CN106618584B - 一种用于监测用户下肢运动的方法 - Google Patents

一种用于监测用户下肢运动的方法 Download PDF

Info

Publication number
CN106618584B
CN106618584B CN201610984637.8A CN201610984637A CN106618584B CN 106618584 B CN106618584 B CN 106618584B CN 201610984637 A CN201610984637 A CN 201610984637A CN 106618584 B CN106618584 B CN 106618584B
Authority
CN
China
Prior art keywords
value
axis
acceleration
rad
movement
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
Application number
CN201610984637.8A
Other languages
English (en)
Other versions
CN106618584A (zh
Inventor
赵志昕
米宽
刘百锋
周宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing step Technology Co., Ltd.
Original Assignee
Beijing Medical Mai Technology Co Ltd
Beijing Shangda Medical Technology Co Ltd
Beijing Naton Technology Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Medical Mai Technology Co Ltd, Beijing Shangda Medical Technology Co Ltd, Beijing Naton Technology Group Co Ltd filed Critical Beijing Medical Mai Technology Co Ltd
Publication of CN106618584A publication Critical patent/CN106618584A/zh
Application granted granted Critical
Publication of CN106618584B publication Critical patent/CN106618584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • 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
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6829—Foot or ankle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/683—Means for maintaining contact with the body
    • A61B5/6831—Straps, bands or harnesses
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B71/0622—Visual, audio or audio-visual systems for entertaining, instructing or motivating the user
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/30—Speed
    • A63B2220/34—Angular speed
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/40—Acceleration
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/70—Measuring or simulating ambient conditions, e.g. weather, terrain or surface conditions
    • A63B2220/74—Atmospheric pressure
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/80—Special sensors, transducers or devices therefor
    • A63B2220/83—Special sensors, transducers or devices therefor characterised by the position of the sensor
    • A63B2220/836—Sensors arranged on the body of the user
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2225/00—Miscellaneous features of sport apparatus, devices or equipment
    • A63B2225/50—Wireless data transmission, e.g. by radio transmitters or telemetry

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开一种用于监测用户下肢运动的方法，主要包括以下步骤：实时测量下肢的加速度值、角速度值以及气压值三者中的至少一者；根据测量值进行动作识别。本发明提供的利用用于监测用户下肢运动的方法，融合加速度计和角速度计和气压计的数据，自动判断用户是否进行规定的动作，能够帮助识别特定用户的行为习惯，还可以通过迭代算法不断提高自动识别的准确性。

Description

一种用于监测用户下肢运动的方法
技术领域
本发明总体来说涉及一种监测方法，具体地，涉及一种用于监测用户下肢运动的方法。
背景技术
随着人口老龄化问题日益突出，患有膝关节炎的患者数量呈现出上涨趋势，医院每年进行的人工膝关节置换手术也越来越多，人工关节置换手术为患者解决了膝关节老化、坏死以及功能丧失等问题，减轻了病人的痛苦，大大提高了生活质量。对于患者而言，关节置换手术的术后康复过程同样非常重要，有效的康复锻炼能够大幅度提高术后效果。
目前在临床上，患者在术后进行关节康复锻炼时，医生或者患者本人都只能通过肉眼观察来判断关节活动是否达到标准。这种依靠目测的方式不仅效率低，而且会受到观测者主观认识的影响，准确性很低。这就使得大多数患者在术后往往得不到有效的康复指导，从而不能进行科学有效的康复锻炼，导致手术的最终效果大打折扣。
一种现有技术的人体动作识别方案，比如运动手环，其中设置三轴加速器的工作原理是，当人在正常行走时其实会产生水平和垂直两个加速度，当用户迈步时，单脚着地重心上提，垂直方向呈向上加速度，而继续往前走重心回落，加速度方向。而在水平方向，则是迈步时向前加速，收脚是减小。当用户迈步时，单脚着地重心上提，垂直方向呈向上加速度，并向前加速。而手环中的三轴加速器，就是通过人体这样不同的加速度变化可以绘制出一条正弦曲线。以垂直方向加速度正弦波为例，从波谷到波峰再到波谷就是正常人一个步伐的过程，如此就可以推算出用户行进的步数。本领域技术人员理解的是，运动手环需要对一个采样区间内的测量数据进行运算处理后(例如加工为平均值、最大值或方差)才能得出动作识别及测量结果，所以目前的手环算法实施时，初始的运动状态识别率不高，并且识别有一定滞后。
MEMS传感器的发展使得人们可以通过传感技术测定人类肢体的运动姿态。但是，对于测定关节的姿态、动作而言，由于其运动过程的复杂性，使得人们很难对其进行精确的测定和计算。因此，如何探索一种适用于辅助骨科术后关节康复治疗的、具有高精度的智能测定方法，是本领域尚未解决的技术问题。
在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
在发明内容部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
本发明的一个主要目的在于克服上述现有技术的至少一种缺陷，提供一种用于监测用户下肢运动的方法，以提高测量精度。
为实现上述发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种用于监测用户下肢运动的方法，包括以下步骤：
实时测量下肢的加速度值、角速度值以及气压值三者中的至少一者；
得出下肢的运动数据；
根据所述运动数据识别下肢的具体动作。
根据本发明的一实施方式，上述方法中根据下肢末端向至少一方向运动的加速度是否到达预设动作的数值范围，以及向此方向运动的速度和角速度的比例关系是否到达预设动作的数值范围，以此来识别下肢的动作。
根据本发明的一实施方式，在所述根据测量值进行动作识别的步骤之前，先存储有多组阈值，所述多组阈值中各包含加速度值范围、角速度值范围和气压值范围中的至少一个，据此将具体下肢动作的所述测量值与各阈值分别进行比对，进行动作识别。
根据本发明的一实施方式，当测量所得下肢的加速度值、角速度值以及气压值达到所述多组阈值中一组阈值所限定的范围时，当前动作识别为此组阈值对应的动作。
根据本发明的一实施方式，其中以脚踝指定位置为测试基准点，建立有测试数据的坐标系，所述坐标系中x轴与指向用户的正上方，y轴指向用户的正外侧，z轴指向用户的正前方；所述多组阈值以及其分别对应的动作为：
侧卧抬腿，测试基准点在y轴加速度Ay>0.9[g]，且x轴加速度Ax<0.1[g],y轴方向速度和z轴方向角速度的绝对值比值Vy[m/s]:ωz[rad/s]在0.3～0.5[m/rad]之间；
直腿抬高，测试基准点在z轴加速度Az>0.9g且x轴加速度Ax<0.1g，Z轴方向速度和y轴方向角速度比值Vz[m/s]:ωy[rad/s]的绝对值在0.3～0.5[m/rad]之间；
滑移屈膝，测试基准点在Z轴方向速度和y轴方向角速度比值Vz[m/s]:ωy[rad/s]的绝对值在0.2～0.4[m/rad]之间，x轴方向加速度Ax在最小值小于0.1g，最大值大于0.6g的区域往复运动；
俯卧屈膝，Z轴方向速度和y轴方向角速度比值Vz[m/s]:ωy[rad/s]的绝对值在0.2～0.4[m/rad]之间，z轴加速度Az的最小值小于-0.3g，最大值大于0.8g；以及
站立外展，x、y轴加速度的平方和根的最小值小于0.7g，最大值大于0.9g，x轴加速度Ax在10s内方差大于0.0026；
以上的一种或多种。
根据本发明的一实施方式，所述多组阈值以及其分别对应的动作还包括：
平地步行，去重力后x轴加速度在最小值小于0.8g，最大值大于1.2g的区域往复运动；
上楼梯，在5分钟内，气压传感器所测的高度差Δh>1.5m，同时x轴脉冲变化>1g；
深睡眠，加速度计中，pitchy[rad]＝sin-1(Ay[g]/1[g])的方差低于0.6[rad]/20分钟；
浅睡眠，加速度计中，pitchy[rad]＝sin-1(Ay[g]/1[g])的方差高于0.6[rad]/20分钟且小于1200°/20分钟；
以上的一种或多种。
根据本发明的一实施方式，所有步骤之前还包括姿态识别步骤，其中，根据下肢指定位置建立的肢体坐标系相对于地理坐标系的差异识别用户的身体姿态。
根据本发明的一实施方式，还包括动作测量步骤：
侧卧抬腿，首先初始化XY平面的重力方向夹角A＝arctan(Y/X)，记录备用，之后将所述XY平面的重力方向夹角变化量ΔA<3°/5s作为测试基准点的y轴方向高度进行测算，将积分运算得出的高度输出为测试结果；
直腿抬高，首先初始化XZ平面的重力方向夹角B＝arctan(Z/X)，记录备用，之后将所述XZ平面的重力方向夹角变化量ΔB<3°/5s作为阀值对测试基准点的z轴方向高度进行测算，将积分的高度输出为测试结果；
站立外展，首先初始化XY平面的重力方向夹角A＝arctan(Y/X)，记录备用，将所述XY平面的重力方向夹角变化量ΔA<3°/5s作为阀值对测试基准点的x轴方向高度进行测算，将积分的高度输出为测试结果；
屈膝滑移，首先初始化XZ平面的重力方向夹角B＝arctan(Z/X)，记录备用，将所述XZ平面的重力方向夹角的当前值B`与初始值B相减获得的夹角差的2倍输出为测试结果，作为膝关节屈曲角度值；
俯卧弯腿(俯卧屈膝)，首先初始化XZ平面的重力方向夹角B＝arctan(Z/X)，记录备用，将所述XZ平面的重力方向夹角的当前值B`与初始值B相减获得的夹角差ΔB输出为测试结果，作为膝关节屈曲角度值；
以上的一种或多种。
根据本发明的一实施方式，还包括高度识别步骤，将所述测试基准点的坐标系转换为地理坐标系，并计算出垂直方向的位移。可将地理坐标系相对于载体坐标系的姿态由四元数进行转换，得到方向余弦矩阵；在载体坐标系下测量出加速度矢量，并由所述加速度矢量计算得到垂直方向速度；计算得到加速度误差并对速度进行补偿，从而得到垂直方向位移。
根据本发明的一实施方式，所述用于监测用户下肢运动的方法还包括步行活动量的测量步骤，其中通过步频判断运动种类，记录该运动种类的持续时间，将该持续时间进行加权计算，得到用户的活动量。
根据本发明的一实施方式，所述多组阈值以及其分别对应的动作还包括：
缓慢走路：在2s时间间隔内，重力方向合加速度分量除去重力1g之后与垂直分量之比的范围出现小于1:3或大于3:1的周期性变化；
静止站立：在2s时间间隔内，重力方向合加速度分量除去重力1g之后与垂直分量之比的范围为大于或等于1:3且小于或等于3:1；
缓步走路：所述周期性变化的频率小于60/分钟；
上楼梯：缓慢走路的情况下，气压高度传感器持续大于10s呈上升趋势并且小于3m；
下楼梯：缓慢走路的情况下，气压高度传感器持续大于10s呈下降趋势并且小于3m；
快速走路：所述周期性变化的频率为大于60步/分钟且小于120步/分钟，且重力方向合加速度分量小于1.2g；
跑步：所述周期性变化的频率为大于120步/分钟，且重力方向合加速度分量大于1.2g；
高台跳：重力方向合加速度分量瞬间大于2.2g；
以上的一种或多种。
根据本发明的一实施方式，所述用于监测用户下肢运动的方法还包括睡眠质量测量步骤，其中通过测量的加速度值可以识别不同的活动频段，记录该活动频段的持续时间，并对所述持续时间进行加权，计算即可算出睡眠质量值。
根据本发明的一实施方式，所述睡眠质量测量步骤，根据X轴方向和Y轴与地面夹角pitchx[rad]＝sin-1(Ax[g]/1[g])、pitchy[rad]＝sin-1(Ax[g]/1[g])方向的数据，每20分钟数据Δpitchx和Δpitchy进行加权平均聚类分组，按方差分为高频活动时间、中频活动时间、低频活动时间，根据低频占比>90％判断进入深度睡眠，根据高频占比>30％判断进入清醒状态；并将高频、中频、低频时间占比加权值作为睡眠质量指标。
根据本发明的另一个方面，提供了一种骨科术后康复治疗的辅助装置，所述辅助装置包括加速度计、角速度计和气压计中的至少一种。
根据本发明的一实施方式，其中所述骨科术后康复治疗的辅助装置还包括无线通信模块。
根据本发明的一实施方式，其中所述骨科术后康复治疗的辅助装置还包括电源。
根据本发明的一实施方式，其中所述骨科术后康复治疗的辅助装置还包括脚环带，通过该脚环带穿戴在用户的脚踝处，所述脚环带上设置有粘扣带。
根据本发明的另一个方面，提供一种用于监测用户下肢运动的方法，使用加速度计、角速度计、气压计中至少一个的测定数据对下肢的运动进行监测。
根据本发明的一实施方式，包括姿态识别算法；所述姿态识别算法融合加速度计、角速度计和气压计的数据，自动判断用户是否进行规定动作。
根据本发明的一实施方式，所述加速度计、角速度计和气压计佩戴在下肢的脚踝处。
由上述技术方案可知，本发明的用于监测用户下肢运动的方法和骨科术后康复治疗的辅助装置的优点和积极效果在于：姿态识别算法，利用融合加速度计和角速度计及/或气压计的数据，根据瞬时值是否符合条件来自动判断用户是否进行规定的动作，并不需要建立测量动作的轨迹模型便可以识别各种动作，减少了系统运算量，并提高了识别精度。
附图说明
通过结合附图考虑以下对本发明的优选实施例的详细说明，本发明的各种目标、特征和优点将变得更加显而易见。附图仅为本发明的示范性图解，并非一定是按比例绘制。在附图中，同样的附图标记始终表示相同或类似的部件。其中：
图1是根据一示例性实施方式示出的一种骨科术后康复治疗的辅助装置坐标轴示意图。
图2是根据一示例性实施方式示出的一种辅助装置中监测单元各个模块的示意图。
图3所示为本发明一种实施方式所提供的辅助装置的结构示意图。
图4所示为本发明一种实施方式所提供的辅助装置的脚环带的结构示意图；
图5所示为本发明一种实施方式所提供的侧卧抬腿的动作示意图。
图6所示为本发明一种实施方式所提供的直腿抬高的动作示意图。
图7所示为本发明一种实施方式所提供的滑移屈膝的动作示意图。
图8所示为本发明一种实施方式所提供的俯卧屈膝的动作示意图。
图9所示为本发明一种实施方式所提供的站立外展的动作示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
本发明实施例提出了一种用于监测用户下肢运动的方法，可根据下肢末端向至少一方向运动的加速度是否到达预设动作的数值范围，以及向此方向运动的速度和角速度的比例关系是否到达预设动作的数值范围，以此来识别下肢的动作。不仅利用加速度数值来判断识别动作，而且还融合了速度和角速度的比例关系共同识别，使得动作的速度和角速度同时达到肢体动作时的常见范围才确认为具体动作，以此可将各种动作进行了有效区分，可提高骨科术后康复治疗中的动作识别准确率。
一种实施例中，可使用加速度计、角速度计、气压计中至少一个的测定数据对用户的下肢运动进行监测；加速度计、角速度计和气压计组成的复合传感器可佩戴在用户的脚踝指定方向上；对齐佩戴会提高计算的精度，若实际使用中未完全对齐佩戴，还可以选择通过相对标准姿势的位置标定对可能的误差实现一定的补偿。这个位置标定可通过佩戴完成后，通过上位机发指令给使用者进行站立或平躺等多个标准姿势进行动态标定。
本实施例中的加速度计、角速度计、气压计可组成复合传感器，所述传感器的坐标轴可如图1所示，复合传感器10可实现x、y、z三个轴向上加速度、角速度、磁偏角(可植入电子罗盘的软件实现算法来实现，也可以增设电子罗盘实现)的测定。本发明实施例中的加速度计、角速度计可为三轴加速度计和三轴角速度计，两者的坐标系统可选择为统一的。
一种实施例中，所有传感器还可以集成为一个智能平台(或总称为监测器)，具体智能平台可具有MCU、主线、电源以及通信模块，相应的传感器或复合传感器可联接于此智能平台中，智能平台可以具有存储装置和运算单元，以此控制传感器或复合传感器，得出检测数据后，可根据相应策略通过通信模块向外输出所需结果，且还可以通过通信模块接受外部指令，以进一步控制相应传感器或算法模式或输出方式。举例来讲，如图2所示，本发明实现上述检测方法的系统框架可根据功能区分进行描述，本发明实施例的检测系统可认为主要模块分别为：电源管理101、传感数据采集102、蓝牙通讯103、姿态识别104、动作测量105和被动测量106等模块。
举例来讲，本发明实施例提供了一种用于实现上述测定方法的骨科术后康复治疗的辅助装置，骨科术后康复治疗的辅助装置的结构如图3和图4所示，可主要包括：翼板1、壳体2、按钮3、观察指示灯4、脚环带5和粘扣带6。壳体2的内侧面可选择设置为弧形，适宜于与用户的脚踝处相贴合。在壳体2内安装有MCU、主线、电源以及通信模块，相应的传感器或复合传感器(加速度计、角速度计、气压计复合传感器)可联接于此辅助装置中，辅助装置还可以具有存储装置和运算单元，以此控制传感器或复合传感器，得出检测数据后，可根据相应策略通过通信模块向外输出所需结果，且还可以通过通信模块接受外部指令，以进一步控制相应传感器或算法模式或输出方式。靠近壳体2的顶部设置为指示灯4，便于用户在使用过程中观察指示灯4的颜色。壳体2沿环绕脚踝的方向成型为左右两个翼板1，与两个翼板1连接设置有脚环带5，为了便于穿戴，可在脚环带5上还设置粘扣带6；在壳体2上还设置有按钮3，以便于进行简单的指令输入。本发明实施例的用于监测用户下肢运动的方法中，当用户处于站立状态时，复合传感器10x轴与指向户的正上方，设备y轴指向用户的正外侧，设备z轴指向用户的正前方。其中正外侧中的“外侧”是指解剖学上的外侧，即远离矢状面的方向。
姿态，所谓姿态是指身体的各部分，即头部、躯干、上肢与下肢，相互之间的位置关系，是以头部前屈位、上肢外转位、躯体后屈的形态来表现的并依体节相互位置的关节角度来测定。本说明书中下肢姿态主要依据人体下肢相对躯干的相对位置，以及膝关节、髋关节角度来测定。所谓体位，是表示身体与重力的方向位于何种关系，以立体、背卧位或侧卧位的形态来表示。即指身体被安置的状态之面与轴的重力方向，也就是与垂直轴相对的关系。
加速度计用于测量物体的线性加速度，加速度计的输出值与倾角呈非线性关系，随着倾角的增加而表现为正弦函数变化。角速度计(陀螺仪)的作用是用来测量角速度信号，通过对角速度积分，便能得到角度值。气压计是通过气压的变化来测量高度的传感器，因此在测量的过程中不受障碍物的影响，测量高度范围广，方便移动，可进行绝对海拔高度测量和相对高度测量。
一种实施例中也可采用三维磁阻传感器与三轴加速度计结合，利用软件算法模拟实现角速度计。
本发明实施例中，在所述根据测量值进行动作识别的步骤之前，可先在复合传感器中存储或内建多组阈值，这些多组阈值中各可包含加速度值范围、角速度值范围和气压值范围中的至少一个，据此将具体下肢动作的实际测量值与各阈值分别进行比对，进行动作识别。当测量所得下肢的加速度值、角速度值以及气压值达到所述多组阈值中一组阈值所限定的范围时，当前动作识别为此组阈值对应的动作。
本发明中一种实施例的姿态识别算法：利用融合加速度计、角速度计和气压计的数据，自动判断用户是否进行预设的动作：当然，一种实施例情形下，自动判断步骤之前还包括体位姿态识别步骤，其中，根据下肢指定位置建立的肢体坐标系相对于地理坐标系的差异识别用户的体位姿态。
所述多组阈值以及其分别对应的动作可为：
侧卧抬腿，用户侧躺在平面上，侧向抬腿，如图5所示；测试基准点在y轴加速度Ay>0.9[g]，且x轴加速度Ax<0.1[g],y轴方向速度和z轴方向角速度的绝对值比值Vy[m/s]:ωz[rad/s]在0.3～0.5[m/rad]之间；
直腿抬高，用户平躺、坐卧在平面上，正向抬腿，如图6所示；测试基准点在z轴加速度Az>0.9g且x轴加速度Ax<0.1g，Z轴方向速度和y轴方向角速度比值Vz[m/s]:ωy[rad/s]的绝对值在0.3～0.5[m/rad]之间；
滑移屈膝，用户平躺、坐卧在平面上，屈膝并且脚在平面滑移，如图7所示；测试基准点在Z轴方向速度和y轴方向角速度比值Vz[m/s]:ωy[rad/s]的绝对值在0.2～0.4[m/rad]之间，x轴方向加速度Ax在最小值小于0.1g，最大值大于0.6g的区域往复运动；
俯卧屈膝，用户俯卧平面上，屈膝，如图8所示；Z轴方向速度和y轴方向角速度比值Vz[m/s]:ωy[rad/s]的绝对值在0.2～0.4[m/rad]之间，z轴加速度Az的最小值小于-0.3g，最大值大于0.8g；
站立外展，用户扶栏杆站立，大腿外展运动，如图9所示；x、y轴加速度的平方和根的最小值小于0.7g，最大值大于0.9g，x轴加速度Ax在10s内方差大于0.0026；
f.平地步行，去重力后x轴加速度在最小值小于0.8g，最大值大于1.2g的区域往复运动，则判断用户在进行平地步行动作；
g.上楼梯，在5分钟内，气压传感器所测的高度差Δh>1.5m，同时x轴脉冲变化>1g，则判断用户在上楼梯；
h.深睡眠，加速度计中，方差Ay＝arctan(Y/norm)低于40°/20分钟，则判断用户处于深睡眠状态，其中Y为y轴加速度，norm为x、y、z轴加速度的平方和根；
i.浅睡眠，加速度计中，方差Ay＝arctan(Y/norm)高于40°/20分钟且小于1200°/20分钟，则判断用户处于浅睡眠状态，其中Y为y轴加速度，norm为x、y、z轴加速度的平方和根。
本发明该实施例中，上述所说的具体下肢动作的识别阈值中，可以理解是各传感器的瞬时值同时满足数据条件，这属于可以正确识别动作的实施例；另外还可以参照各传感器在一个采样区间的平均值或最大值，或一个采样区间的方差，以上都可以作为识别特征动作的参数，这些采样区间后运算得出的数据或数值还可作为校正结果或动作测量的数据依据。
一种实施例中，还可在复合传感器中增加学习机制，能够帮助识别特定用户的行为习惯，通过迭代算法不断提高自动识别的准确性。举例而言，复合传感器的控制固件中内建有迭代算法，可根据递归策略不断更新用户的行为习惯，可根据递归策略将上述阈值中各数据值要求进行微调，以此提高自动识别的准确性。
如下介绍本发明实施例中采用的高度算法，可选择将地理坐标系相对于载体坐标系的姿态由四元数进行转换，得到方向余弦矩阵；在载体坐标系下测量出加速度矢量，并由所述加速度矢量计算得到垂直方向速度；计算得到加速度误差并对速度进行补偿，从而得到垂直方向位移。具体的高度算法可示例为：
地理坐标系(Earth)相对于复合传感器的载体坐标系(Sensor)的姿态可由一组四元数进行转换，四元数可表示如下：
由此可得方向余弦矩阵
载体坐标系下测量得加速度矢量aS，可通过以下公式计算得该矢量在地理坐标系下的表示方式
aE＝R×aS＝[ax ay az]
将该矢量中Z轴分量进行数值积分可得垂直方向速度，计算公式如下
vz,t＝vz,t-Δt+az,t×Δt
vz，t＝vz，t-Δt+az，t×Δt
由于积分过程中存在低频噪声干扰，故积分误差随时间累积。
为简化计算，可认为误差分量为附加在加速度测量值上的一常量，即速度误差与时间线性相关。又可知运动过程中起始速度和终止速度均为0，由此可计算得加速度误差
式中vend表示积分得终止速度，tall表示积分总时间，由计算得误差分量可对速度进行补偿得
vz,t＝vz,t-Δa×t
式中t表示从积分开始所经历的时间。
对vz,t再次进行数值积分，可得垂直方向位移
dz,t＝dz,t-Δt+vz,t×Δt。
由于具体利用本发明实施例中传感器，进行的高度算法在本领域中已比较成熟，对于本领域技术人员来讲仍有更多算法可选，因此，在此不再赘述。
如下介绍本发明实施例中采用的动作测量算法；
复合传感器可与作为上位机的智能终端(手机或电脑)配合，以对用户的以下动作中的至少一种进行测量：
A.侧卧抬腿，复合传感器可根据上位机提供的指令，初始化XY平面的重力方向夹角A＝arctan(Y/X)，记录到缓存中，将夹角变化量ΔA<3°/5s作为阀值对传感器的Y方向高度进行测算，将积分的高度输出给上位机，其中Y、X分别为y轴、x轴加速度；
B.直腿抬高，复合传感器可根据上位机提供的指令，初始化XZ平面的重力方向夹角，B＝arctan(Z/X)，记录到缓存中，将夹角变化量ΔB<3°/5s作为阀值对传感器的Z方向高度进行测算，将积分的高度输出给上位机，其中Z、X分别为z轴、x轴加速度；
C.站立外展，复合传感器可根据上位机提供的指令，初始化XY平面的重力方向夹角,A＝arctan(Y/X)，记录到缓存中，将夹角变化量ΔA<3°/5s作为阀值对传感器的X方向高度进行测算，将积分的高度输出给上位机，其中Y、X分别为y轴、x轴加速度；
D.屈膝滑移，复合传感器可根据上位机提供的指令，初始化XZ平面的重力方向夹角，B＝arctan(Z/X)，记录到缓存中，将当前值B`与初始值B相减ΔB＝B`-B获得的夹角差的2倍2×ΔB输出给上位机，作为膝关节屈曲角度值，其中Z、X分别为z轴、x轴加速度；
E.俯卧弯腿，复合传感器可根据上位机提供的指令，初始化XZ平面的重力方向夹角，B＝arctan(Z/X)，记录到缓存中，将当前值B`与初始值B相减ΔB＝B`-B获得的夹角差ΔB输出给上位机，作为膝关节屈曲角度值，其中Z、X分别为z轴、x轴加速度。
上位机根据康复计划设定的目标值将反馈给设备是否达到预期数值，设备根据反馈改变指示灯颜色提示用户:绿色，合格；红色，无效。
被动跟踪算法，包括膝关节日常运动评估方法实施例，说明如下：
膝关节日常活动量的评估指标：根据膝关节在不同活动下受到的冲击力建立加权系数表，建立一套日常活动对膝关节损耗的标准，设备在24小时跟踪过程中将分时段汇总相关活动量评分数据，评估用户是否符合当前康复状态的活动量规范；其中，根据膝关节在不同活动下受到的冲击力建立的加权系数为：高台跳为8倍，跑步为4倍，上楼梯为3倍，下楼梯为4倍，快速走路为2.5倍，缓步走路为2倍，站立静止为1倍，卧床为0.02倍。识别的方式依据重力方向的合加速度分量和其垂直分量及其变化特征来判定，具体为：
先判断重力方向与载体坐标的X轴方向是否大于60度为卧床姿态；
其余依据重力方向合加速度分量除去重力1g之后与垂直分量之比在2秒内有1:3以下和3:1以上的周期性变化，则判断是走动，否则为静止站立；
根据周期变化的频率小于60/min为缓步走路；
60步/min<频率<120步/min，且重力方向合加速度分量<1.2g为快速走路；
120步/min<频率重力方向合加速度分量>1.2g为跑步；
判断为走路的条件下如果气压高度传感器持续>10s呈上升趋势并且小于3m则判断为上楼梯；
同时如果气压高度传感器持续>10s呈下降趋势并且小于3m则判断为下楼梯；
重力方向合加速度分量瞬间>2.2g则判断为高台跳。
对于活动量的测算可以是：各个运动的时间乘以加权系数后再累加，如缓步走路为2小时，站立静止为1小时，那么活动量即是2*2+1＝5。
睡眠跟踪指标：包括评估用户睡眠跟踪指标的方法：根据X轴方向和Y轴与地面夹角pitchx[rad]＝sin-1(Ax[g]/1[g])、pitchy[rad]＝sin-1(Ax[g]/1[g])方向的数据，每20分钟数据Δpitchx和Δpitchy进行加权平均聚类分组，按方差分为高频活动时间、中频活动时间、低频活动时间，根据低频占比>90％判断进入深度睡眠，根据高频占比>30％判断进入清醒状态；并将高频、中频、低频时间占比加权值作为睡眠质量指标。其中所述高频活动时间对应的方差范围为大于20000；所述中频活动时间对应的方差范围为大于或者等于1000且小于或者等于20000；所述低频活动时间对应的方差范围为小于或者等于1000；所述高频时间的占比加权值为0.1；所述中频时间的占比加权值为0.3；所述低频时间的占比加权值为1。此处的睡眠质量指标是计算出累计的睡眠时间，如高频是2小时，中频是3小时，低频是3小时，那么计算出的睡眠时间就是2*0.1+3*0.3+3＝4.3小时，以此指标作为衡量用户睡眠质量的依据。
在上述一个或者多个算法的基础上，通过组建虚拟传感器物联网，利用蓝牙等无线通信手段可在手机等智能终端中动态展示，可实现动画和/或语音指导患者动作。
本发明提供了一种可穿戴的骨科术后康复治疗的辅助装置，用于帮助患者进行术后康复训练，为医生评估训练效果提供数据支持。可利用陀螺仪等传感器导航技术进行人体姿态测量，不受外界环境干扰，可靠性高；可选择利用无线技术将数据传输到上位机，降低传输过程中对动作干扰数据实时反馈，帮助用户提升动作准确度。
在使用时，患者只需将该装置佩戴至脚踝部位，开启康复仪的电源开关，打开手机端APP并开启蓝牙即可实现与康复仪的自动无线连接，实时接收腿部动作的各项数据，包括腿部抬升角度，抬升距离等，这些数据可以保存至手机端或通过网络发送给医生，为医生的下一步治疗计划提供参考数据。
本发明只需佩戴使用，无需导线连接，低功耗，续航时间长，测量数据精度高，非常适合手术后的患者佩戴进行康复训练，可大大缩短康复所需的时间。还可针对所戴的患肢，进行运动跟踪，4小时监控关节冲击受力，建立关节损耗指数。
本发明的技术方案已由可选实施例揭示如上。本领域技术人员应当意识到在不脱离本发明所附的权利要求所揭示的本发明的范围和精神的情况下所作的更动与润饰，均属本发明的权利要求的保护范围之内。
所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在上面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组件、材料等。在其它情况下，不详细示出或描述公知结构、材料或者操作以避免模糊本发明的各方面。

Claims (9)

1.一种用于监测用户下肢运动的方法，其特征在于，包括以下步骤：
实时测量下肢的加速度值、角速度值以及气压值三者中的至少一者；
以脚踝指定位置为测试基准点，建立有测试数据的坐标系，所述坐标系中x轴指向用户的正上方，y轴指向用户的正外侧，z轴指向用户的正前方；得出下肢的运动数据；
根据所述运动数据识别下肢的具体动作；
其中，在根据所述运动数据识别下肢的具体动作之前，先存储有多组阈值，所述多组阈值中各包含加速度值范围、角速度值范围和气压值范围中的至少一个；当测量所得下肢的加速度值、角速度值以及气压值达到所述多组阈值中一组阈值所限定的范围时，当前动作识别为此组阈值对应的动作；所述多组阈值以及其分别对应的动作为：
侧卧抬腿，测试基准点在y轴加速度Ay>0.9[g]，且x轴加速度Ax<0.1[g],y轴方向速度和z轴方向角速度的绝对值比值Vy[m/s]:ωz[rad/s]在0.3～0.5[m/rad]之间；
直腿抬高，测试基准点在z轴加速度Az>0.9g且x轴加速度Ax<0.1g，Z轴方向速度和y轴方向角速度比值Vz[m/s]:ωy[rad/s]的绝对值在0.3～0.5[m/rad]之间；
滑移屈膝，测试基准点在Z轴方向速度和y轴方向角速度比值Vz[m/s]:ωy[rad/s]的绝对值在0.2～0.4[m/rad]之间，x轴方向加速度Ax在最小值小于0.1g，最大值大于0.6g的区域往复运动；
俯卧屈膝，Z轴方向速度和y轴方向角速度比值Vz[m/s]:ωy[rad/s]的绝对值在0.2～0.4[m/rad]之间，z轴加速度Az的最小值小于-0.3g，最大值大于0.8g；以及
站立外展，x、y轴加速度的平方和根的最小值小于0.7g，最大值大于0.9g，x轴加速度Ax在10s内方差大于0.0026；
以上的一种或多种。
2.根据权利要求1所述的用于监测用户下肢运动的方法，其特征在于，所述多组阈值以及其分别对应的动作还包括：
平地步行，去重力后x轴加速度在最小值小于0.8g，最大值大于1.2g的区域往复运动；
上楼梯，在5分钟内，气压高度传感器所测的高度差Δh>1.5m，同时x轴脉冲变化>1g；
深睡眠，加速度计中，pitchy[rad]＝sin-1(Ay[g]/1[g])的方差低于0.6[rad]/20分钟；
浅睡眠，加速度计中，pitchy[rad]＝sin-1(Ay[g]/1[g])的方差高于0.6[rad]/20分钟且小于1200°/20分钟；
以上的一种或多种。
3.根据权利要求1或2所述的用于监测用户下肢运动的方法，其特征在于，所有步骤之前还包括姿态识别步骤，其中，根据下肢指定位置建立的肢体坐标系相对于地理坐标系的差异识别用户的身体姿态。
4.根据权利要求1所述的用于监测用户下肢运动的方法，其特征在于，还包括动作测量步骤：
侧卧抬腿，首先初始化XY平面的重力方向夹角A＝arctan(Y/X)，记录备用，之后将所述XY平面的重力方向夹角变化量ΔA<3°/5s作为测试基准点的y轴方向高度进行测算，将积分运算得出的高度输出为测试结果；
直腿抬高，首先初始化XZ平面的重力方向夹角B＝arctan(Z/X)，记录备用，之后将所述XZ平面的重力方向夹角变化量ΔB<3°/5s作为阀值对测试基准点的z轴方向高度进行测算，将积分的高度输出为测试结果；
站立外展，首先初始化XY平面的重力方向夹角A＝arctan(Y/X)，记录备用，将所述XY平面的重力方向夹角变化量ΔA<3°/5s作为阀值对测试基准点的x轴方向高度进行测算，将积分的高度输出为测试结果；
屈膝滑移，首先初始化XZ平面的重力方向夹角B＝arctan(Z/X)，记录备用，将所述XZ平面的重力方向夹角的当前值B`与初始值B相减获得的夹角差的2倍输出为测试结果，作为膝关节屈曲角度值；
俯卧屈膝，首先初始化XZ平面的重力方向夹角B＝arctan(Z/X)，记录备用，将所述XZ平面的重力方向夹角的当前值B`与初始值B相减获得的夹角差ΔB输出为测试结果，作为膝关节屈曲角度值；
以上的一种或多种。
5.根据权利要求1或2所述的用于监测用户下肢运动的方法，其特征在于，还包括高度识别步骤，将所述测试基准点的坐标系转换为地理坐标系，并计算出垂直方向的位移。
6.根据权利要求2所述用于监测用户下肢运动的方法，其特征在于，所述用于监测用户下肢运动的方法还包括步行活动量的测量步骤，其中通过步频判断运动种类，记录该运动种类的持续时间，将该持续时间进行加权计算，得到用户的活动量。
7.根据权利要求3所述用于监测用户下肢运动的方法，其特征在于，所述多组阈值以及其分别对应的动作还包括：
缓慢走路：在2s时间间隔内，重力方向合加速度分量除去重力1g之后与垂直分量之比的范围出现小于1:3或大于3:1的周期性变化；
静止站立：在2s时间间隔内，重力方向合加速度分量除去重力1g之后与垂直分量之比的范围为大于或等于1:3且小于或等于3:1；
缓步走路：所述周期性变化的频率小于60/分钟；
上楼梯：缓慢走路的情况下，气压高度传感器持续大于10s呈上升趋势并且小于3m；
下楼梯：缓慢走路的情况下，气压高度传感器持续大于10s呈下降趋势并且小于3m；
快速走路：所述周期性变化的频率为大于60步/分钟且小于120步/分钟，且重力方向合加速度分量小于1.2g；
跑步：所述周期性变化的频率为大于120步/分钟，且重力方向合加速度分量大于1.2g；
高台跳：重力方向合加速度分量瞬间大于2.2g；
以上的一种或多种。
8.根据权利要求4所述的用于监测用户下肢运动的方法，其特征在于，所述用于监测用户下肢运动的方法还包括睡眠质量测量步骤，其中通过测量的加速度值可以识别不同的活动频段，记录该活动频段的持续时间，并对所述持续时间进行加权，计算即可算出睡眠质量值。
9.根据权利要求8所述的用于监测用户下肢运动的方法，其特征在于，所述睡眠质量测量步骤，根据X轴方向和Y轴与地面夹角pitchx[rad]＝sin-1(Ax[g]/1[g])、pitchy[rad]＝sin-1(Ax[g]/1[g])方向的数据，每20分钟数据Δpitchx和Δpitchy进行加权平均聚类分组，按方差分为高频活动时间、中频活动时间、低频活动时间，根据低频占比>90％判断进入深度睡眠，根据高频占比>30％判断进入清醒状态；并将高频、中频、低频时间占比加权值作为睡眠质量指标。
CN201610984637.8A 2015-11-10 2016-11-09 一种用于监测用户下肢运动的方法 Active CN106618584B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2015107618743 2015-11-10
CN201510761874 2015-11-10

Publications (2)

Publication Number Publication Date
CN106618584A CN106618584A (zh) 2017-05-10
CN106618584B true CN106618584B (zh) 2019-11-22

Family

ID=58807043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610984637.8A Active CN106618584B (zh) 2015-11-10 2016-11-09 一种用于监测用户下肢运动的方法

Country Status (1)

Country Link
CN (1) CN106618584B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6645481B2 (ja) * 2017-08-03 2020-02-14 カシオ計算機株式会社 活動記録データ処理装置、活動記録データ処理方法及び活動記録データ処理プログラム
PL423224A1 (pl) * 2017-10-21 2019-04-23 Rsq Tech Spolka Z Ograniczona Odpowiedzialnoscia Sposób mierzenia i odwzorowywania ruchu ciała zwłaszcza przy leczeniu i diagnostyce ortopedycznej
CN109902614A (zh) * 2019-02-25 2019-06-18 重庆邮电大学 一种基于局部时空特征的人体行为识别方法
CN109924985B (zh) * 2019-03-29 2022-08-09 上海电气集团股份有限公司 下肢康复设备及基于其的评估装置、方法
CN110017834B (zh) * 2019-04-15 2021-12-24 歌尔科技有限公司 使用对象确定方法、设备及存储介质
CN110974240A (zh) * 2019-12-09 2020-04-10 江苏物联网研究发展中心 一种人体动作行为检测、预测方法
CN111803074B (zh) * 2020-06-23 2023-10-27 深圳市丞辉威世智能科技有限公司 肢体运动指导方法、装置、系统、电子设备及存储介质
CN114145710B (zh) * 2020-09-08 2023-08-29 Oppo（重庆）智能科技有限公司 身体数据检测方法、装置以及电子设备
CN113876316B (zh) * 2021-09-16 2023-10-10 河南翔宇医疗设备股份有限公司 下肢屈伸活动异常检测系统、方法、装置、设备及介质
CN114344873B (zh) * 2022-01-14 2023-04-07 北京数感科技有限公司 一种预摆动作类型识别方法、系统及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000245713A (ja) * 1999-02-26 2000-09-12 Sanyo Electric Co Ltd 行動認識装置
CN101694693A (zh) * 2009-10-16 2010-04-14 中国科学院合肥物质科学研究院 基于加速度传感器人体运动识别系统及方法
CN102667672A (zh) * 2009-07-07 2012-09-12 韩铮 一种加速度动作识别系统及其方法
CN103961109A (zh) * 2014-05-05 2014-08-06 北京航空航天大学 基于加速度信号和角速度信号的人体姿态检测装置
CN103989480A (zh) * 2014-06-12 2014-08-20 福州大学 基于Android系统的膝骨性关节炎运动监测方法
CN105095214A (zh) * 2014-04-22 2015-11-25 北京三星通信技术研究有限公司 基于运动识别进行信息推荐的方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000245713A (ja) * 1999-02-26 2000-09-12 Sanyo Electric Co Ltd 行動認識装置
CN102667672A (zh) * 2009-07-07 2012-09-12 韩铮 一种加速度动作识别系统及其方法
CN101694693A (zh) * 2009-10-16 2010-04-14 中国科学院合肥物质科学研究院 基于加速度传感器人体运动识别系统及方法
CN105095214A (zh) * 2014-04-22 2015-11-25 北京三星通信技术研究有限公司 基于运动识别进行信息推荐的方法及装置
CN103961109A (zh) * 2014-05-05 2014-08-06 北京航空航天大学 基于加速度信号和角速度信号的人体姿态检测装置
CN103989480A (zh) * 2014-06-12 2014-08-20 福州大学 基于Android系统的膝骨性关节炎运动监测方法

Also Published As

Publication number Publication date
CN106618584A (zh) 2017-05-10

Similar Documents

Publication Publication Date Title
CN106618584B (zh) 一种用于监测用户下肢运动的方法
US20200337629A1 (en) System and methods for monitoring physical therapy and rehabilitation of joints
US9545221B2 (en) Electronic system with dynamic localization mechanism and method of operation thereof
CN104146712B (zh) 穿戴式足底压力检测设备及足底压力检测和姿态预测方法
CN104922890B (zh) 智能运动护具
CN105688396B (zh) 运动信息显示系统和运动信息显示方法
US8876738B1 (en) Human activity monitoring device
CN106037753B (zh) 一种基于多传感融合的可穿戴数据采集系统及其方法
CN105795571B (zh) 一种用于外骨骼压力鞋的数据采集系统及方法
US20110246123A1 (en) Personal status monitoring
CN111693024A (zh) 一种基于九轴惯性测量单元可穿戴人体传感监测设备
CN109480857B (zh) 一种用于帕金森病患者冻结步态检测的装置及方法
CN105530864A (zh) 用于监测身体活动的系统
CN105534500B (zh) 一种整合生理参数监测的平衡功能测评装置及方法
CN106419929A (zh) 帕金森病患者姿态平衡稳定性的定量检测装置
JP6837484B2 (ja) 運動をデジタル化し評価する装置
Simcox et al. Performance of orientation sensors for use with a functional electrical stimulation mobility system
CN109381191A (zh) 基于智能鞋进行人体运动行为判断的系统及方法
Sabatini Inertial sensing in biomechanics: a survey of computational techniques bridging motion analysis and personal navigation
EP2231013B1 (en) Integrated unit for monitoring motion in space
Qiu et al. Ambulatory estimation of 3D walking trajectory and knee joint angle using MARG Sensors
CN110974242A (zh) 一种用于可穿戴式设备的步态异常程度评价方法及该设备
CN113288121A (zh) 一种步态分析系统
Borghetti et al. Multisensor system for analyzing the thigh movement during walking
Chen et al. Enabling longitudinal assessment of ankle-foot orthosis efficacy for children with cerebral palsy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20170927

Address after: 100082 Beijing city Haidian District Deshengmen West Street No. 15 ocean scenery area 8-2-1201 room

Applicant after: Beijing Natong Technology Group Co., Ltd.

Applicant after: Beijing SHANGDA Medical Technology Co Ltd

Applicant after: Beijing step Technology Co., Ltd.

Address before: 100082 Beijing city Haidian District Deshengmen West Street No. 15 ocean scenery area 8-2-1201 room

Applicant before: Beijing Natong Technology Group Co., Ltd.

Applicant before: Beijing SHANGDA Medical Technology Co Ltd

GR01 Patent grant
GR01 Patent grant