依据向量振幅信号SVM、站立期及动态阈值DT辨识出每一步态周期的推蹬期、摆动期及触地期。其中,动态阈值DT的初始值依据站立期而得到的。在此,将每一站立期的最后一个取样信号值当成同一步态周期中,推蹬期的动态阈值DT的初始值。另外,处理单元12再通过动态阈值运算程序的运算而得到每一期间的动态阈值DT,动态阈值运算程序依据不同时间点的向量振幅信号SVM来决定动态阈值DT,并以以下的方程序来决定下一取样时间点的动态阈值DT:
其中,SVM(k)为第k个取样时间点的向量振幅信号的值,DT(k)为第k个取样时间点的动态阈值DT,而S(j)为一个步态周期的向量振幅信号SVM的总和。换言之,向量振幅信号SVM及动态阈值DT分别具有相同的第一时间点k-1及第二时间点k(k-1与k为相邻的取样时间点),如果第二时间点k的向量振幅信号SVM的信号值大于或等于第一时间点k-1的动态阈值DT(k-1)时(即SVM(k)≧DT(k-1)),则第二时间点k的动态阈值DT(k)与第一时间点k-1的动态阈值DT(k-1)相同而不改变(即DT(k)=DT(k-1))。另外,若第二时间点k的向量振幅信号SVM的信号值小于第一时间点k-1的动态阈值DT(k-1)时(即SVM(k)<DT(k-1)),则第二时间点k的动态阈值DT(k)就依照上述方程序进行计算,以得到第二时间点k的动态阈值DT(k)(故称为“动态”阈值)。
因此,请同时参照图6及图7A~图7C所示,其中,图7A至图7C分别为受试者行走时的向量振幅信号SVM及其对应的动态阈值DT的示意图。在此,图7A~图7C分别显示受试者在平地行走、上楼及下楼时的向量振幅信号SVM及其对应的动态阈值DT,而向量振幅信号SVM的实线部分仍代表站立期。
经由上述动态阈值DT的判断式,可以找出每一步态周期中,站立期、推蹬期、摆动期及触地期对应的动态阈值DT,如图7A~图7C所示。其中,依照上述方程序的结果,本发明在站立期、推蹬期及触地期时,动态阈值DT并不改变,只有在摆动期时,动态阈值DT才会动态地改变。另外,在站立期时,动态阈值DT不改变,而站立期的最后一个取样信号值即作为推蹬期的动态阈值DT的初始值。另外,推蹬期及触地期的向量振幅信号SVM分别大于动态阈值DT,故推蹬期及触地期的动态阈值DT不改变。此外,摆动期的向量振幅信号SVM小于动态阈值DT,故摆动期的动态阈值DT也跟着改变。由此,就可辨识出每一步态周期的站立期、推蹬期、摆动期及触地期。
最后,进行步骤S04,步骤S04为:依据站立期、推蹬期、摆动期及触地期对步态进行分类。在此步骤S04中,处理单元12通过储存于储存单元13的时间运算程序的运算而得到触地期、站立期、推蹬期及摆动期所占的比例。换言之,在步骤S03中,已辨识出每一步态周期的站立期、推蹬期、摆动期及触地期,因此,处理单元12可进一步得到步态中,每一步态周期的站立期、推蹬期、摆动期及触地期占该步态周期的时间比例。在此,将站立期的时间定为Ts,推蹬期的时间定为Tp,摆动期的时间定为Tw,触地期的时间定为Th。因此,一个步态周期的时间总和为(Ts+Tp+Tw+Th),而站立期占步态周期的时间比例为:Ts÷(Ts+Tp+Tw+Th)×100%,推蹬期占步态周期的时间比例为:Tp÷(Ts+Tp+Tw+Th)×100%、摆动期占步态周期的时间比例为:Tw÷(Ts+Tp+Tw+Th)×100%,而触地期占步态周期的时间比例为:Th÷(Ts+Tp+Tw+Th)×100%。
请参照图8所示,其为本发明的步态分类的判断流程图。本发明在每一步态周期中,由触地期的时间Th、摆动期的时间Tw及推蹬期的时间Tp来对此步态周期中进行分类。其中,处理单元12通过储存于储存单元13的分类运算程序对步态进行分类。
如图8所示,当推蹬期加上摆动期的时间和(Tp+Tw)小于或等于触地期的时间Th时,则此步态周期为下楼状态。若推蹬期加上摆动期的时间和(Tp+Tw)大于触地期的时间Th,且推蹬期的时间Tp大于触地期的时间Th时,则此步态周期为上楼状态。此外,若推蹬期加上摆动期的时间和(Tp+Tw)大于触地期的时间Th,且推蹬期的时间Tp小于或等于触地期的时间Th时,则此步态周期为平地行走状态。经由将受试者的步态中的每一步态周期进行状态分类,可得到此受试者的步态的分类。由此,可让医师、复健师或保健师,或受试者本身了解,在一段时间的走路形态中,是否对身体造成太大的负担。举例而言,若一个膝盖功能不佳的受试者,由上述的分类中发现,其步态周期中,上、下楼的比例偏高时,则医师、复健师或保健师可对该受试者提出医疗及健康上的建议,例如请受试者减少上、下楼的比例,或者需多吃适当的食物,以避免膝盖更大伤害。
另外,请参照图9所示,其为本发明优选实施例的一种步态分析方法的另一流程示意图。
在此,除了上述步骤S01至步骤S04之外,本发明的步态分析方法更可包括步骤S05:由处理单元12依据站立期、推蹬期、摆动期及触地期计算步态的步数、步速、步长及步距。其中,由于受试者的步态中,每一步态周期的站立期、推蹬期、摆动期及触地期的时间及其比例都已得到,就可据此计算此受试者的步态的步数、步速、步长及步距。其中,步数即为步态中,步态周期的数量(或者站立期,或推蹬期,或摆动期,或触地期的数量)。换言之,向量振幅信号SVM的步态周期数量即为步数,步数乘以步长(Steplength)即可得到步距。另外,本发明利用回归(regression)分析,并由以下的方程序得到步速(Stepvelocity)及步长(Steplength):
Steplength=70.9-36.1Stepfrequency+52.0Stepvelocity
Stepvelocity=0.64+0.26VarianceSVMxyz+0.59AverageY
其中,VarianceSVMxyz为向量振幅信号SVM的变异数,AverageY为向量振幅信号SVM的第二方向分量,而Stepfrequency为受试者走路时的步频。在此,上述步速(Stepvelocity)及步长(Steplength)的方程序只是举例,并不可用以限制本发明。
综上所述,因本发明的步态分析方法及步态分析系统中,由感测单元感测步态并输出感测信号,并由处理单元依据感测信号得到向量振幅信号及振幅累积信号。另外,再依据向量振幅信号、振幅累积信号辨识站立期、推蹬期、摆动期及触地期,其中推蹬期、摆动期及触地期依据动态阈值来决定。此外,再依据站立期、推蹬期、摆动期及触地期步态进行分类。由此,可将受试者的步态进行分析及辨识,进而根据分析及辨识的结果供医师提供给受试者有关医疗及健康方面的建议。
以上所述仅为举例性,而非为限制性。任何未脱离本发明的精神与范畴,而对其进行的等效修改或变更,均应包含于所附的权利要求范围中。
Claims (20)
1.一种步态分析方法,由步态分析系统实施,该步态分析系统包括感测单元、处理单元以及储存单元,该处理单元分别与该感测单元及该储存单元电性连接,该储存单元储存复数运算程序,该步态分析方法包括:
由该感测单元感测步态并输出感测信号,其中步态周期包含站立期、推蹬期、摆动期及触地期;
由该处理单元依据该感测信号得到向量振幅信号及振幅累积信号;
依据该向量振幅信号、该振幅累积信号辨识该站立期、该推蹬期、该摆动期及该触地期,其中该推蹬期、该摆动期及该触地期依据动态阈值来决定;以及
依据该站立期、该推蹬期、该摆动期及该触地期对该步态进行分类。
2.根据权利要求1所述的步态分析方法,其中在得到该向量振幅信号及该振幅累积信号的步骤中,该处理单元通过向量振幅运算程序的运算而得到该向量振幅信号,并通过振幅累积运算程序的运算而得到该振幅累积信号。
3.根据权利要求2所述的步态分析方法,其中该向量振幅运算程序依据该感测信号的第一方向分量、第二方向分量及第三方向分量进行运算,该振幅累积运算程序依据该向量振幅信号及该第二方向分量进行运算。
4.根据权利要求1所述的步态分析方法,其中在辨识该站立期、该推蹬期、该摆动期及该触地期的步骤中,该处理单元通过标准差运算程序对该振幅累积信号进行运算,该标准差运算程序包含由该振幅累积信号中计算标准差,并依据该振幅累积信号、该标准差及时间阈值在该振幅累积信号中辨识出该站立期。
5.根据权利要求4所述的步态分析方法,其中该站立期的持续时间大于该时间阈值。
6.根据权利要求4所述的步态分析方法,其中该动态阈值的初始值依据该站立期而得到。
7.根据权利要求6所述的步态分析方法,其中该处理单元通过动态阈值运算程序的运算而得到该动态阈值,该动态阈值运算程序依据不同时间点的该向量振幅信号来决定该动态阈值。
8.根据权利要求7所述的步态分析方法,其中该向量振幅信号及该动态阈值分别具有相同的第一时间点及第二时间点,当该第二时间点的该向量振幅信号的信号值大于或等于该第一时间点的该动态阈值时,该第二时间点的该动态阈值不改变。
9.根据权利要求8所述的步态分析方法,其中当该第二时间点的该向量振幅信号的信号值小于该第一时间点的该动态阈值时,该第二时间点的该动态阈值改变。
10.根据权利要求1所述的步态分析方法,其中于对该步态进行分类的步骤中,该处理单元通过时间运算程序的运算而得到该触地期、该站立期、该推蹬期及该摆动期所占的比例。
11.根据权利要求10所述的步态分析方法,其中当该推蹬期加上该摆动期的时间和小于或等于该触地期的时间时,该步态为下楼,当该推蹬期的时间大于该触地期的时间时,该步态为上楼。
12.根据权利要求1所述的步态分析方法,更包括:
由该处理单元依据该站立期、该推蹬期、该摆动期及该触地期计算该步态的步数、步速、步长及步距。
13.一种步态分析系统,包括:
感测单元,感测步态并输出感测信号,其中步态周期包含站立期、推蹬期、摆动期及触地期;以及
储存单元,储存复数运算程序;以及
处理单元,分别与该感测单元及该储存单元电性连接,该处理单元依据该感测信号得到向量振幅信号及振幅累积信号,并依据该向量振幅信号、该振幅累积信号辨识该站立期、该推蹬期、该摆动期及该触地期,以对该步态进行分类,
其中,该推蹬期、该摆动期及该触地期依据动态阈值来决定。
14.根据权利要求13所述的步态分析系统,其中该处理单元通过向量振幅运算程序的运算而得到该向量振幅信号,并通过振幅累积运算程序的运算而得到该振幅累积信号。
15.根据权利要求14所述的步态分析系统,其中该向量振幅运算程序依据该感测信号的第一方向分量、第二方向分量及第三方向分量进行运算,该振幅累积运算程序依据该向量振幅信号及该第二方向分量进行运算。
16.根据权利要求13所述的步态分析系统,其中该处理单元提供标准差运算程序对该振幅累积信号进行运算,该标准差运算程序包含由该振幅累积信号中计算标准差,并依据该振幅累积信号、该标准差及时间阈值在该振幅累积信号中辨识出该站立期。
17.根据权利要求16所述的步态分析系统,其中站立期的持续时间大于该时间阈值。
18.根据权利要求13所述的步态分析系统,其中该处理单元通过动态阈值运算程序的运算而得到该动态阈值,该动态阈值运算程序依据不同时间点的该向量振幅信号来决定该动态阈值。
19.根据权利要求18所述的步态分析系统,其中该向量振幅信号及该动态阈值分别具有相同的第一时间点及第二时间点,当该第二时间点的该向量振幅信号的信号值小于该第一时间点的该动态阈值时,该第二时间点的该动态阈值改变。
20.根据权利要求13所述的步态分析系统,其中该处理单元通过时间运算程序的运算而得到该站立期、该推蹬期、该摆动期及该触地期所占的比例,并依据该站立期、该推蹬期、该摆动期及该触地期计算该步态的步数、步速、步长及步距。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261668676P | 2012-07-06 | 2012-07-06 | |
US61/668,676 | 2012-07-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103519819A true CN103519819A (zh) | 2014-01-22 |
CN103519819B CN103519819B (zh) | 2016-08-10 |
Family
ID=49914578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310282004.9A Expired - Fee Related CN103519819B (zh) | 2012-07-06 | 2013-07-05 | 步态分析方法及步态分析系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20140018705A1 (zh) |
CN (1) | CN103519819B (zh) |
TW (1) | TWI498846B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104323780A (zh) * | 2014-10-30 | 2015-02-04 | 上海交通大学 | 基于支持向量机的行人步态分类系统及方法 |
CN105232053A (zh) * | 2015-11-06 | 2016-01-13 | 武汉理工大学 | 一种人体踝关节跖屈相位检测系统及方法 |
CN105268171A (zh) * | 2015-09-06 | 2016-01-27 | 安徽华米信息科技有限公司 | 步态监测方法、装置及可穿戴设备 |
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 |
CN106650195A (zh) * | 2016-05-26 | 2017-05-10 | 张余 | 一种辅助筛查半月板损伤的步态分析方法 |
CN106908021A (zh) * | 2017-01-19 | 2017-06-30 | 浙江大学 | 一种用于可穿戴式设备的人体步长测量方法及其测量设备 |
CN107095677A (zh) * | 2016-02-19 | 2017-08-29 | 财团法人资讯工业策进会 | 步态分析系统及方法 |
CN108653976A (zh) * | 2018-05-17 | 2018-10-16 | 褚涛 | 一种助跑方法及助跑电动装置系统 |
CN109009138A (zh) * | 2018-05-31 | 2018-12-18 | 清华大学 | 步态识别方法和识别装置 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9700241B2 (en) * | 2012-12-04 | 2017-07-11 | Under Armour, Inc. | Gait analysis system and method |
KR101585561B1 (ko) * | 2014-08-21 | 2016-01-15 | 인하대학교산학협력단 | 다중 보행단계 인식을 위한 표면근전도 신호기반 부스트 분류 시스템 |
US10588574B2 (en) | 2015-07-14 | 2020-03-17 | Smart Solutions Technologies, S.L. | System and methods for adaptive noise quantification in dynamic biosignal analysis |
US11039665B2 (en) * | 2015-09-25 | 2021-06-22 | Intel Corporation | Receiving feedback based on pressure sensor data and movement data |
TW201714582A (zh) * | 2015-10-16 | 2017-05-01 | 長庚大學 | 下肢動作感測與復健訓練系統 |
KR102134421B1 (ko) | 2015-10-22 | 2020-07-15 | 삼성전자주식회사 | 신호 처리 및 복원 방법, 및 상기 방법을 수행하는 장치들 |
US11883183B2 (en) * | 2016-10-07 | 2024-01-30 | Panasonic Intellectual Property Management Co., Ltd. | Cognitive function evaluation device, cognitive function evaluation method, and recording medium |
CN109528212B (zh) * | 2018-12-29 | 2023-09-19 | 大连乾函科技有限公司 | 一种异常步态识别设备及方法 |
CN112494034B (zh) * | 2020-11-30 | 2023-01-17 | 重庆优乃特医疗器械有限责任公司 | 基于3d体态检测分析的数据处理分析系统及方法 |
CN113208583B (zh) * | 2021-04-12 | 2022-05-27 | 华南理工大学 | 外骨骼辅助下的步态识别方法、介质和设备 |
CN113712540B (zh) * | 2021-09-03 | 2022-06-14 | 北京航空航天大学 | 一种基于惯性传感器的人体足部运动站立相检测方法 |
WO2024081950A1 (en) * | 2022-10-14 | 2024-04-18 | The United States Government As Represented By The Department Of Veterans Affairs | Methods, systems, and apparatuses, for initiating or terminating multi-joint assistance for leg movement |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996039060A1 (en) * | 1995-06-05 | 1996-12-12 | Frampton Erroll Ellis, Iii | Shoe sole structures |
CN1272926A (zh) * | 1997-10-02 | 2000-11-08 | 个人电子设备有限公司 | 测量人在运动中脚的触地时间和脚的腾空时间 |
US20040134096A1 (en) * | 1989-08-30 | 2004-07-15 | Ellis Frampton E. | Shoes sole structures |
TWM294951U (en) * | 2006-01-26 | 2006-08-01 | Tonic Fitness Technology Inc | Step configuration analyzing device of treadmill |
WO2008058048A2 (en) * | 2006-11-06 | 2008-05-15 | Colorado Seminary, Which Owns And Operates The University Of Denver | Smart apparatus for gait monitoring and fall prevention |
CN101694499A (zh) * | 2009-10-22 | 2010-04-14 | 浙江大学 | 基于行人步态检测的步速测量和传输的系统和方法 |
TW201114408A (en) * | 2009-09-07 | 2011-05-01 | Chang-Ming Yang | Wireless gait analysis system by using fabric sensor |
CN102100185A (zh) * | 2010-12-22 | 2011-06-22 | 银川奥特软件有限公司 | 奶牛发情监控系统 |
TW201200103A (en) * | 2010-06-25 | 2012-01-01 | China University Science And Technology | Gait analysis system |
CN102670207A (zh) * | 2012-05-15 | 2012-09-19 | 北京大学 | 一种基于足底压力的步态分析方法 |
CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1877981A4 (en) * | 2005-05-02 | 2009-12-16 | Univ Virginia | SYSTEMS, DEVICES AND METHODS FOR INTERPRETATION OF MOVEMENTS |
US20080146968A1 (en) * | 2006-12-14 | 2008-06-19 | Masuo Hanawaka | Gait analysis system |
TWI356357B (en) * | 2007-12-24 | 2012-01-11 | Univ Nat Chiao Tung | A method for estimating a body pose |
US10548512B2 (en) * | 2009-06-24 | 2020-02-04 | The Medical Research, Infrastructure and Health Services Fund of the Tel Aviv Medical Center | Automated near-fall detector |
US8628485B2 (en) * | 2010-08-06 | 2014-01-14 | Covenant Ministries Of Benevolence Inc. | Gait analysis system and methods |
-
2013
- 2013-06-28 TW TW102123324A patent/TWI498846B/zh not_active IP Right Cessation
- 2013-07-05 US US13/935,898 patent/US20140018705A1/en not_active Abandoned
- 2013-07-05 CN CN201310282004.9A patent/CN103519819B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040134096A1 (en) * | 1989-08-30 | 2004-07-15 | Ellis Frampton E. | Shoes sole structures |
WO1996039060A1 (en) * | 1995-06-05 | 1996-12-12 | Frampton Erroll Ellis, Iii | Shoe sole structures |
CN1272926A (zh) * | 1997-10-02 | 2000-11-08 | 个人电子设备有限公司 | 测量人在运动中脚的触地时间和脚的腾空时间 |
TWM294951U (en) * | 2006-01-26 | 2006-08-01 | Tonic Fitness Technology Inc | Step configuration analyzing device of treadmill |
WO2008058048A2 (en) * | 2006-11-06 | 2008-05-15 | Colorado Seminary, Which Owns And Operates The University Of Denver | Smart apparatus for gait monitoring and fall prevention |
TW201114408A (en) * | 2009-09-07 | 2011-05-01 | Chang-Ming Yang | Wireless gait analysis system by using fabric sensor |
CN101694499A (zh) * | 2009-10-22 | 2010-04-14 | 浙江大学 | 基于行人步态检测的步速测量和传输的系统和方法 |
TW201200103A (en) * | 2010-06-25 | 2012-01-01 | China University Science And Technology | Gait analysis system |
CN102100185A (zh) * | 2010-12-22 | 2011-06-22 | 银川奥特软件有限公司 | 奶牛发情监控系统 |
CN102670207A (zh) * | 2012-05-15 | 2012-09-19 | 北京大学 | 一种基于足底压力的步态分析方法 |
CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
Non-Patent Citations (2)
Title |
---|
ION P.I.PAPPAS,MILOS R: "Reliable Gait Phase Detection System", 《IEEE TRANS NEURAL SYST.REHABIL.ENG.》 * |
张今瑜: "基于多传感器的实时步态检测研究", 《哈尔滨工程大学学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104323780B (zh) * | 2014-10-30 | 2016-07-06 | 上海交通大学 | 基于支持向量机的行人步态分类系统及方法 |
CN104323780A (zh) * | 2014-10-30 | 2015-02-04 | 上海交通大学 | 基于支持向量机的行人步态分类系统及方法 |
CN105268171A (zh) * | 2015-09-06 | 2016-01-27 | 安徽华米信息科技有限公司 | 步态监测方法、装置及可穿戴设备 |
CN105232053A (zh) * | 2015-11-06 | 2016-01-13 | 武汉理工大学 | 一种人体踝关节跖屈相位检测系统及方法 |
CN107095677A (zh) * | 2016-02-19 | 2017-08-29 | 财团法人资讯工业策进会 | 步态分析系统及方法 |
CN107095677B (zh) * | 2016-02-19 | 2019-12-03 | 财团法人资讯工业策进会 | 步态分析系统及方法 |
CN106650195A (zh) * | 2016-05-26 | 2017-05-10 | 张余 | 一种辅助筛查半月板损伤的步态分析方法 |
CN106166071B (zh) * | 2016-07-04 | 2018-11-30 | 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 |
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 |
CN106908021A (zh) * | 2017-01-19 | 2017-06-30 | 浙江大学 | 一种用于可穿戴式设备的人体步长测量方法及其测量设备 |
CN106908021B (zh) * | 2017-01-19 | 2019-04-12 | 浙江大学 | 一种用于可穿戴式设备的人体步长测量方法及其测量设备 |
CN108653976A (zh) * | 2018-05-17 | 2018-10-16 | 褚涛 | 一种助跑方法及助跑电动装置系统 |
CN108653976B (zh) * | 2018-05-17 | 2021-04-20 | 褚涛 | 一种助跑方法及助跑电动装置系统 |
CN109009138A (zh) * | 2018-05-31 | 2018-12-18 | 清华大学 | 步态识别方法和识别装置 |
CN109009138B (zh) * | 2018-05-31 | 2023-06-09 | 清华大学 | 步态识别方法和识别装置 |
Also Published As
Publication number | Publication date |
---|---|
US20140018705A1 (en) | 2014-01-16 |
TWI498846B (zh) | 2015-09-01 |
TW201403535A (zh) | 2014-01-16 |
CN103519819B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103519819A (zh) | 步态分析方法及步态分析系统 | |
Yoneyama et al. | Accelerometry-based gait analysis and its application to Parkinson's disease assessment—part 1: detection of stride event | |
CN108244744B (zh) | 一种运动状态识别的方法、鞋底及鞋 | |
Gouwanda et al. | A robust real-time gait event detection using wireless gyroscope and its application on normal and altered gaits | |
CN105561567B (zh) | 一种计步及运动状态评估装置 | |
Lee et al. | The use of a single inertial sensor to identify stride, step, and stance durations of running gait | |
CN103212188B (zh) | 一种辅助步态训练的方法及系统 | |
Auvinet et al. | Reference data for normal subjects obtained with an accelerometric device | |
Sabatini et al. | Assessment of walking features from foot inertial sensing | |
Wang et al. | Walking pattern classification and walking distance estimation algorithms using gait phase information | |
Preatoni et al. | Motor variability in sports: a non-linear analysis of race walking | |
Song et al. | Speed estimation from a tri-axial accelerometer using neural networks | |
Yu et al. | Adaptive method for real-time gait phase detection based on ground contact forces | |
Santhiranayagam et al. | A machine learning approach to estimate minimum toe clearance using inertial measurement units | |
Dasgupta et al. | Acceleration gait measures as proxies for motor skill of walking: A narrative review | |
Aubol et al. | Foot contact identification using a single triaxial accelerometer during running | |
Scheltinga et al. | Estimating 3D ground reaction forces in running using three inertial measurement units | |
Song et al. | Adaptive neural fuzzy reasoning method for recognizing human movement gait phase | |
Kibushi et al. | Lower local dynamic stability and invariable orbital stability in the activation of muscle synergies in response to accelerated walking speeds | |
Donahue et al. | Estimation of gait events and kinetic waveforms with wearable sensors and machine learning when running in an unconstrained environment | |
Akay et al. | Fractal dynamics of body motion in post-stroke hemiplegic patients during walking | |
Wang et al. | Vertical jump height estimation algorithm based on takeoff and landing identification via foot-worn inertial sensing | |
Majumder et al. | A wireless IoT system towards gait detection in stroke patients | |
Weiss et al. | Can a single lower trunk body-fixed sensor differentiate between level-walking and stair descent and ascent in older adults? Preliminary findings | |
CN110693501A (zh) | 一种基于多传感器融合的行走步态无线检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160810 |
|
CF01 | Termination of patent right due to non-payment of annual fee |