CN105125216B - 一种基于足底压力的步态检测系统 - Google Patents
一种基于足底压力的步态检测系统 Download PDFInfo
- Publication number
- CN105125216B CN105125216B CN201510549311.8A CN201510549311A CN105125216B CN 105125216 B CN105125216 B CN 105125216B CN 201510549311 A CN201510549311 A CN 201510549311A CN 105125216 B CN105125216 B CN 105125216B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- sensor
- plantar pressure
- pressure
- 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.)
- Active
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于足底压力的步态检测系统,包括踝关节角度检测系统、足底压力检测系统、步态检测系统;踝关节角度检测系统包括运动传感器、数据采集系统、上位机;数据采集系统将运动传感器的数据采集并传送到上位机;足底压力检测系统包括测力鞋垫、AD采集模块以及上位机,测力鞋垫上设置有薄膜压力传感器;步态检测系统包括通讯模块、数据采集模块、卡尔曼滤波模块、空间姿态判断模块、数据显示模块;本发明通过对足底压力变化情况的判断来实时判断踝关节所处的空间姿态,进一步分析被测对象所处的步态情况,还能够满足新型患者主观控制的踝关节辅助康复机器人系统的要求。
Description
技术领域
本发明属于传感器检测领域,尤其涉及一种基于足底压力的步态检测系统。
背景技术
在偏瘫患者康复的过程中,踝关节的早期康复训练是非常重要的,因为它影响着患者今后是否能够恢复正常的步态。一个人中风患者的中枢神经系统是损坏的,这就导致受损中枢区域周围的神经元细胞坏死从而形成了一个半影区。在中风患者前两个月的康复过程中,该半影区对于神经系统的恢复有着至关重要的作用,这就意味着早期中风患者能否康复在很大程度上取决于该半影区的恢复。很多学者已经在利用正电子放射断层造影术对其进行研究。根据神经发育技术的内容,人们可以用某些特定的方法去诱导偏瘫患者使其可以逐渐感觉正常运动的状态并且学习正常的运动模式以帮助半影区的恢复。更进一步训练患者去控制他们的姿势,维持平衡以及做一些其他的功能性的运动。因此,在偏瘫患者踝关节康复过程中,偏瘫患者的运动在半影区恢复过程中的积极影响是不可忽视的。
在偏瘫患者的康复过程中,通过某种方式诱导患者进行被动的运动训练在患者康复过程中可以起到十分积极的作用。目前最常见的辅助训练机构是康复机器人,而康复机器人的理论设计对空间运动姿态检测有着很高的要求。
身体运动姿态信息检测是一种通过捕捉人类身体运动状态并且通过选择特定方式来获得运动参数反馈的方法。通过对身体运动姿态的检测与过程参数的分析处理,身体的结构以及姿态就可以被重建。身体运动姿态信息包括人类关节的位移,速度,加速度等参数。现在的身体运动姿态信息已经有着很广泛的研究,这些信息可以被分成以下几类:
1.光学检测方法
该方法是将光学方法应用于人体动作信息的收集,主要包括有高速照相技术,摄影记录技术以及光电检测技术。这种非接触式的测试方法不会影响到人体的正常运动,因此所检测到的数据可以较为真实的反映人类的肢体动作。然而,用该方法测量时,数据的收集以及处理过程十分耗时。而且高速摄影设备的成本通常都很高。同时光电检测技术的结果很容易会受到复杂运动的影响,这就需要大量的后期人工处理工作。
2.电信号检测方法
电检测技术是用传感器将人类所产生的无能量的运动转换成为与电流信号成一定比例的数据从而测量人体运动数据的方法。然后我们就可以通过对数据的进一步处理分析而从中获得所需要的运动参数。常用的方法有利用加速度计来测量静态和动态的运动情况。这种实时的检测方法有着很高的检测精准度以及较为低廉的成本,而成本主要是来自于购买传感器,设计制作测量电路以及数据记录的设备仪器。
3.生物信号检测方法
现代研究表明人体在运动过程中会产生相应的生物信号。建立在该研究基础上的生物信号检测方法可以被用来分析人体的运动状态。在检测过程中,人们使用贴附在身体表面的可以检测肌肉强度和时间的电极来收集EMG数据从而达到采集运动数据的目的。然而,EMG的强度通常比较弱,同时所测得的数据的精确度也较易受到身体生理情况不同的影响。
然而,现在的运动姿态检测多是基于图像处理的检测方法,这种方法存在着精度不高,无法三维检测等一系列缺点。而利用电信号传感器的检测虽然精度高,但是目前的研究还没有涉及到足底压力与踝关节角度变化的对应关系。
发明内容
本发明的目的在于提供一种基于足底压力的步态检测系统,旨在解决现有的基于图像处理的步态检测多方法精度不高、无法三维检测,利用电信号传感器的检测虽然精度高,但目前还没有涉及到足底压力与踝关节角度变化的对应关系的问题。
本发明是这样实现的,一种基于足底压力的步态检测系统包括踝关节角度检测系统、足底压力检测系统、步态检测系统;
所述踝关节角度检测系统包括运动传感器、数据采集系统、上位机;所述数据采集系统将运动传感器的数据采集并传送到上位机;所述数据采集系统包括蓝牙通讯模块、数据采集模块、冗余数据剔除模块、数据保存模块;
所述蓝牙通讯模块的功能是打开关闭上位机与运动传感器的通讯接口,并且选择运动传感器的工作模式;
所述数据采集模块的功能是负责从运动传感器中读取数据;
冗余数据剔除模块的功能是剔除运动传感器采集到的重复数据;
数据保存模块的功能是在上位机硬盘中开辟存储空间,建立文档用以保存运动传感器所采集到的数据;
所述足底压力检测系统包括测力鞋垫、AD采集模块以及上位机;所述的测力鞋垫上设置有第一薄膜压力传感器、第二薄膜压力传感器、第三薄膜压力传感器、第四薄膜压力传感器;
所述的步态检测系统包括通讯模块、数据采集单元、卡尔曼滤波模块、空间姿态判断模块、数据显示模块;
所述通讯模块的功能是打开空间姿态传感器的蓝牙通讯模块以及AD采集模块的USB通讯模块;
所述数据采集单元的作用是将空间姿态传感器的蓝牙传感器以及AD采集卡中采集到的数据传输到上位机;
所述卡尔曼滤波模块是用于剔除采集到信号中的噪声,对现场采集的数据进行实时的更新和处理;
空间姿态判断模块是基于足底压力的换关节空间姿态分析而设计的判断模块,该空间姿态判断模块通过对采集到的数据进行分析实时以及判断获得踝关节空间姿态所处的状态并且以图片的形式输出到用户界面;
所述数据显示模块是用于将采集到的数据输出到文字显示空间内。
进一步,第一薄膜压力传感器、第二薄膜压力传感器、第三薄膜压力传感器、第四薄膜压力传感器分别放置在与足底第五趾区域、第四节跖骨区域、第二节跖骨区域和脚跟区域相接触的鞋垫的四个区域上。
进一步,所述足底压力检测系统通过运算放大器和参考电阻,基于比例放大器原理建立运算放大器输出电压Vout与薄膜压力传感器电压Vsensor、参考电压Vref,参考电阻R1、R2之间的关系:,将薄膜压力传感器产生的微弱电压信号放大到-5V至5V之间,进行数据分析。
进一步,所述足底压力检测系统将运算放大器输出的模拟电压信号转换为相应的数字量。
进一步,所述足底压力检测系统利用标准压力传感器检测对每一个足底传感器施加力,测量该压力下的电压信号值,利用非线性拟合算法建立基于电压信号和足底施加力之间的函数关系,利用上述函数的反向计算,将不同步态下测量电压进行转换为,从而获得不同步态下足底施加在鞋垫四个区域的作用力。
本发明的基于足底压力的步态检测系统可以通过对足底压力变化情况的判断来实时判断踝关节所处的空间姿态,进一步分析被测对象所处的步态情况,同时还能够满足新型患者主观控制的踝关节辅助康复机器人系统的要求。
附图说明
图1是本发明实施例提供的基于足底压力的步态检测系统的结构示意图;
图2是本发明实施例提供的放大电路原理图;
图3是本发明实施例提供的被测对象速度为2km/h时传感器输出电压随时间变化的图像。
图中:1、踝关节角度检测系统;1-1、运动传感器;1-2、数据采集系统;1-3、上位机;2、足底压力检测系统;2-1、测力鞋垫;2-2、AD采集模块;2-3、上位机;3、步态检测系统;3-1、通讯模块;3-2、数据采集单元;3-3、卡尔曼滤波模块;3-4、空间姿态判断模块;3-5、数据显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
如图1所示,本发明是这样实现的,一种基于足底压力的步态检测系统包括踝关节角度检测系统1、足底压力检测系统2、步态检测系统3;
所述踝关节角度检测系统1包括运动传感器1-1、数据采集系统1-2、上位机1-3;所述数据采集系统1-2将运动传感器1-1的数据采集并传送到上位机1-3;所述数据采集系统1-2包括蓝牙通讯模块、数据采集模块、冗余数据剔除模块、数据保存模块;
所述运动传感器1-1采用小型姿态运动传感器;
所述蓝牙通讯模块的功能是打开关闭上位机与运动传感器的通讯接口,并且选择运动传感器的工作模式;
所述数据采集模块的功能是负责从运动传感器中读取数据;
冗余数据剔除模块的功能是剔除运动传感器采集到的重复数据;
数据保存模块的功能是在上位机硬盘中开辟存储空间,建立文档用以保存运动传感器所采集到的数据;
本发明实施例中的踝关节角度检测系统主要获取:正常人行走过程中跖屈背屈角度;正常人跖屈背屈极限角度;正常人内翻外翻极限角度;正常人内旋外旋极限角度;
跖背屈角度测量实验参数,见表1:
表1
变量 | 第一次 | 第二次 | 第三次 |
步速(Km/h) | 2,3,4 | 3 | 4 |
被测对象身高(cm) | 174(rd),178(sx) | 174(rd),178(sx) | 174(rd),178(sx) |
试验组数 | 3 | 3 | 3 |
每组被测时间(s) | 15 | 15 | 15 |
步幅(cm) | 65 | 65 | 65 |
将表1中的数据通过卡尔曼滤波模块3-3进行数据的预处理。预处理的目的是从三组数据中筛选出分布均匀且规律的合理数据,剔除掉不合理的数据以便拟合与分析。剔除不合理数据之后将筛选到的数据利用数据拟合系统进行拟合分析。使用数据拟合的基本流程是:导入参选后数组选用傅里叶三阶函数对角度的变化进行拟合。评判拟合程度的指标使用相关系数R-square指标,R-square是拟合的相关函数,其值越接近于1,表明拟合程度越好。
经拟合,得到被测对象一(sx)步行速度为4km/h时的角度(A)变化,角速度(W)以及角加速度(Alpha)拟合方程为:
A=0.02559*cos(2.791*x)*sin(2.791*x)-115.6*cos(2.791*x)2+175.9*cos(2.791*x)4-63.42*cos(2.791*x)6-120.0*cos(2.791*x)3*sin(2.791*x)+189.5*cos(2.791*x)5*sin(2.791*x);
W=99.18*cos(16.74*x)+33.18*sin(16.74*x)-2.014*cos(5.581*x)+97.09*cos(11.16*x)-2.355*sin(5.581*x)-112.7*sin(11.16*x);
Alpha=555.6*cos(16.74*x)-1660.0*sin(16.74*x)-13.15*cos(5.581*x)-1258.0*cos(11.16*x)+11.24*sin(5.581*x)-1084.0*sin(11.16*x);
该拟合的R-square值为0.9136。
根据所得实验数据以及其分析可知,正常人在匀速行走的过程中,每一个步态周期中踝关节的角度都会按照某一个函数关系跟随者时间的变化而变化。角速度也是如此。而对于人在行走中的不同步速也有类似情况,只是随着步速的不同,步态周期,角速度,角加速度等产生了相应的变化。这也与日常生活中的经验相符合。
对保存的正常人踝关节各极限角度实验数据进行分析处理就可以得到正常人跖屈背屈,内旋外旋以及内翻外翻的极限角度。将采集到的实验数据进行筛选分析后做出图像进行规律分析。首先将采集到的数据利用卡尔曼滤波模块进行数据的预处理分析。预处理的目的是为了筛选出实验的有效数据,剔除由于环境因素等而产生的无效数据。由于每个实验参数下的实验数据都有三组,故经过筛选选出合适的数据之后才能将数据导入数据拟合系统进行拟合分析。将数据导入到数据拟合系统之后先对数据进行拟合,得到时间与输出电压确定的函数关系,再通过数据显示模块的绘图函数将各个角度以时间为横坐标做在同一张图中。
根据分析后的数据可得,正常人极限的跖屈角度为50°左右,背屈角度为30°左右,内旋角度为30°左右,外旋角度为20°左右,内翻角度为30°左右,外翻角度为20°左右。
所述足底压力检测系统2包括测力鞋垫2-1、AD采集模块2-2以及上位机2-3;所述的测力鞋垫2-1上设置有第一薄膜压力传感器、第二薄膜压力传感器、第三薄膜压力传感器、第四薄膜压力传感器;
第一薄膜压力传感器、第二薄膜压力传感器、第三薄膜压力传感器、第四薄膜压力传感器分别放置在与足底第五趾区域、第四节跖骨区域、第二节跖骨区域和脚跟区域相接触的鞋垫的四个区域上。
所述足底压力检测系统2通过运算放大器和参考电阻,基于比例放大器原理建立运算放大器输出电压与薄膜压力传感器参考电压、薄膜压力传感器电阻、参考电阻之间的关系,将薄膜压力传感器产生的微弱电压信号放大到合适值,进行数据分析。
所述足底压力检测系统2将运算放大器输出的模拟电压信号转换为相应的数字量。
所述足底压力检测系统2基于电压信号和足底施加力之间的函数关系,获得不同步态下足底施加在鞋垫四个区域的作用力。
放大电路采用两个Microchip公司的MCP6002芯片,使用10kΩ的外接电阻作为参考电阻,电路原理图见图2。薄膜压力传感器则通过Vin1-4及Vout1-4与放大电路相连,并且外接5V的供电电压以及-9V的参考电压。薄膜传感器通过一个比例放大电路与AD采集卡相连,根据比例放大器的原理可得到传感器电阻与电压之间的函数关系:
Vout=-VT*(Rf/Rs)
其中,Vout是输出至采集卡的电压信号,VT是外界参考电压,本实施例中采用一节9V的干电池,同时为了是输出的电压为正值,在外接参考电压时将其正负极反接以使参考电压为负。Rf是参考电阻,选用10kΩ,Rs是薄膜压力传感器的电阻。
由于薄膜压力传感器的电阻Rs与加载在传感器上的压力有相对应的函数关系,故测量到Vout的值就可以通过计算得出加载在传感器上的压力值F。
该足底压力检测系统中所使用的AD传感器为8路高速高步数据采集卡(USB_DAQ_XF4626)。AD采集卡的作用是将传感器通过运算放大器输出的模拟量的电压信号转换为数字信号并且输入上位机。
通过实验,本实施例集到了被测对象在步速为2km/h,3km/h以及4km/h正常行走时各传感器输出电压V1,V2,V3,V4随时间的变化情况。电压V1,V2,V3,V4分别代表四个薄膜压力传感器的输出电压值。
将采集到的实验数据进行筛选分析后做出图像进行规律分析。首先将采集到的数据导入数据预处理系统进行数据的预处理分析。预处理的目的是为了筛选出实验的有效数据,剔除由于环境因素等而产生的无效数据。由于每个实验参数下的实验数据都有三组,故经过筛选选出合适的数据之后才能将数据导入数据拟合系统进行拟合分析。将数据导入到数据拟合系统之后先对数据进行拟合,得到时间与输出电压确定的函数关系,再通过数据显示模块3-5的绘图函数将V1,V2,V3以及V4以时间为横坐标做在同一张图中。如图3所示为被测对象速度为2km/h时传感器输出电压随时间变化的图像。
由实验过程以及数据分析可以看出,所搭建的足底压力检测系统可以较为准确,真实的反映正常人在行走过程中足底压力的变化情况。同时根据加载在所选取的四个测力点上压力大小的变化也可以得出足部在一个步态周期所处的空间姿态。
所述的步态检测系统3包括通讯模块3-1、数据采集单元3-2、卡尔曼滤波模块3-3、空间姿态判断模块3-4、数据显示模块3-5;
所述通讯模块3-1的功能是打开空间姿态传感器的蓝牙通讯模块以及AD采集模块的USB通讯模块;
所述数据采集单元3-2的作用是将空间姿态传感器的蓝牙传感器以及AD采集卡中采集到的数据传输到上位机;
所述卡尔曼滤波模块3-3是用于剔除采集到信号中的噪声,对现场采集的数据进行实时的更新和处理;
空间姿态判断模块3-4是基于足底压力的换关节空间姿态分析而设计的判断模块,该空间姿态判断模块通过对采集到的数据进行分析实时以及判断获得踝关节空间姿态所处的状态并且以图片的形式输出到用户界面;
所述数据显示模块3-5是用于将采集到的数据输出到文字显示空间内。
本发明的基于足底压力的步态检测系统可以通过对足底压力变化情况的判断来实时判断踝关节所处的空间姿态,进一步分析被测对象所处的步态情况,同时还能够满足新型患者主观控制的踝关节辅助康复机器人系统的要求。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (5)
1.一种基于足底压力的步态检测系统,其特征在于,所述基于足底压力的步态检测系统包括踝关节角度检测系统、足底压力检测系统、步态检测系统;
所述踝关节角度检测系统包括运动传感器、数据采集系统、上位机;所述数据采集系统将运动传感器的数据采集并传送到上位机;所述数据采集系统包括蓝牙通讯模块、数据采集模块、冗余数据剔除模块、数据保存模块;所述踝关节角度检测系统用于获取正常人行走过程中的跖屈背屈角度、跖屈背屈极限角度、内翻极限角度、外翻极限角度、内旋极限角度和/或外旋极限角度;
所述蓝牙通讯模块的功能是打开关闭上位机与运动传感器的通讯接口,并且选择运动传感器的工作模式;
所述数据采集模块的功能是负责从运动传感器中读取数据;
冗余数据剔除模块的功能是剔除运动传感器采集到的重复数据;
数据保存模块的功能是在上位机硬盘中开辟存储空间,建立文档用以保存运动传感器所采集到的数据;
所述足底压力检测系统包括测力鞋垫、AD采集模块以及上位机;所述的测力鞋垫上设置有第一薄膜压力传感器、第二薄膜压力传感器、第三薄膜压力传感器、第四薄膜压力传感器;
所述的步态检测系统包括通讯模块、数据采集单元、卡尔曼滤波模块、空间姿态判断模块、数据显示模块;
所述通讯模块的功能是打开空间姿态传感器的蓝牙通讯模块以及AD采集模块的USB通讯模块;
所述数据采集单元的作用是将空间姿态传感器的蓝牙传感器以及AD采集卡中采集到的数据传输到上位机;
所述卡尔曼滤波模块是用于剔除采集到信号中的噪声,对现场采集的数据进行实时的更新和处理,所述卡尔曼滤波模块用于获取分布均匀且规律的采集数据;
空间姿态判断模块是基于步行时从足后跟着地到足尖离地过程中,足底压力周期性变化规律与踝关节空间姿态周期性变化规律的分析而设计的判断模块,该空间姿态判断模块通过对采集到的数据进行分析实时以及判断获得踝关节空间姿态所处的状态并且以图表的形式输出到用户界面;
所述数据显示模块是用于将采集到的数据输出到显示空间内便于应用者观察实验者踝关节运动状态;
所述步态检测系统还包括数据拟合系统,所述数据拟合系统用于对所述卡尔曼滤波模块处理后的数据进行拟合。
2.如权利要求1所述的基于足底压力的步态检测系统,其特征在于,第一薄膜压力传感器、第二薄膜压力传感器、第三薄膜压力传感器、第四薄膜压力传感器分别放置在与足底第五趾区域、第四节跖骨区域、第二节跖骨区域和脚跟区域相接触的鞋垫的四个区域上。
3.如权利要求1所述的基于足底压力的步态检测系统,其特征在于,通过运算放大器和参考电阻,基于比例放大器原理建立运算放大器输出电压Vout与薄膜压力传感器电压Vsensor、参考电压Vref,参考电阻R1、R2之间的关系: 将薄膜压力传感器产生的微弱电压信号放大到-5V至5V之间,进行数据分析。
4.如权利要求1所述的基于足底压力的步态检测系统,其特征在于,所述足底压力检测系统将运算放大器输出的模拟电压信号转换为相应的数字量。
5.如权利要求1所述的基于足底压力的步态检测系统,其特征在于,利用标准压力传感器检测对每一个足底传感器施加的压力,测量该压力下的电压信号值,利用非线性拟合算法建立基于电压信号和足底施加力之间的函数关系,利用上述函数的反向计算,将不同步态下测量电压进行转换为数字量,从而获得不同步态下足底施加在鞋垫四个区域的作用力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510549311.8A CN105125216B (zh) | 2015-08-29 | 2015-08-29 | 一种基于足底压力的步态检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510549311.8A CN105125216B (zh) | 2015-08-29 | 2015-08-29 | 一种基于足底压力的步态检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105125216A CN105125216A (zh) | 2015-12-09 |
CN105125216B true CN105125216B (zh) | 2019-01-01 |
Family
ID=54711066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510549311.8A Active CN105125216B (zh) | 2015-08-29 | 2015-08-29 | 一种基于足底压力的步态检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105125216B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105615886B (zh) * | 2015-12-29 | 2019-04-05 | 北京贞正物联网技术有限公司 | 双足步态模拟及足底压力仿真系统及使用方法 |
CN105738861A (zh) * | 2016-02-02 | 2016-07-06 | 江伟坚 | 一种基于智能鞋的被动式步态监测的高精度室内定位系统 |
CN105852866B (zh) * | 2016-04-01 | 2018-08-21 | 浙江大学 | 用于膝关节内收力矩测量的可穿戴传感系统及测量方法 |
CN105962942B (zh) * | 2016-04-22 | 2019-01-04 | 北京小米移动软件有限公司 | 运动状态确定方法及装置 |
CN107049325B (zh) * | 2016-11-23 | 2023-09-05 | 上海健康医学院 | 一种新型的穿戴式手部外骨骼力-位移实时检测系统及检测方法 |
CN106625604B (zh) * | 2016-12-30 | 2019-05-07 | 深圳先进技术研究院 | 基于助力外骨骼机器人的运动状态判别方法及系统 |
CN107825430A (zh) * | 2017-09-27 | 2018-03-23 | 深圳市行者机器人技术有限公司 | 一种基于气压检测的机器人足部结构及压力检测方法 |
CN107569235A (zh) * | 2017-10-20 | 2018-01-12 | 深圳市美芒科技有限公司 | 一种人体下肢动作识别系统及其识别方法 |
CN108992778A (zh) * | 2018-08-01 | 2018-12-14 | 龚映清 | 一种基于传感器智能鞋垫的功能性肌肉电刺激系统及方法 |
CN110558991B (zh) * | 2019-07-30 | 2022-05-20 | 福建省万物智联科技有限公司 | 一种步态分析方法 |
CN112869732B (zh) * | 2019-11-29 | 2024-05-28 | 宝成工业股份有限公司 | 分析步态的方法及其装置 |
CN111150403A (zh) * | 2019-12-09 | 2020-05-15 | 重庆百会体育产业有限公司 | 一种足踝运动检测系统 |
CN113229801B (zh) * | 2021-03-04 | 2022-07-01 | 南京邮电大学 | 一种鞋垫式足底压力测量系统及方法 |
CN113298051B (zh) * | 2021-07-26 | 2021-09-28 | 湖南灵之心心理学应用技术有限公司 | 基于感知地毯标定的人体形体精确测量系统及方法 |
CN114028775B (zh) * | 2021-12-08 | 2022-10-14 | 福州大学 | 一种基于足底压力的踝关节运动意图识别方法及系统 |
CN114569955B (zh) * | 2022-01-19 | 2023-03-14 | 同济大学 | 一种多目标迈步训练装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2773734B2 (ja) * | 1996-04-17 | 1998-07-09 | 日本電気株式会社 | 身体活動量計測システム |
WO2005016144A1 (en) * | 2003-08-18 | 2005-02-24 | Powmri Limited | A device for monitoring a user |
CN101548925B (zh) * | 2009-05-05 | 2011-01-05 | 浙江大学 | 一种带踝关节角度自矫正功能的步态相位检测装置 |
CN102090896B (zh) * | 2011-03-28 | 2012-09-19 | 东南大学 | 一种用于康复治疗的足底压力测量方法 |
CN103142235B (zh) * | 2013-03-08 | 2014-11-05 | 南京医科大学 | 磁定位步态分析系统 |
CN103330565A (zh) * | 2013-04-16 | 2013-10-02 | 北京航空航天大学 | 基于足底压力分布变化的人体步态识别装置 |
CN104434118A (zh) * | 2013-11-25 | 2015-03-25 | 安徽寰智信息科技股份有限公司 | 一种新型步态分析检测仪 |
CN104008398B (zh) * | 2014-06-11 | 2017-07-07 | 北京大学 | 一种基于多传感器信息融合的步态分类方法 |
-
2015
- 2015-08-29 CN CN201510549311.8A patent/CN105125216B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105125216A (zh) | 2015-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105125216B (zh) | 一种基于足底压力的步态检测系统 | |
CN202553940U (zh) | 一种步态分析装置 | |
CN109940584A (zh) | 一种外骨骼机器人及其检测人体运动意图的检测方法 | |
CN105769173B (zh) | 一种具有心电信号去噪功能的心电监测系统 | |
CN106667493A (zh) | 人体平衡性评估系统及评估方法 | |
CN108731732B (zh) | 基于周期模态信息对足底压力的处理方法及系统 | |
CN105662419A (zh) | 一种用于外骨骼控制的足底压力测量装置及方法 | |
CN207804250U (zh) | 足底压力测量装置 | |
Zheng et al. | Lower limb wearable capacitive sensing and its applications to recognizing human gaits | |
CN201710368U (zh) | 足底压力测量装置 | |
Jin | A review of AI Technologies for Wearable Devices | |
Anwary et al. | Validity and consistency of concurrent extraction of gait features using inertial measurement units and motion capture system | |
CN107260176A (zh) | 足底压力测量装置和方法 | |
CN105796091B (zh) | 一种用于去除心电信号车辆运动噪声的智能终端 | |
CN109924981A (zh) | 一种高弓足检测系统及方法 | |
CN105708469B (zh) | 穿戴式人体行走运动捕捉系统 | |
Lo et al. | Bayesian analysis of sub-plantar ground reaction force with BSN | |
CN106913342A (zh) | 一种基于光纤光栅和压力传感器的步态测试系统和方法 | |
Fang et al. | A wearable comprehensive data sampling system for gait analysis | |
CN210697638U (zh) | 具有检测压力、湿度和收集能量功能的足底压力传感器 | |
Zhang et al. | The flexible and distributed pressure sensor with 64 units for on-line gait recognition analysis | |
Ostaszewski et al. | A portable plantar pressure system: Specifications, design, and preliminary results | |
Wang et al. | Development of an ankle detection platform for foot drop rehabilitation | |
CN205215232U (zh) | 一种基于鞋垫的步态检测系统 | |
Spulber et al. | Development of a wireless multi-functional body sensing platform for smart garment integration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |