CN106821388A - 脑卒中病人下肢康复定量评估方法 - Google Patents

Abstract

本发明公开了一种脑卒中病人下肢康复定量评估方法，涉及动作捕捉技术及其在评估肢体功能康复中的应用，具体涉及一种基于步速、步频、左右步幅差、健侧患侧支撑相比值和患侧健侧摆动相比值开发的下肢功能康复定量评估方法。其包含：一套全身动作捕捉和显示系统，一种下肢功能康复定量评估方法。本发明摒弃了传统康复医学所采用的观察和量表方式评估病人下肢康复程度的方法，将信息技术和医学结合在一起，通过全身动作捕捉系统分析双足运动的步态参数，并以病人的健侧脚作为对比对象，用评级的方式定量地评估脑卒中病人下肢运动机能的改善程度，对人体健康恢复和临床医学具有重要的意义和价值。

Description

脑卒中病人下肢康复定量评估方法

技术领域

本发明涉及一种人体康复效果评估方法，特别是涉及一种利用动作捕捉系统在定量评估人体运动部位的康复程度中的应用，属于电子信息领域，且特别涉及到医学康复领域上下肢一体化概念，属于新一代信息技术战略性新型产业。

背景技术

脑卒中，cerebral stroke，又称中风，是一种急性脑血管疾病，发病年龄多在40岁以上，且发病年轻化趋势日益加重。脑卒中病人临床表现一般为一侧脸部、手臂或腿部突然感到麻木、无力，行路困难、失去平衡或协调能力。与正常人相比，脑卒中病人表现出较小的步速、较短的步长，行走过程中时左右脚步态差异明显。脑卒中病人一般为单侧偏瘫，一侧脚行走活动正常，在医学上称为健侧；另一侧脚行走活动不正常，称为患侧。因此，行走时步长、步速以及健患侧步态相比参数等是评估脑卒中病人康复程度的重要指标。

目前针对评估病人下肢康复程度的研究主要有以下两种方式：最传统的方式是量表打分，医生通过病人下肢完成几个基本动作的情况打分来评估其下肢康复所处的阶段，但是这种方式是定性的，主观性强而且效率低下。第二种方式更加客观，医生通过观察病人步行过程，用秒表计时来记录步态周期，保存分析病人的步态信息，同时使用米尺以及足印法等来直接测量步态参数，如步幅、步宽等。虽然上述的测量方法需要的工具简单，几乎不需要任何专业知识，但是由于测量方法是人工测量，难免会带来比较大的误差。

针对脑卒中病人下肢康复程度准确、定量地评估的一个重要前提，是对病人行走时的支撑相与摆动相进行识别。医学上将一个完整的步态周期划分为支撑相和摆动相，支撑相指左脚或右脚接触地面和承受重力的时相，占步态周期的60％左右；摆动相指左脚或右脚在空中向前摆动的时相，占步态周期的40％左右。当左脚或右脚处于支撑相时，趋于速度和角速度为零的静止状态，此时加速度计只受到重力加速度的影响，其它加速度为零。而处于摆动相时，速度、角速度和加速度发生剧烈变化。根据上述的显著的特征，就可以识别出左脚或右脚是处于支撑相还是摆动相。但目前目前下肢功能康复评估定性分析主观性较大，依赖人力效率低下，还没有关于识别出左脚或右脚是处于支撑相还是摆动相的自动精确识别的方法，也未见到在脑卒中病人下肢康复定量评估方法中利用智能系统自动计算支撑相和摆动相相关参数的文献报道。

发明内容

为了解决现有技术问题，本发明的目的在于克服已有技术存在的不足，提供一种脑卒中病人下肢康复定量评估方法，将信息技术和医学结合在一起，针对步长、步速以及健患侧步态相比参数的精准定量评估方案，通过全身动作捕捉系统动态地分析双足运动的步态参数，更加准确地评估脑卒中病人下肢的康复情况，用定量的方式评估脑卒中病人下肢运动机能的改善程度。

为达到上述发明创造目的，本发明采用下述技术方案：

一种脑卒中病人下肢康复定量评估方法，步骤如下：

通过全身动作捕捉系统，实时地捕捉并利用智能计算机系统处理人体骨骼的位置数据和旋转数据，进行数据采集；然后以病人的健侧脚作为对比对象，以步速、步频、左右脚步幅差s_差、健侧患侧支撑相比值a和患侧健侧摆动相比值b作为定量评估的标准，得出患者在整个康复训练过程中当前时刻的下肢的康复程度。

作为本发明优选的技术方案，评估步骤如下：

a.数据采集：按照设定的数据采集速率，通过全身动作捕捉系统，实时地捕捉并处理人体骨骼及各个关节点三维坐标和旋转数据，进行数据采集；

b.评定下肢康复程度等级：以病人的健侧脚作为对比参考对象，根据在步骤a中采集的数据，通过计算得出步速、步频、左右脚步幅差s_差、健侧脚步幅s_健、健侧患侧支撑相比值a和患侧健侧摆动相比值b，得到由此一系列体现下肢运动机能的步态参数构成的定量评估的标准数据集合，并构造脑卒中病人下肢康复程度等级，作为脑卒中病人下肢康复程度的定量评估参考，从而得出脑卒中病人下肢康复程度的定量评估结论。

作为上述方案的进一步优选的技术方案，在所述步骤a中，采用全身动作捕捉系统，全身动作捕捉系统包括动作姿态传感器系统和智能计算机系统，所述动作姿态传感器系统由网络集线器主节点装置和17个传感器节点构成，网络集线器主节点装置为可穿戴式电子器件，每个传感器节点皆为可佩带的无线动作捕捉传感器单元，能分别佩带安装在人体的设定部位，所述动作姿态传感器系统的各个动作捕捉传感器单元分别包括头部传感器节点、背部传感器节点、腰部传感器节点、左肩传感器节点、右肩传感器节点、左大臂传感器节点、右大臂传感器节点、左小臂传感器节点、右小臂传感器节点、左手掌传感器节点、右手掌传感器节点、左大腿传感器节点、右大腿传感器节点、左小腿传感器节点、右小腿传感器节点、左脚传感器节点和右脚传感器节点，各个动作捕捉传感器单元分别对应采集头部、背部、腰部、左右双肩部、左右大臂部、左右小臂部、左右双手掌部、左右大腿部、左右小腿部和左右双脚部一个17个人体部位的运动参数，所述动作姿态传感器系统的各个动作捕捉传感器单元采集的人体部位的运动数据汇集到网络集线器主节点装置上，然后网络集线器主节点装置按照设定的数据采集速率，将全身动作捕捉系统采集的人体对应部位的加速度、角速度以及人体骨骼的位置数据通过TCP/IP协议向智能计算机系统传输，智能计算机系统通过数据处理，提取出腰部传感器节点、右脚传感器节点和左脚传感器节点的采集的加速度、角速度以及对应人体部位骨骼的位置数据，完成数据采集过程。

作为上述方案的进一步优选的技术方案，在所述步骤b中构造脑卒中病人下肢康复程度等级时，计算健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异参数，其中，

健患侧支撑相差异＝|a-1|×100％；

健患侧摆动相差异＝|b-1|×100％；

以健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异作为主要参考数据，将下肢康复程度划分为三级：初级、中级和高级；具体如下：

(a)健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异均在10％以内，则脑卒中病人下肢康复程度处于高级阶段；

(b)健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异均在30％以内，则脑卒中病人下肢康复程度处于中级阶段；

(c)而健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异中至少一项超过30％，则脑卒中病人下肢康复程度仍处于初级阶段。

作为上述方案的进一步优选的技术方案，在所述步骤b中，对支撑相与摆动相进行识别时，通过设置一个设定的阈值，根据右脚传感器节点和左脚传感器节点输出的加速度和角速度数据，根据下式识别出左右脚的步态周期：

式中的a_x、a_y、a_z分别为三轴加速度计中三个方向的加速度矢量，T为设置的阈值。

作为上述方案的进一步优选的技术方案，在所述步骤b中，对支撑相与摆动相进行识别时，将步态周期化为4个部分，在支撑相前增加一个预支撑相，在摆动相前增加一个预摆动相，当左脚或右脚处于支撑相时，第一次判定为摆动相后，左脚或右脚进入预摆动相状态，此时记录腰部传感器节点、右脚传感器节点和左脚传感器节点输出的数据，当连续达到设定的n次判断为支撑相时，确定左脚或右脚的状态即转换为支撑相。

作为上述方案的进一步优选的技术方案，在所述步骤a中，全身动作捕捉系统提供了每根骨骼的位置数据，在左脚或右脚的支撑相和摆动相交界处，记录左脚传感器节点和右脚传感器节点输出的数据，然后通过下述距离公式，得出步幅s：

式中x₁、y₁为当前时刻左脚或右脚在前进方向上的位置坐标，x₂、y₂为下一时刻左脚或右脚在前进方向上的位置坐标，在左脚或右脚的支撑相和摆动相交界处，通过设计计时器控制计时的时机，测量得出或者再辅助计算得出左脚或右脚的支撑相时间、摆动相时间、步态周期和步频；

将左脚和右脚的步幅相减可得左右脚步幅差s_差，将健侧脚支撑相时间和患侧脚支撑相时间相比得到健侧患侧支撑相比值a，将患侧脚摆动相时间和健侧脚摆动相时间相比得到患侧健侧摆动相比值b。

作为上述方案的进一步优选的技术方案，在所述步骤a中，按照不低于120帧/秒的数据采集速率，进行数据采集。

作为上述方案的进一步优选的技术方案，在所述步骤a中，在进行数据采集时，还对患者进行辅助摄像或录像，将摄像或录像采集的图像信息输入到智能计算机系统，通过图像分析和处理，作为脑卒中病人下肢康复程度定量评估数据的冗余校验数据。

本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：

1.本发明基于五个最能体现下肢运动机能的步态参数对下肢康复定量评估，包括人体骨骼位置数据和旋转数据的捕捉、定量评估过程以及最终结果生成，利用现有的全身动作捕捉设备获取到人体骨骼及各个关节点三维坐标和旋转数据，以病人下肢的健侧为参考对象，对比得出当前时刻病人患侧的康复程度，是一种针对步长、步速以及健患侧步态相比参数的精准定量评估方案；

2.本发明基于步速、步频、左右步幅差、健侧患侧支撑相比值和患侧健侧摆动相比值开发的下肢功能康复定量评估方法，将信息技术和医学结合在一起，通过全身动作捕捉系统分析双足运动的步态参数，并以病人的健侧脚作为对比对象，用评级的方式定量地评估脑卒中病人下肢运动机能的改善程。

附图说明

图1为本发明实施例一利用全身动作捕捉系统的脑卒中病人下肢康复定量评估方法的原理示意图。

具体实施方式

本发明的优选实施例详述如下：

实施例一：

在本实施例中，参见图1，一种脑卒中病人下肢康复定量评估方法，步骤如下：

a.数据采集：按照120帧/秒的数据采集速率，通过全身动作捕捉系统，实时地捕捉并利用智能计算机系统Ⅱ处理人体骨骼及各个关节点三维坐标和旋转数据，进行数据采集；

b.评定下肢康复程度等级：以病人的健侧脚作为对比参考对象，根据在步骤a中采集的数据，通过计算得出步速、步频、左右脚步幅差s_差、健侧脚步幅s_健、健侧患侧支撑相比值a和患侧健侧摆动相比值b，得到由此一系列体现下肢运动机能的步态参数构成的定量评估的标准数据集合，并构造脑卒中病人下肢康复程度等级，作为脑卒中病人下肢康复程度的定量评估参考，从而得出脑卒中病人下肢康复程度的定量评估结论。

在本实施例中，参见图1，在所述步骤a中，采用全身动作捕捉系统，全身动作捕捉系统包括动作姿态传感器系统Ⅰ和智能计算机系统Ⅱ，所述动作姿态传感器系统Ⅰ由网络集线器主节点装置18和17个传感器节点构成，网络集线器主节点装置18为可穿戴式HUB电子器件，HUB电子器件的作用是将17个节点的数据收集起来，然后无线发送出去，每个传感器节点皆为可佩带的无线动作捕捉传感器单元，能分别佩带安装在人体的设定部位，所述动作姿态传感器系统Ⅰ的各个动作捕捉传感器单元分别包括头部传感器节点1、背部传感器节点2、腰部传感器节点3、左肩传感器节点4、右肩传感器节点5、左大臂传感器节点7、右大臂传感器节点6、左小臂传感器节点9、右小臂传感器节点8、左手掌传感器节点11、右手掌传感器节点10、左大腿传感器节点13、右大腿传感器节点12、左小腿传感器节点15、右小腿传感器节点14、左脚传感器节点17和右脚传感器节点16，各个动作捕捉传感器单元分别对应采集头部、背部、腰部、左右双肩部、左右大臂部、左右小臂部、左右双手掌部、左右大腿部、左右小腿部和左右双脚部一个17个人体部位的运动参数，所述动作姿态传感器系统Ⅰ的各个动作捕捉传感器单元采集的人体部位的运动数据汇集到网络集线器主节点装置18上，然后网络集线器主节点装置18按照120帧/秒的数据采集速率，将全身动作捕捉系统采集的人体对应部位的加速度、角速度以及人体骨骼的位置数据通过TCP/IP协议向智能计算机系统Ⅱ传输，智能计算机系统Ⅱ通过数据处理，提取出腰部传感器节点3、右脚传感器节点16和左脚传感器节点17的采集的加速度、角速度以及对应人体部位骨骼的位置数据，完成数据采集过程。

在本实施例中，参见图1，在所述步骤b中构造脑卒中病人下肢康复程度等级时，设左右脚步幅差为s_差，健侧脚步幅为s_健，健侧患侧支撑相比值为a，患侧健侧摆动相比值b，计算健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异参数，其中，

健患侧支撑相差异＝|a-1|×100％；

健患侧摆动相差异＝|b-1|×100％；

以健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异作为主要参考数据，将下肢康复程度划分为三级：初级、中级和高级，具体如下：

(a)健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异均在10％以内，则脑卒中病人下肢康复程度处于高级阶段；

(b)健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异均在30％以内，则脑卒中病人下肢康复程度处于中级阶段；

(c)而健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异中至少一项超过30％，则脑卒中病人下肢康复程度仍处于初级阶段。

在本实施例中，参见图1，在所述步骤b中，对支撑相与摆动相进行识别时，通过设置一个设定的阈值，根据右脚传感器节点16和左脚传感器节点17输出的加速度和角速度数据，根据下式识别出左右脚的步态周期：

式中的a_x、a_y、a_z分别为三轴加速度计中三个方向的加速度矢量，T为设置的阈值。

在本实施例中，参见图1，在所述步骤b中，对支撑相与摆动相进行识别时，在支撑相和摆动相交界处可能会出现抖动干扰，为了使判断更加准确，将步态周期化为4个部分，在支撑相前增加一个预支撑相，在摆动相前增加一个预摆动相，当左脚或右脚处于支撑相时，第一次判定为摆动相后，左脚或右脚进入预摆动相状态，此时记录腰部传感器节点3、右脚传感器节点16和左脚传感器节点17输出的数据，当连续达到设定的n次判断为支撑相时，确定左脚或右脚的状态即转换为支撑相。

本实施例基于五个最能体现下肢运动机能的步态参数对下肢康复定量评估的方法，包括人体骨骼位置数据和旋转数据的捕捉、定量评估过程以及最终结果生成。全身动作捕捉系统由17个节点组成，通过全身动作捕捉系统实时地捕捉并处理人体骨骼的位置数据和旋转数据，并以病人的健侧脚作为对比对象，以步速、步频、左右步幅差、健侧患侧支撑相比值和患侧健侧摆动相比值作为定量评估的标准，给出患者在整个康复训练过程中下肢的康复程度。本实施例摒弃了传统康复医学所采用的观察和量表方式评估病人下肢康复程度的方法，将信息技术和医学结合在一起，通过全身动作捕捉系统分析双足运动的步态参数，并以病人的健侧脚作为对比对象，用评级的方式定量地评估脑卒中病人下肢运动机能的改善程度，对人体健康恢复和临床医学具有重要的意义和价值。

实施例二：

本实施例与实施例一基本相同，特别之处在于：

在本实施例中，在所述步骤a中，根据脑卒中肢体康复医学规范以及医院的实地测试，选取以步速、步频、左右步幅差、健侧患侧支撑相比值和患侧健侧摆动相比值作为定量评估的标准，由于脑卒中病人步速慢、步频低、左右脚不协调等临床病症，因此步速、步频、左右步幅差、健侧患侧支撑相比值和患侧健侧摆动相比值这五个步态参数最能体现下肢运动机能。全身动作捕捉系统提供了每根骨骼的位置数据，在左脚或右脚的支撑相和摆动相交界处，记录左脚传感器节点17和右脚传感器节点16输出的数据，然后通过下述距离公式，得出步幅s：

式中x₁、y₁为当前时刻左脚或右脚在前进方向上的位置坐标，x₂、y₂为下一时刻左脚或右脚在前进方向上的位置坐标，在左脚或右脚的支撑相和摆动相交界处，通过设计计时器控制计时的时机，测量得出或者再辅助计算得出左脚或右脚的支撑相时间、摆动相时间、步态周期和步频；

在左脚或右脚的支撑相和摆动相交界处，通过设计计时器控制计时的时机也可准确地测出左脚或右脚的支撑相、摆动相时间和步态周期。

本系统为了减小人走动时脚部抖动带来的误差，选取了抖动较小的腰部，以绑在腰部处的腰部传感器节点3输出的速度信息作为步速的值。步频则根据其物理意义，通过求步态周期的倒数即可得出。

分析得到的步幅，支撑相时间和摆动相时间，去除异常数据求平均值。将左脚和右脚的步幅相减可得左右脚步幅差s_差，将健侧脚支撑相时间和患侧脚支撑相时间相比得到健侧患侧支撑相比值a，将患侧脚摆动相时间和健侧脚摆动相时间相比得到患侧健侧摆动相比值b。本实施例摒弃了传统康复医学所采用的观察和量表方式评估病人下肢康复程度的方法，将信息技术和医学结合在一起，通过全身动作捕捉系统分析双足运动的步态参数，并以病人的健侧脚作为对比对象，用评级的方式定量地评估脑卒中病人下肢运动机能的改善程度，对人体健康恢复和临床医学具有重要的意义和价值。

实施例三：

本实施例与前述实施例基本相同，特别之处在于：

在本实施例中，在所述步骤a中，在进行数据采集时，还对患者进行辅助摄像或录像，将摄像或录像采集的图像信息输入到智能计算机系统Ⅱ，通过图像分析和处理，作为脑卒中病人下肢康复程度定量评估数据的冗余校验数据。

在本实施例中，脑卒中病人下肢康复定量评估方法，步骤如下：

①首先病人在佩戴支具的情况下穿戴动作捕捉系统之后面向摄像头截取病人图片；

②病人面朝摄像头直线行走10米的距离，与此同时开启系统的测试功能和录像功能，对病人的一次行走过程进行数据的采集与计算，这样当结束测试时就可以同时获得病人这一次康复过程的定量与定性数据。这一过程重复两次；

③之后，病人在不戴支具的情况下重复流程②的测试过程。

本实施例能更加有效地实现定量与定性的结合，提高本实施例脑卒中病人下肢康复定量评估方法的准确性。

上面结合附图对本发明实施例进行了说明，但本发明不限于上述实施例，还可以根据本发明的发明创造的目的做出多种变化，凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合或简化，均应为等效的置换方式，只要符合本发明的发明目的，只要不背离本发明脑卒中病人下肢康复定量评估方法的技术原理和发明构思，都属于本发明的保护范围。

Claims (9)

1.一种脑卒中病人下肢康复定量评估方法，其特征在于，评估步骤如下：

通过全身动作捕捉系统，实时地捕捉并利用智能计算机系统(Ⅱ)处理人体骨骼的位置数据和旋转数据，进行数据采集；然后以病人的健侧脚作为对比对象，以步速、步频、左右脚步幅差s_差、健侧患侧支撑相比值a和患侧健侧摆动相比值b作为定量评估的标准，得出患者在整个康复训练过程中当前时刻的下肢的康复程度。

2.根据权利要求1所述脑卒中病人下肢康复定量评估方法，其特征在于，评估步骤如下：

a.数据采集：按照设定的数据采集速率，通过全身动作捕捉系统，实时地捕捉并处理人体骨骼及各个关节点三维坐标和旋转数据，进行数据采集；

b.评定下肢康复程度等级：以病人的健侧脚作为对比参考对象，根据在步骤a中采集的数据，通过计算得出步速、步频、左右脚步幅差s_差、健侧脚步幅s_健、健侧患侧支撑相比值a和患侧健侧摆动相比值b，得到由此一系列体现下肢运动机能的步态参数构成的定量评估的标准数据集合，并构造脑卒中病人下肢康复程度等级，作为脑卒中病人下肢康复程度的定量评估参考，从而得出脑卒中病人下肢康复程度的定量评估结论。

3.根据权利要求2所述脑卒中病人下肢康复定量评估方法，其特征在于：在所述步骤a中，采用全身动作捕捉系统，全身动作捕捉系统包括动作姿态传感器系统(Ⅰ)和智能计算机系统(Ⅱ)，所述动作姿态传感器系统(Ⅰ)由网络集线器主节点装置(18)和17个传感器节点构成，网络集线器主节点装置(18)为可穿戴式电子器件，每个传感器节点皆为可佩带的无线动作捕捉传感器单元，能分别佩带安装在人体的设定部位，所述动作姿态传感器系统(Ⅰ)的各个动作捕捉传感器单元分别包括头部传感器节点(1)、背部传感器节点(2)、腰部传感器节点(3)、左肩传感器节点(4)、右肩传感器节点(5)、左大臂传感器节点(7)、右大臂传感器节点(6)、左小臂传感器节点(9)、右小臂传感器节点(8)、左手掌传感器节点(11)、右手掌传感器节点(10)、左大腿传感器节点(13)、右大腿传感器节点(12)、左小腿传感器节点(15)、右小腿传感器节点(14)、左脚传感器节点(17)和右脚传感器节点(16)，各个动作捕捉传感器单元分别对应采集头部、背部、腰部、左右双肩部、左右大臂部、左右小臂部、左右双手掌部、左右大腿部、左右小腿部和左右双脚部一个17个人体部位的运动参数，所述动作姿态传感器系统(Ⅰ)的各个动作捕捉传感器单元采集的人体部位的运动数据汇集到网络集线器主节点装置(18)上，然后网络集线器主节点装置(18)按照设定的数据采集速率，将全身动作捕捉系统采集的人体对应部位的加速度、角速度以及人体骨骼的位置数据通过TCP/IP协议向智能计算机系统(Ⅱ)传输，智能计算机系统(Ⅱ)通过数据处理，提取出腰部传感器节点(3)、右脚传感器节点(16)和左脚传感器节点(17)的采集的加速度、角速度以及对应人体部位骨骼的位置数据，完成数据采集过程。

4.根据权利要求3所述脑卒中病人下肢康复定量评估方法，其特征在于：在所述步骤b中构造脑卒中病人下肢康复程度等级时，计算健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异参数，其中，

健患侧支撑相差异＝|a-1|×100％；

健患侧摆动相差异＝|b-1|×100％；

以健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异作为主要参考数据，将下肢康复程度划分为三级：初级、中级和高级；具体如下：

(a)健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异均在10％以内，则脑卒中病人下肢康复程度处于高级阶段；

(b)健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异均在30％以内，则脑卒中病人下肢康复程度处于中级阶段；

(c)而健患侧步幅差异、健患侧支撑相差异和健患侧摆动相差异中至少一项超过30％，则脑卒中病人下肢康复程度仍处于初级阶段。

5.根据权利要求3或4所述脑卒中病人下肢康复定量评估方法，其特征在于：在所述步骤b中，对支撑相与摆动相进行识别时，通过设置一个设定的阈值，根据右脚传感器节点(16)和左脚传感器节点(17)输出的加速度和角速度数据，根据下式识别出左右脚的步态周期：

式中的a_x、a_y、a_z分别为三轴加速度计中三个方向的加速度矢量，T为设置的阈值。

6.根据权利要求5所述脑卒中病人下肢康复定量评估方法，其特征在于：在所述步骤b中，对支撑相与摆动相进行识别时，将步态周期化为4个部分，在支撑相前增加一个预支撑相，在摆动相前增加一个预摆动相，当左脚或右脚处于支撑相时，第一次判定为摆动相后，左脚或右脚进入预摆动相状态，此时记录腰部传感器节点(3)、右脚传感器节点(16)和左脚传感器节点(17)输出的数据，当连续达到设定的n次判断为支撑相时，确定左脚或右脚的状态即转换为支撑相。

7.根据权利要求3或4所述脑卒中病人下肢康复定量评估方法，其特征在于：在所述步骤a中，全身动作捕捉系统提供了每根骨骼的位置数据，在左脚或右脚的支撑相和摆动相交界处，记录左脚传感器节点(17)和右脚传感器节点(16)输出的数据，然后通过下述距离公式，得出步幅s：

$s=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}$

式中x₁、y₁为当前时刻左脚或右脚在前进方向上的位置坐标，x₂、y₂为下一时刻左脚或右脚在前进方向上的位置坐标，在左脚或右脚的支撑相和摆动相交界处，通过设计计时器控制计时的时机，测量得出或者再辅助计算得出左脚或右脚的支撑相时间、摆动相时间、步态周期和步频；

将左脚和右脚的步幅相减可得左右脚步幅差s_差，将健侧脚支撑相时间和患侧脚支撑相时间相比得到健侧患侧支撑相比值a，将患侧脚摆动相时间和健侧脚摆动相时间相比得到患侧健侧摆动相比值b。

8.根据权利要求1～4中任意一项所述脑卒中病人下肢康复定量评估方法，其特征在于：在所述步骤a中，按照不低于120帧/秒的数据采集速率，进行数据采集。

9.根据权利要求1～4中任意一项所述脑卒中病人下肢康复定量评估方法，其特征在于：在所述步骤a中，在进行数据采集时，还对患者进行辅助摄像或录像，将摄像或录像采集的图像信息输入到智能计算机系统(Ⅱ)，通过图像分析和处理，作为脑卒中病人下肢康复程度定量评估数据的冗余校验数据。