CN109965890A - 一种基于多传感融合的下肢力量测评方法 - Google Patents
一种基于多传感融合的下肢力量测评方法 Download PDFInfo
- Publication number
- CN109965890A CN109965890A CN201910286328.7A CN201910286328A CN109965890A CN 109965890 A CN109965890 A CN 109965890A CN 201910286328 A CN201910286328 A CN 201910286328A CN 109965890 A CN109965890 A CN 109965890A
- Authority
- CN
- China
- Prior art keywords
- acquisition module
- pressure
- information acquisition
- human body
- lower limbs
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/224—Measuring muscular strength
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physical Education & Sports Medicine (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明的一种基于多传感融合的下肢力量测评方法,可解决现有测评下肢力量的方法耗时耗力且误差大的技术问题。包括采集模块与计算机模块通信连接;所述采集模块包括人体姿态信息采集模块和足底压力信息采集模块,包括以下步骤:S100、所述人体姿态信息采集模块和足底压力信息采集模块分别对同一人体动作进位置和足底压力数据进行采集并发送给计算机模块;S200、计算机模块根据采集模块所采集的数据计算特征参数,提取特征值,分别给出评估结果,分别记作决策一和决策二,同时将人体姿态信息采集模块和足底压力信息采集模块得到的所有特征参数在融合中心进行融合分析,得到该运动姿态评估结果。本发明的下肢力量测评方法简便快捷而且测量精准。
Description
技术领域
本发明涉及医疗机械技术领域,具体涉及一种基于多传感融合的下肢力量测评方法。
背景技术
目前国内测评下肢力量的通用方法是通过测量测试者站立时手触摸的最高高度与纵跳手触摸最高高度之间的距离差,以此反映测试者的下肢肌肉力量。此种测量方法具有较大的误差,由于人体结构特征,在纵跳过程中手臂关节会有一定的拉伸,且不同人体质不同,拉伸的长度也不同;单个人需要经过多次测量才可以测得在纵跳最高点手触摸到的高度,比较耗时耗力。
发明内容
本发明提出的一种基于多传感融合的下肢力量测评方法,可解决现有测评下肢力量的方法耗时耗力且误差大的技术问题。
为实现上述目的,本发明采用了以下技术方案:
一种基于多传感融合的下肢力量测评方法,基于采集模块和计算机模块;所述采集模块与计算机模块通信连接;其特点在于:
所述采集模块包括人体姿态信息采集模块和足底压力信息采集模块,其中,所述人体姿态信息采集模块设置在测试人员的正前方;
所述足底压力信息采集模块放置在测试人员脚下;
包括以下步骤:
S100、所述人体姿态信息采集模块和足底压力信息采集模块分别对同一人体动作进位置和足底压力数据进行采集并发送给计算机模块;
S200、计算机模块根据采集模块所采集的数据计算特征参数,提取特征值,分别给出评估结果,分别记作决策一和决策二,同时将人体姿态信息采集模块和足底压力信息采集模块得到的所有特征参数在融合中心进行融合分析,得到该运动姿态评估结果。
进一步的,所述步骤S200的决策一具体包括:
S2011、计算机模块接收到足底压力信息采集模块采集到压力数据帧并进行拆包、拼包处理,得到足底压力分布点阵,看作一帧灰度图像,采用图像处理算法进行滤波消除杂点和抖动,得到处理后的足底压力分布图像,标定后计算出人体总压力值及重心在水平面投影的位置;
S2012、然后利用足印压力聚类分析分割出左右足印,并得到足印的最小包络矩形T,按照长宽比例对T进行矩形区域划分得到t1,t2,m1,m2,m3,m4,m5,mf,mh,lh10个区域,计算出每个压力区域的等效压力值及各压力区域等效压力占总压力的比重得出用户重心所在区域,并比对纵跳前重心点与落地后重心点位置,若纵跳前后重心点均在同一区域或相邻区域则判断此次动作检测有效,否则视为无效测试结果。
进一步的,所述步骤S2011中标定后计算出人体总压力值及重心在水平面投影的位置;具体利用以下公式计算:
式(1)中,P表示总压力值,N表示非零压力点个数,pi表示足底压力数据帧中非零压力点的值;
式(2)中,xP、yP分别表示等效重心点的行、列位置坐标,xi、yi分别表示压力值为pi的压力点的行、列坐标。
进一步的,所述步骤S200中的决策二具体包括:
计算机模块根据人体姿态信息采集模块和足底压力信息采集模块采集到的特征值筛选出的有效测试数据timeList1_new和时间戳内腾空时间timeList2_new,找到timeList1_new每对起止时间戳内spineMid位置高度峰值h1,计算timeList2_new每对起止时间戳内腾空时间的跳跃高度h2,计算测试人体的跳跃高度h,再遍历每一组有效跳跃高度值,找出最大高度H作为批判下肢力量的指标;
其中,跳跃高度h采用下式计算:
h=(h1+h2)/2 (3)。
进一步的,所述人体姿态信息采集模块采用Kinect感应器,Kinect感应器设置在测试人员的正前方。
进一步的,所述足底压力信息采集模块采用足底压力传感器,足底压力传感器放在测试人员脚下。
进一步的,所述足底压力信息采集模块采用阵列式柔性压力传感器,所述阵列式柔性压力传感器放在测试人员脚下。
进一步的,所述阵列式柔性压力传感器采用将低温应变电阻浆料在聚酯基材上通过丝网印刷工艺制备。
进一步的,所述阵列式柔性压力传感器的阵列尺寸为60cm*60cm,压力点密度4个/cm2。
由上述技术方案可知,本发明的基于多传感融合的下肢力量测评方法通过采集模块分别对同一人体动作进位置和足底压力数据进行采集并发送给计算机模块;计算机模块根据采集模块所采集的数据计算特征参数,提取特征值,分别给出评估结果,分别记作决策一和决策二,同时将人体姿态信息采集模块和足底压力信息采集模块得到的所有特征参数在融合中心进行融合分析,得到该运动姿态评估结果。本发明的下肢力量测评方法简便快捷而且测量精准。
附图说明
图1是本发明方法的流程图;
图2是本发明的融合算法流程示意图;
图3是本发明原地纵跳动作特征量测评融合算法示意图;
图4是本发明足底压力分区示意图一;
图5是本发明足底压力分区示意图二。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
如图1所示,本实施例所述的基于多传感融合的下肢力量测评方法,基于采集模块和计算机模块;所述采集模块与计算机模块通信连接;其中,
所述采集模块包括人体姿态信息采集模块和足底压力信息采集模块,所述人体姿态信息采集模块设置在测试人员的正前方;
所述足底压力信息采集模块放置在测试人员脚下;
包括以下步骤:
S100、所述人体姿态信息采集模块和足底压力信息采集模块分别对同一人体动作进位置和足底压力数据进行采集并发送给计算机模块;
S200、计算机模块根据采集模块所采集的数据计算特征参数,提取特征值,分别给出评估结果,分别记作决策一和决策二,同时将人体姿态信息采集模块和足底压力信息采集模块得到的所有特征参数在融合中心进行融合分析,得到该运动姿态评估结果。
本实施例的硬件设备主要包括人体姿态和足底压力信息采集模块,其中,Kinect感应器和柔性压力垫,Kinect感应器与控制主机连接完成后安装驱动软件即可通过Kinect获取彩色数据流、深度数据流和骨骼数据流。本系统选用的是第二代Kinect设备,具有更高的彩色和深度摄像头分辨率、能识别更多的关节、检测视场更大。因此,选择Kinect 2.0作为姿态识别的检测设备。
足底压力采集模块采用阵列式柔性压力传感器,采用将低温应变电阻浆料在聚酯基材上通过丝网印刷工艺制备,具有制造工艺成熟、系统产品完善、测量精度高、重复性好等特点,硬件部分主要包括传感器制作及其基本外围电路、压力点行列扫描模块、数据传输模块等。
本实施例定制了一块60cm*60cm(压力点密度4个/cm2)的柔性压力传感器阵列,配套的计算机模块功能包括:控制基本外围电路、逐行扫描压力点获取各点的压力值、将压力值生成固定格式的数据帧并通过网络通信发送至上位机,其中上位机和下位机通过以太网总线通信。
以下结合原理详细说明:
图像传感器与计算机模块连接并获取彩色数据流、深度数据流和骨骼数据流。
测试者站立在压力垫即阵列式柔性压力传感器上,正对摄像头,完成垂直纵跳动作;计算机接收下位机预处理后的压力数据帧并进行拆包、拼包处理,得到足底压力分布点阵,可看作一帧灰度图像,采用图像处理算法进行滤波消除杂点和抖动,得到处理后的足底压力分布图像。标定后利用以下公式可计算出人体总压力值及重心在水平面投影的位置。
式2-1中,P表示总压力值,N表示非零压力点个数,pi表示足底压力数据帧中非零压力点的值。
式2-2中,xP、yP分别表示等效重心点的行、列位置坐标,xi、yi分别表示压力值为pi的压力点的行、列坐标。
利用足印压力聚类分析分割出左右足印,并得到足印的最小包络矩形T,按照一定长宽比例对T进行矩形区域划分得到t1,t2,m1,m2,m3,m4,m5,mf,mh,lh这10个区域,如图4和图5所示。计算出每个压力区域的等效压力值及各压力区域等效压力占总压力的比重得出用户重心所在区域,并比对纵跳前重心点与落地后重心点位置,结合人体生理学知识可知,根据这一信息可分析人体运动过程中下肢肌肉发力特点,作为动作标准程度或完成程度判定的力学特征参数。具体的说若纵跳前后重心点均在同一区域或相邻区域则判断此次动作检测有效,否则视为无效测试结果。
结合图2所示,两种传感器对同一人体动作进位置(运动学信息)和足底压力(运动学信息)数据采集,计算特征参数,提取特征值,各自给出评估结果,分别记作决策1和决策2,同时将两传感器得到的所有特征参数在融合中心进行融合分析,得到该运动姿态评估结果。具体可解释为两种传感器对测试者动作姿态和足底压力数据采集,计算特征参数,提取特征值,同时将两传感器得到的所有特征参数在融合中心进行融合分析测试者纵跳动作完成程度,以此判断测试是否有效;
结合图3所示,根据两种传感器采集到特征值筛选出的有效测试数据timeList1_new和timeList2_new时间戳内腾空时间和跳跃高度h1,h2,计算出跳跃高度h,再遍历每一组有效跳跃高度值,找出最大高度H作为批判下肢力量的指标。
跳跃高度h的计算公式如下:
h=(h1+h2)/2 (式2-3)。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于多传感融合的下肢力量测评方法,基于采集模块和计算机模块;所述采集模块与计算机模块通信连接;其特征在于:
所述采集模块包括人体姿态信息采集模块和足底压力信息采集模块,其中,所述人体姿态信息采集模块设置在测试人员的正前方;
所述足底压力信息采集模块放置在测试人员脚下;
包括以下步骤:
S100、所述人体姿态信息采集模块和足底压力信息采集模块分别对同一人体动作进位置和足底压力数据进行采集并发送给计算机模块;
S200、计算机模块根据采集模块所采集的数据计算特征参数,提取特征值,分别给出评估结果,分别记作决策一和决策二,同时将人体姿态信息采集模块和足底压力信息采集模块得到的所有特征参数在融合中心进行融合分析,得到该运动姿态评估结果。
2.根据权利要求1所述的基于多传感融合的下肢力量测评方法,其特征在于:所述步骤S200的决策一具体包括:
S2011、计算机模块接收到足底压力信息采集模块采集到压力数据帧并进行拆包、拼包处理,得到足底压力分布点阵,看作一帧灰度图像,采用图像处理算法进行滤波消除杂点和抖动,得到处理后的足底压力分布图像,标定后计算出人体总压力值及重心在水平面投影的位置;
S2012、然后利用足印压力聚类分析分割出左右足印,并得到足印的最小包络矩形T,按照长宽比例对T进行矩形区域划分得到t1,t2,m1,m2,m3,m4,m5,mf,mh,lh10个区域,计算出每个压力区域的等效压力值及各压力区域等效压力占总压力的比重得出用户重心所在区域,并比对纵跳前重心点与落地后重心点位置,若纵跳前后重心点均在同一区域或相邻区域则判断此次动作检测有效,否则视为无效测试结果。
3.根据权利要求2所述的基于多传感融合的下肢力量测评方法,其特征在于:所述步骤S2011中标定后计算出人体总压力值及重心在水平面投影的位置;具体利用以下公式计算:
式(1)中,P表示总压力值,N表示非零压力点个数,pi表示足底压力数据帧中非零压力点的值;
式(2)中,xP、yP分别表示等效重心点的行、列位置坐标,xi、yi分别表示压力值为pi的压力点的行、列坐标。
4.根据权利要求1所述的基于多传感融合的下肢力量测评方法,其特征在于:所述步骤S200中的决策二具体包括:
计算机模块根据人体姿态信息采集模块和足底压力信息采集模块采集到的特征值筛选出的有效测试数据timeList1_new和时间戳内腾空时间timeList2_new,找到timeList1_new每对起止时间戳内spineMid位置高度峰值h1,计算timeList2_new每对起止时间戳内腾空时间的跳跃高度h2,计算测试人体的跳跃高度h,再遍历每一组有效跳跃高度值,找出最大高度H作为批判下肢力量的指标;
其中,跳跃高度h采用下式计算:
h=(h1+h2)/2 (3)。
5.根据权利要求1所述的基于多传感融合的下肢力量测评方法,其特征在于:所述人体姿态信息采集模块采用Kinect感应器,Kinect感应器设置在测试人员的正前方。
6.根据权利要求1所述的基于多传感融合的下肢力量测评方法,其特征在于:所述足底压力信息采集模块采用阵列式柔性压力传感器,所述阵列式柔性压力传感器放在测试人员脚下。
7.根据权利要求6所述的基于多传感融合的下肢力量测评方法,其特征在于:所述阵列式柔性压力传感器采用将低温应变电阻浆料在聚酯基材上通过丝网印刷工艺制备。
8.根据权利要求6所述的基于多传感融合的下肢力量测评方法,其特征在于:所述阵列式柔性压力传感器的阵列尺寸为60cm*60cm,压力点密度4个/cm2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910286328.7A CN109965890A (zh) | 2019-04-10 | 2019-04-10 | 一种基于多传感融合的下肢力量测评方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910286328.7A CN109965890A (zh) | 2019-04-10 | 2019-04-10 | 一种基于多传感融合的下肢力量测评方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109965890A true CN109965890A (zh) | 2019-07-05 |
Family
ID=67083940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910286328.7A Pending CN109965890A (zh) | 2019-04-10 | 2019-04-10 | 一种基于多传感融合的下肢力量测评方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109965890A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111481199A (zh) * | 2020-03-23 | 2020-08-04 | 华为技术有限公司 | 一种检测人体肌肉健康程度的方法及电子设备 |
CN114137880A (zh) * | 2021-11-30 | 2022-03-04 | 重庆长安新能源汽车科技有限公司 | 运动部件姿态测试系统 |
CN114343613A (zh) * | 2021-12-31 | 2022-04-15 | 福建世新机器人科技有限公司 | 一种基于足底压力的运动检测装置 |
CN114474015A (zh) * | 2022-01-26 | 2022-05-13 | 无锡市精神卫生中心 | 一种基于外骨骼的平衡评价系统 |
CN115601840A (zh) * | 2022-11-07 | 2023-01-13 | 四川大学(Cn) | 一种考虑视觉和足底压力多模感知的行为障碍检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104434128A (zh) * | 2014-12-25 | 2015-03-25 | 中国科学院合肥物质科学研究院 | 一种基于足底压力分布信息的左右脚动态识别方法 |
CN105286874A (zh) * | 2015-11-03 | 2016-02-03 | 长安大学 | 一种用于预测老年人跌倒风险的系统及方法 |
CN105380342A (zh) * | 2015-10-14 | 2016-03-09 | 上海交通大学 | 一种基于电容式压力传感器的智能鞋垫系统 |
CN108186021A (zh) * | 2017-12-22 | 2018-06-22 | 北京中科汇成科技有限公司 | 一种基于多模态信息融合的步态零速检测方法及系统 |
CN109260647A (zh) * | 2018-09-10 | 2019-01-25 | 郑州大学 | 基于多模态信号的人体跳跃指标综合评测及训练系统 |
-
2019
- 2019-04-10 CN CN201910286328.7A patent/CN109965890A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104434128A (zh) * | 2014-12-25 | 2015-03-25 | 中国科学院合肥物质科学研究院 | 一种基于足底压力分布信息的左右脚动态识别方法 |
CN105380342A (zh) * | 2015-10-14 | 2016-03-09 | 上海交通大学 | 一种基于电容式压力传感器的智能鞋垫系统 |
CN105286874A (zh) * | 2015-11-03 | 2016-02-03 | 长安大学 | 一种用于预测老年人跌倒风险的系统及方法 |
CN108186021A (zh) * | 2017-12-22 | 2018-06-22 | 北京中科汇成科技有限公司 | 一种基于多模态信息融合的步态零速检测方法及系统 |
CN109260647A (zh) * | 2018-09-10 | 2019-01-25 | 郑州大学 | 基于多模态信号的人体跳跃指标综合评测及训练系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111481199A (zh) * | 2020-03-23 | 2020-08-04 | 华为技术有限公司 | 一种检测人体肌肉健康程度的方法及电子设备 |
CN114137880A (zh) * | 2021-11-30 | 2022-03-04 | 重庆长安新能源汽车科技有限公司 | 运动部件姿态测试系统 |
CN114137880B (zh) * | 2021-11-30 | 2024-02-02 | 深蓝汽车科技有限公司 | 运动部件姿态测试系统 |
CN114343613A (zh) * | 2021-12-31 | 2022-04-15 | 福建世新机器人科技有限公司 | 一种基于足底压力的运动检测装置 |
CN114474015A (zh) * | 2022-01-26 | 2022-05-13 | 无锡市精神卫生中心 | 一种基于外骨骼的平衡评价系统 |
CN115601840A (zh) * | 2022-11-07 | 2023-01-13 | 四川大学(Cn) | 一种考虑视觉和足底压力多模感知的行为障碍检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109965890A (zh) | 一种基于多传感融合的下肢力量测评方法 | |
CN111368810B (zh) | 基于人体及骨骼关键点识别的仰卧起坐检测系统及方法 | |
JP6482103B2 (ja) | 測定装置及び測定方法 | |
CN102824176B (zh) | 一种基于Kinect传感器的上肢关节活动度测量方法 | |
CN112069933A (zh) | 基于体态识别和人体生物力学的骨骼肌肉受力估计方法 | |
CN106214302B (zh) | 一种脊柱侧弯矫形支具的制备方法 | |
CN106780530B (zh) | 一种体型预测方法及设备 | |
CN109758355A (zh) | 一种基于人体穴位二维图像处理和三维立体定位方法 | |
KR102165429B1 (ko) | 체형 분석 방법 및 장치 | |
CN106420134A (zh) | 一种治疗脊椎侧弯的智能矫正工具 | |
CN106092382A (zh) | 一种基于弹性体三维形变的触觉传感器及检测方法 | |
CN107115102A (zh) | 一种骨关节功能评估方法与装置 | |
CN110059670B (zh) | 人体头面部、肢体活动角度及体姿非接触测量方法及设备 | |
CN105982674A (zh) | 一种测量脊柱弯曲角度的方法 | |
JP2022544793A (ja) | 身体活動のコンテキストにおいて対象者に関する生体力学的活動及び生体力学的リスク因子への曝露を解析するための方法及びシステム | |
CN113255622B (zh) | 一种智能识别仰卧起坐动作姿态完成状况的系统和方法 | |
CN110477921B (zh) | 基于骨架折线Ridge回归的身高测量方法 | |
CN113262459B (zh) | 应用于运动健身镜的动作标准性的判定方法,装置和介质 | |
CN203552569U (zh) | 用于中医按摩的评估装置 | |
CN113255623A (zh) | 一种智能识别俯卧撑动作姿态完成状况的系统和方法 | |
CN113989936A (zh) | 一种可识别儿童坐姿并自动语音纠正的台灯 | |
Clewley et al. | Estimating effective degrees of freedom in motor systems | |
CN116469174A (zh) | 一种基于单目摄像头的深度学习坐姿测量检测方法 | |
CN115937969A (zh) | 仰卧起坐考核中目标人物的确定方法、装置、设备及介质 | |
CN109547127A (zh) | 一种基于wifi中CSI信号强度的低头角度检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |
|
RJ01 | Rejection of invention patent application after publication |