CN110021398A - 一种步态分析、训练方法及系统 - Google Patents

一种步态分析、训练方法及系统 Download PDF

Info

Publication number
CN110021398A
CN110021398A CN201710729931.9A CN201710729931A CN110021398A CN 110021398 A CN110021398 A CN 110021398A CN 201710729931 A CN201710729931 A CN 201710729931A CN 110021398 A CN110021398 A CN 110021398A
Authority
CN
China
Prior art keywords
gait
measured
training
predetermined position
joint
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
Application number
CN201710729931.9A
Other languages
English (en)
Other versions
CN110021398B (zh
Inventor
陆晓
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201710729931.9A priority Critical patent/CN110021398B/zh
Publication of CN110021398A publication Critical patent/CN110021398A/zh
Application granted granted Critical
Publication of CN110021398B publication Critical patent/CN110021398B/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
    • A61B5/112—Gait analysis

Abstract

本发明公开一种步态分析、训练方法及系统，该方法包括：获得在步行过程中被测者的各个预定部位的姿态测量数据；利用该姿态测量数据计算被测者的各个预定部位的姿态信息；利用该姿态信息，分析被测者在每一步的步态特征信息；利用被测者在每一步的步态特征信息，分析得到被测者在步行过程中的步态分析结果；依据所述步态分析结果，分析被测者步态异常的关键点及影响因素；依据被测者步态异常的关键点及影响因素，制定针对被测者的步态训练方案，并利用所述步态训练方案，对被测者进行步态训练。由此可见，本发明实现了一种自动的步态分析、训练方案，可有效克服人工训练方式所存在的各种缺陷，并提升患者在步态恢复中的体验及提升步态恢复效果。

Description

一种步态分析、训练方法及系统
技术领域
本发明属于基于微传感器技术的人体运动康复领域，尤其涉及一种步态分析、训练方法及系统。
背景技术
不论是脑损伤(如脑卒中，脑外伤)等引起的偏瘫还是脊髓损伤引起的截瘫，患者最大的康复诉求便是恢复其步行能力。尤其是脑损伤引起的偏瘫，其作为世界上发病率最高的三大疾病之一，致残率也相当高，如果患者不能恢复其步行能力，将严重影响患者在日常生活中的活动能力，鉴于此，步行分析与训练是中枢神经系统损伤患者尤其是脑损伤患者在康复过程中最重要也是最关键的环节。
脑损伤患者基本步行能力的恢复即指正常步态的恢复，其必须具备以下三点：患者的站位平衡能力、患侧负重能力及屈髋屈膝能力的恢复等。更进一步地，其正常步态的恢复更涉及到下肢各个关节的关节活动度、肌力及肌张力的恢复。大部分脑损伤患者其步态异常均有如下共性特征：患侧负重差，足下垂，足内翻，支撑相膝关节过伸，摆动相膝关节屈曲不足，屈髋不足，骨盆旋前不足等。造成患者这些步态异常的原因除了肌张力增加的原因外，很重要的原因是与步行相关的肌肉肌力的不足。因此针对患者步态异常进行分析并给予针对性治疗、训练尤为重要。目前，大部分步态训练以人工训练为主，由于相当一部分康复治疗师对步态的认识不足，如仅注意踝背伸肌的训练，忽略踝外翻肌的训练，导致患者足内翻的加重；不注重膝关节股四头肌离心收缩的训练，导致患者膝过伸加重等，出现很多异常的误用模式。最终导致患者步行能力恢复慢且步态难看，耗能多，安全性差，直接阻碍了患者功能性步行能力的恢复。且人工训练模式枯燥，患者积极性不高，易产生厌烦情绪。
鉴于此，随着姿态测量系统的发展，以及微传感器技术在人体运动康复领域的广泛应用，如何实现一种自动的步态分析、训练方案，以克服人工训练方式所存在的上述缺陷，成为人体运动康复领域的研究热点。
发明内容
有鉴于此，本发明的目的在于提供一种步态分析、训练方法及系统，旨在克服传统人工训练方式所存在的上述缺陷，提升患者在步态恢复中的体验及提升步态恢复效果。
为此，本发明公开如下技术方案：
一种步态分析、训练方法，包括：
获得步行过程中被测者的各个预定部位的姿态测量数据；
利用所述姿态测量数据，计算被测者的各个预定部位的姿态信息；
利用被测者的各个预定部位的姿态信息，分析被测者在每一步的步态特征信息；
利用被测者在每一步的步态特征信息，分析得到被测者在步行过程中的步态分析结果；
依据所述步态分析结果，分析被测者步态异常的关键点及影响因素；
依据被测者步态异常的关键点及影响因素，制定针对被测者的步态训练方案，并利用所述步态训练方案，对被测者进行步态训练。
上述方法，优选的，所述预定部位包括下肢的多个预定关节部位，所述多个预定关节部位包括腰关节以及左右腿侧的髋关节、膝关节和踝关节；
所述获得步行过程中被测者的各个预定部位的姿态测量数据，包括：
获得利用惯性传感器采集的被测者在各个预定部位的角速度信号、加速度信号及磁场分量信号；
其中，被测者的各个预定部位处预先绑定有惯性传感器，所述惯性传感器包括陀螺仪、加速度计及磁场计。
上述方法，优选的，所述利用所述姿态测量数据，计算被测者的各个预定部位的姿态信息，包括：
利用预先构建的陀螺仪的误差漂移模型，对通过陀螺仪采集的被测者各个预定部位的角速度信号进行修正；
利用修正后的角速度信号对应的角速度数值，计算被测者的各个预定部位的准姿态信息；
根据加速度计和地磁计对陀螺仪的互补性，利用被测者各个预定部位的加速度信号及磁场分量信号，相应地对各个预定部位的准姿态信息进行修正，得到被测者各个预定部位的姿态信息。
上述方法，优选的，所述步态特征信息包括步态相位信息和步态参数，所述利用被测者的各个预定部位的姿态信息，分析被测者在每一步的步态特征信息，包括：
利用被测者各个预定部位的姿态信息，计算各预定部位在水平面、额状面和矢状面的旋转角度；
依据被测者各预定部位在水平面、额状面和矢状面的旋转角度，判定支撑相和摆动相转折点，并根据所述支撑相和摆动相转折点，确定不同步态周期的划分；
依据被测者各预定部位在水平面、额状面和矢状面的旋转角度，各预定部位的关节在腰关节坐标系下的坐标，以及所述支撑相和摆动相转折点，分析被测者在每一步态周期对应的步态相位信息和步态参数。
上述方法，优选的，所述依据被测者步态异常的关键点及影响因素，制定针对被测者的步态训练方案，并利用所述步态训练方案，对被测者进行步态训练，包括：
依据被测者步态异常的关键点及影响因素，设定针对性的情景互动步态训练方案；
利用所述针对性的情景互动步态训练方案，对所述被测者按需进行步态训练。
一种步态分析、训练系统，包括：
获取单元，用于获得步行过程中被测者的各个预定部位的姿态测量数据；
计算单元，用于利用所述姿态测量数据，计算被测者的各个预定部位的姿态信息；
第一分析单元，用于利用被测者的各个预定部位的姿态信息，分析被测者在每一步的步态特征信息；
第二分析单元，用于利用被测者在每一步的步态特征信息，分析得到被测者在步行过程中的步态分析结果；
第三分析单元，用于依据所述步态分析结果，分析被测者步态异常的关键点及影响因素；
训练单元，用于依据被测者步态异常的关键点及影响因素，制定针对被测者的步态训练方案，并利用所述步态训练方案，对被测者进行步态训练。
上述系统，优选的，所述预定部位包括下肢的多个预定关节部位，所述多个预定关节部位包括腰关节以及左右腿侧的髋关节、膝关节和踝关节；所述获取单元，进一步用于：
获得利用惯性传感器采集的被测者各个预定部位的角速度信号、加速度信号及磁场分量信号；其中，被测者的各个预定部位处预先绑定有惯性传感器，所述惯性传感器包括陀螺仪、加速度计及磁场计。
上述系统，优选的，所述计算单元，进一步用于：
利用预先构建的陀螺仪的误差漂移模型，对通过陀螺仪采集的被测者各个预定部位的角速度信号进行修正；利用修正后的角速度信号对应的角速度数值，计算被测者的各个预定部位的准姿态信息；根据加速度计和地磁计对陀螺仪的互补性，利用被测者各个预定部位的加速度信号及磁场分量信号，相应地对各个预定部位的准姿态信息进行修正，得到被测者各个预定部位的姿态信息。
上述系统，优选的，所述步态特征信息包括步态相位信息和步态参数，所述第一分析单元，进一步用于：
利用被测者各个预定部位的姿态信息，计算各预定部位在水平面、额状面和矢状面的旋转角度；依据被测者各预定部位在水平面、额状面和矢状面的旋转角度，判定支撑相和摆动相转折点，并根据所述支撑相和摆动相转折点，确定不同步态周期的划分；依据被测者各预定部位在水平面、额状面和矢状面的旋转角度，各预定部位的关节在腰关节坐标系下的坐标，以及所述支撑相和摆动相转折点，分析被测者在每一步态周期对应的步态相位信息和步态参数。
上述系统，优选的，所述训练单元，进一步用于：
依据被测者步态异常的关键点及影响因素，设定针对性的情景互动步态训练方案；利用所述针对性的情景互动步态训练方案，对所述被测者按需进行步态训练。
由以上方案可知，本发明提供的步态分析、训练方法，包括：获得在步行过程中被测者的各个预定部位的姿态测量数据；利用所述姿态测量数据，计算被测者的各个预定部位的姿态信息；利用被测者的各个预定部位的姿态信息，分析被测者在每一步的步态特征信息；利用被测者在每一步的步态特征信息，分析得到被测者在步行过程中的步态分析结果；依据所述步态分析结果，分析被测者步态异常的关键点及影响因素；依据被测者步态异常的关键点及影响因素，制定针对被测者的步态训练方案，并利用所述步态训练方案，对被测者进行步态训练。由此可见，本发明实现了一种自动的步态分析、训练方案，可有效克服人工训练方式所存在的各种缺陷，并提升患者在步态恢复中的体验及提升步态恢复效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本发明实施例一提供的步态分析、训练方法的流程图；
图2是本发明实施例一提供的在被测者各个预定部位佩戴惯性传感器的示意图；
图3是本发明实施例二提供的步态分析、训练方法的流程图；
图4-图5是本发明实施例二提供的基于本发明方案对被测者进行步态分析及步态训练的实施流程图；
图6是本发明实施例二提供的步态三维分析视图；
图7(a)-图7(c)是本发明实施例二提供的某一患者分别在矢状面、额状面、水平面的关节角度实时曲线示意图；
图8是本发明实施例二提供的某一患者的步态测试后，各个周期的关节角度曲线(以矢状面为例)示意图；
图9是本发明实施例二提供的某一患者的步态分析报告示意图；
图10是本发明实施例二提供的某一患者的步态训练方案配置示意图；
图11(a)-图11(b)是本发明实施例二提供的某一患者的两种游戏训练界面示意图；
图12是本发明实施例二提供的某一患者的步态训练报告示意图；
图13是本发明实施例三提供的步态分析、训练系统的结构示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
本发明实施例一提供一种步态分析、训练方法，更具体地，提供一种基于传感器的情景互动步态分析、训练方法，参考图1示出的该方法的实现流程图，该方法可以包括以下步骤：
步骤101、获得步行过程中被测者的各个预定部位的姿态测量数据。
其中，所述被测者可以是医院的患者，或者还可以是使用实施了本发明方案的相关设备/仪器进行步态分析、训练的个人使用者等。
所述预定部位可以包括被测者下肢的多个预定关节部位，更具体地，参考图2所示，本实施例中，所述预定部位包括腰关节(骨盆部位)及左、右腿侧的髋关节、膝关节和踝关节共七个部位。
本实施例具体基于惯性传感器实现对被测者进行步态分析及步态训练，其中，惯性传感器一般由三个陀螺仪、三个加速度计和三个磁强计组成。在对被测者进行步态分析及训练时，需预先将7个惯性传感器一对一佩戴在被测者的上述七个关节部位对被测者腰部及下肢各个关节的角速度信号、加速度信号和地磁信号进行采集，以实现为被测者步态分析和训练提供数据支持，佩戴效果具体可参考图2的示例图。
基于此，本步骤101中，所获得的被测者各个预定部位的姿态测量数据，即为通过所述惯性传感器所获得的被测者各个关节部位的角速度信号、加速度信号和地磁信号数据。
步骤102、利用所述姿态测量数据，计算被测者的各个预定部位的姿态信息。
在基于各个惯性传感器获得被测者的各个预定部位的姿态测量数据，即各个预定部位的角速度信号、加速度信号和地磁信号数据的基础上，本步骤根据该测量数据，计算被测者的各个预定部位的姿态信息，如具体依据测量数据计算患者的实时姿态(姿态角)等。
由于传感器中各芯片都会有固有的漂移和噪声，从而为了保证采集数据的准确性，本发明预先对传感器进行标定并根据传感器各芯片参数以及实验结果，来构建各个传感器信号的滤波模型，以实现能够以准确的测量数据来计算被测者的实时姿态。
具体而言，本实施例通过三轴转台，对陀螺仪和加速度计进行标定。标定过程包括：陀螺仪标定零漂，将传感器静置，三轴输出应该为零，若不为零，分别记录每个轴向的输出量；陀螺仪动态参数标定，将传感器固定于转台上，使传感器重心与转台重心重合，打开电机对转台施加固定转速，记录陀螺仪输出值并与转台转速对比得到偏移量。所述偏移量加入到陀螺仪滤波模型中，从而消除陀螺仪固有误差。加速度计静态参数标定，使传感器每个轴分别与重力方向重合，在静止状态下，检测传感器输出值与重力G的偏差。
进行标定后，根据传感器参数，构建传感器的误差漂移模型。对于陀螺仪而言，本实施例根据陀螺仪芯片相关参数，如非线性度、偏置可重复性、运动中偏置稳定度、角度随机游走、速率噪声密度等等，构建陀螺仪的误差漂移模型，采用卡尔曼滤波动态修正角速度信号。
其中，惯性测量系统中，最大的误差和陀螺仪的偏置稳定性有关。陀螺仪的输出值可定义为：
其中，为陀螺仪真实的角速率输入值，xg为偏置误差，vg为高斯白噪声。
根据转台的实际转速和陀螺仪的输出转速，以及芯片的噪声数据，拟合出陀螺仪的误差漂移模型。陀螺仪的误差可被表示为一阶Gauss-Markov过程：
其中，Fg为特定系数的单位矩阵，ωg为高斯白噪声。该过程可等效为离散的一阶泰勒模型，进而用卡尔曼滤波进行动态修正。
在预先构建陀螺仪滤波模型的基础上，可基于该模型，利用卡尔曼滤波对陀螺仪的角速度信号进行动态修正，并反馈到实时姿态估计中，即具体利用各关节部位的修正后的角速度信号对应的角速度数值，来积分得到相应关节部位在空间坐标系中三坐标轴的角度信息(即姿态角)，本实施例将该角度信息记为被测者在相应关节部位的准姿态信息。
在此基础上，本实施例继续根据加速度计和地磁计对陀螺仪的互补性，利用扩展卡尔曼滤波器，对陀螺仪、加速度计和地磁仪的数据进行数据融合，也就是说，利用被测者各个预定部位的加速度信号及磁场分量信号，相应地对各个预定部位的准姿态信息进行修正，得到被测者各个预定部位的较高精度的姿态信息。
具体而言，姿态估计可被定义为如下的运动学模型：
其中，是之前的状态，u为当前系统输入量，p为系统从k到k+1步骤的系统姿态变化量，用四元数表示。
根据f对应的雅科比矩阵，考虑陀螺仪的噪音协方差矩阵，状态估计可被表示为：
同时，陀螺仪姿态估计无法避免长时间的累计误差，必须使用其他传感器进行误差界定。相应的，重力矢量和地球磁场则可被作为额外的参考量(即加速度计和地磁计对陀螺仪的互补性)，来估计姿态角。状态估计等式可根据扩展卡尔曼滤波进行每步更新：
P+ k＝P- k-Kk(HkP- k) (5)
其中， 和为重力矢量模型ha和磁场矢量模型hm的偏导数。
实际实施本发明时，步骤101及步骤102的执行过程具体可在各个惯性传感器中进行，即各惯性传感器分别对其采集的角速度信号按本发明提供的处理过程进行信号修正及姿态估计。
步骤103、利用被测者的各个预定部位的姿态信息，分析被测者在每一步的步态特征信息。
本实施例将各关节部位设定为一个个的节点，并假定各节点间存在父子关系，具体地，例如，同侧腿部的踝关节为膝关节的子节点、膝关节为髋关节的子节点，髋关节为腰部的子节点。
在此基础上，本实施例根据多个节点之间的父子关系，将每个惯性传感器传上来的姿态信息进行矩阵运算，得出子关节在父节点坐标系下的姿态矩阵，然后根据姿态矩阵计算各关节在水平面、额状面、矢状面的旋转角度。
具体地，下肢关节节点包含骨盆、髋关节、膝关节、踝关节。各关节在骨盆坐标系下的空间坐标可表示为：
其中，n表示当前关节到骨盆中间包含的关节节点数量，Pinital表示变换前关节端点在腰部坐标系下的坐标，M(i)为节点i在父节点下的变换矩阵(姿态矩阵)。根据各关节节点在腰部坐标系下的空间坐标，可得出在水平面、矢状面、额状面各个关节的旋转角度。
之后，根据父子节点间的旋转矩阵得出各关节在局部坐标系即父节点坐标系下的姿态四元数，并通过相应通讯方式，如具体可通过tcp/ip(Transmission ControlProtocol/Internet Protocol，传输控制协议/因特网互联协议)通讯，将数据传入计算机等设备中的骨骼模型程序，使得计算机可根据传入的数据实时更新三维人体骨骼模型的姿态，确保骨骼模型和被测者实际步态一致，以使得医生等相关人员能够更形象直观地查看被测者步态。其中，具体实施本发明时，所述矩阵运算、旋转矩阵以及姿态四元数的计算等处理过程均可在腰部的惯性传感器中实现，即腰部惯性传感器接收其他各关节传感器的姿态数据，并根据接收的各传感器姿态数据执行矩阵运算、旋转矩阵以及姿态四元数的计算过程，并将计算结果数据传输至计算机设备。
计算机设备在接收到传感器上传的数据，并根据上传的数据实时更新人体骨骼模型后，还根据零速检测算法，以及结合被测者各个关节部位对应的旋转角度信息(在水平面、额状面、矢状面的旋转角度)，实时判定支撑相和摆动相转折点(步态相位分界点)，并根据该转折点，确定不同步态周期的划分。
其中，加速度零速检测通常用加速度的幅值和重力加速度G比较，如果近似相等，可判定为静止。角速率检测通常使用一段时间内，角速率的变化值之和在一定范围内，可判定为静止。但是两种方式都有其局限性，基于此本实施例利用以下式(7)对两者综合考虑:
其中，为加速度值，为角速度值，σa为加速度相关系数，σω为角速度相关系数。根据最终的T(zn)的值来判断静止状态。
之后，继续根据各关节对应的旋转角度信息、各关节在腰部坐标系下的坐标、步态相位分界点等等，分析得出被测者在行走过程中每一步态周期的步态特征信息。该步态特征信息包括被测者在行走过程中每一步态周期对应的相位信息和步态参数。其中，步态相位信息包括支撑相、摆动相、双支撑相。步态参数包括步速、步长、步频、步态周期、关节角度范围等。
其中，具体根据一个步态周期中，关节旋转角度信息以及零速检测，得出支撑和摆动相分界点，根据采样间隔时间，可得出支撑时间和摆动时间，进而可得出支撑相、摆动相和双支撑相数据。根据步态周期分界，可得出每个步态周期中，髋关节、膝关节、踝关节在矢状面、额状面、水平面的最大旋转角度。根据关节长度，以及关节节点在腰部坐标系下的空间坐标，可得出步长、步速等数据。根据标准关节角度数据，可得出和标准曲线之间的偏差。根据健侧和患侧对比，可得出单个患者对侧的关节曲线差值。同时，根据存储的测试数据，可回放历史的测试过程。
步骤104、利用被测者在每一步的步态特征信息，分析得到被测者在步行过程中的步态分析结果。
在分析得出被测者在每一步态周期的相位信息和步态参数等步态特征信息后，本步骤根据被测者在每一步态周期的相位信息和步态参数，融合得出被测者在步行过程中的步态分析结果，如步态异常与否，以及异常时的异常特征等等。
步骤105、依据所述步态分析结果，分析被测者步态异常的关键点及影响因素。
步骤106、依据被测者步态异常的关键点及影响因素，制定针对被测者的步态训练方案，并利用所述步态训练方案，对被测者进行步态训练。
在得到被测者在步行过程中的步态分析结果基础上，本实施例继续根据被测者的步态分析结果，分析出被测者步态异常的关键点及影响因子，并依此制定训练方案，对相关肌群进行训练。该部分内容将在下一实施例中进行详述。
由以上方案可知，本发明提供的步态分析、训练方法，包括：获得在步行过程中被测者的各个预定部位的姿态测量数据；利用所述姿态测量数据，计算被测者的各个预定部位的姿态信息；利用被测者的各个预定部位的姿态信息，分析被测者在每一步的步态特征信息；利用被测者在每一步的步态特征信息，分析得到被测者在步行过程中的步态分析结果；依据所述步态分析结果，分析被测者步态异常的关键点及影响因素；依据被测者步态异常的关键点及影响因素，制定针对被测者的步态训练方案，并利用所述步态训练方案，对被测者进行步态训练。由此可见，本发明实现了一种自动的步态分析、训练方案，可有效克服人工训练方式所存在的各种缺陷，并提升患者在步态恢复中的体验及提升步态恢复效果。
实施例二
本实施例二中，参考图3示出的步态分析、训练方法流程图，所述步骤106可以通过以下处理过程实现：
步骤1061、依据被测者步态异常的关键点及影响因素，设定针对性的情景互动步态训练方案；利用所述针对性的情景互动步态训练方案，对所述被测者按需进行步态训练。
其中，对被测者的步态测试及分析完毕后，根据步态分析报告、三维运动捕捉记录、多周期数据等等，可确认被测者步态异常的关键点，以及需要训练的肌群，然后在计算机的软件系统中，确认对应的治疗方案，并选择对应的传感器，绑在患者需要训练的关节处。开始训练后，传感器将动态捕捉患者的关节姿态，将相应关节的角度数据发送到计算机的软件系统，进而控制训练游戏中的角色。训练完成后，会自动弹出训练报告，报告中包含训练时间、得分、最大关节角度、最小关节角度、关节角度曲线等等。
更具体地，根据各个关节在父关节的坐标系下3个平面的旋转角度，进行游戏控制，根据患者步态分析结果，设定针对性的情景互动步态训练方案，如脑损伤大部分患者具有如下步态异常：患侧负重差，足下垂，足内翻，支撑相膝关节过伸，摆动相膝关节屈曲不足，屈髋不足，骨盆旋前不足。本发明方案的实施设备/仪器可针对上述步态异常选择为患者佩戴一个或多个传感器进行针对性训练或系统性的训练，包括(1)骨盆前后旋训练，(2)踝关节外翻训练，(3)踝关节背屈训练，(4)髋关节外展训练，(5)股四头肌离心、向心训练，(6)平衡训练(站位二级平衡训练/单腿负重训练)，(7)屈髋伸髋训练，(8)步行训练等。即本发明方法的实施设备/仪器可以依据患者实际的步态异常情况，按需进行针对性的单个环节或多个环节的训练。
其中，可根据患者情况，设置不同难度的训练课程，进行个体化的可调式渐进性训练。以踝背伸为例：可以在患者足背部佩戴传感器让脑卒中患者患侧尽力作主动踝背伸，计算机实时测得患侧主动踝背伸角度(如10度)，然后以此为基础设定略高于此主动踝背伸角度的训练目标值(如15度)。患者在训练时必须要达到此训练目标角度才能获得奖励(如完成图形匹配或可以看到有趣的录像等)。训练一段时间后重测患者主动踝背伸能力，并设定新的目标值，如此循序渐进，直至接近或达到正常关节活动范围。
步态训练按照患者功能恢复顺序可分为分解动作训练、连续动作训练和步行训练三种类型，分别对应如下表1所示的训练：
表1
接下来，对各种类型的训练进行详述：
骨盆旋前旋后训练
训练解释：骨盆绕着垂直轴做旋转，向前转动则为旋前，向后转动则为旋后；
训练意义：部分行走功能异常的患者骨盆无法做前后旋，然后正常行走过程中骨盆需要一定角度的前后旋转；
需要的设备：腰部传感器、站立架(选配)；
适用训练：图片匹配、轨迹飞行、大鱼吃小鱼；
训练描述：
1、患者取站立位，面向患观屏；
2、测定患者骨盆主动旋前旋后角度，并以此为基础，确定靶目标值；
3、患者控制虚拟情景里面的物体，骨盆前后旋转至靶目标值后，则物体对应移动，完成一次得一分；
4、可以设定不同的目标角度，患者训练难度循序渐进；
5、游戏画面要尽量去卡通化，反馈要及时(得分反馈和失分反馈)；
6、要有组别概念，例如X次为一组，做Y组可以休息多长时间等，X/Y和休息时间可以调整；
7、骨盆的旋转角度给出几个快捷值(类似大中小范围那种)，同时要可以手动输入调整；
8、进入开始训练之后，先进行热身训练，即患者先做设定角度的一半角度训练，30s之后开始正常训练，患者需完成设定角度训练；
9、每一个单次训练均设有timeout，不能完成的话，会自动跳过本次训练，进入到下一次；
10、患者完成一次训练，需要回到初始位，再开始下一次训练。
屈髋-伸髋训练
训练解释：正常人在摆动相中需屈髋屈膝，完成足廓清。一定的髋后伸角度可以有助于屈髋肌处在适当的初长度，利于屈髋肌在摆动相的发力；
训练意义：患者的屈髋屈膝能力，在摆动相足廓清中有重要意义。多数卒中患者会由于屈髋不足或股四头肌张力增加，出现直膝步态。部分脑卒中患者存在髋后伸肌力不足，导致患侧下肢无法处在后置位，导致屈髋肌无法处在在适当的初长度，不利于屈髋肌在摆动相的发力；
需要设备：腰部、髋关节、膝关节传感器(一侧)、站立架(选配)；
训练描述：
1、患者取站位，面向患观屏；
2、测定患者髋关节主动屈曲，伸展角度，并以此为基础，确定靶目标值；
3、使用游戏引导髋关节屈曲，伸展至目标角度，每完成一次屈曲或伸展，获得一次得分；
4、游戏画面要尽量去卡通化，反馈要及时(得分反馈和失分反馈)；
5、要有组别概念，例如X次为一组，做Y组可以休息多长时间等，X/Y和休息时间可以调整；
6、髋关节的屈曲、伸展角度给出几个快捷值(类似大中小范围那种)，同时要可以手动输入调整；
7、进入开始训练之后，先进行热身训练，即患者先做设定角度的一半角度训练，30s之后开始正常训练，患者需完成设定角度训练；
8、每一个单次训练均设有timeout，不能完成的话，会自动跳过本次训练，进入到下一次；
9、患者完成一次训练，需要回到初始位，再开始下一次训练。
髋关节外展训练
训练解释：髋关节绕矢状轴旋转，向外侧摆动则为外展；
训练意义：多数卒中患者髋关节外展肌力不足，导致患侧负重不足；
需要的设备：髋关节传感器、不同重量的沙袋等；
使用训练：图片匹配、轨迹飞行、大鱼吃小鱼；
训练描述：
1、患者取站位，面向患观屏；
2、测定患者髋关节外展角度(可用不同沙袋抗阻)，并以此为基础，确定靶目标值；
3、患者控制虚拟情景里面的物体，髋关节外展(可用不同重量沙袋加阻)，则物体对应移动，完成一次得一分；
4、可以设定不同的目标角度，患者训练难度循序渐进；
5、游戏画面要尽量去卡通化，反馈要及时(得分反馈和失分反馈)；
6、要有组别概念，例如X次为一组，做Y组可以休息多长时间等，X/Y和休息时间可以调整；
7、髋关节的外展角度给出几个快捷值(类似大中小范围那种)，同时要可以手动输入调整；
8、进入开始训练之后，先进行热身训练，即患者先做设定角度的一半角度训练，30s之后开始正常训练，患者需完成设定角度训练；
9、每一个单次训练均设有timeout，不能完成的话，会自动跳过本次训练，进入到下一次；
10、患者完成一次训练，需要回到初始位，再开始下一次训练。
股四头肌离心向心训练
训练解释：肌肉在阻力下逐渐被拉长，使运动环节向肌肉拉力相反的方向运动的收缩方式；
离心训练意义：帮助患者强化股四头肌在运动过程中每一个环节的控制力；
需要的设备：髋关节传感器、小台阶；
使用训练：图片匹配、轨迹飞行、大鱼吃小鱼
训练描述：
1、患者取站位，面向患观屏；
2、患者健腿迈至前方小台阶上，患腿在单独支撑体重情况下缓慢下蹲，这个时候可以训练到患腿股四头肌的离心收缩。患者膝关节缓慢屈曲下蹲后再起立，训练患者股四头肌向心收缩力，通过患腿膝关节屈曲不同的角度来达到不同的训练量和难度；
3、游戏画面要尽量去卡通化，反馈要及时(得分反馈和失分反馈)；
4、要有组别概念，例如X次为一组，做Y组可以休息多长时间等，X/Y和休息时间可以调整；
5、膝关节的屈曲角度给出几个快捷值(类似大中小范围那种)，同时要可以手动输入调整；
6、进入开始训练之后，先进行热身训练，即患者先做设定角度的一半角度训练，30s之后开始正常训练，患者需完成设定角度训练；
7、每一个单次训练均设有timeout，不能完成的话，会自动跳过本次训练，进入到下一次；
8、患者可以在下降到不同高度(实际上对应患腿股四头肌不同收缩长度)维持一段时间以加强控制力。
踝关节背屈训练
训练解释：踝关节绕水平轴做旋转，脚尖向上则为背屈；
训练意义：多数卒中患者伴有踝关节背伸不能，严重影响足廓清；
需要的设备：踝关节传感器、椅子；
适用训练：图片匹配、轨迹飞行、大鱼吃小鱼；
训练描述：
1、患者取坐位，面向患观屏；
2、测定患者踝关节主动背伸角度，并以此为基础，确定靶目标值；
3、患者控制虚拟情景里面的物体，踝关节背屈至目标值，则物体对应移动，完成一次得一分；
4、可以设定不同的目标角度，患者训练难度循序渐进；
5、游戏画面要尽量去卡通化，反馈要及时(得分反馈和失分反馈)；
6、要有组别概念，例如X次为一组，做Y组可以休息多长时间等，X/Y和休息时间可以调整；
7、踝关节的背屈角度给出几个快捷值(类似大中小范围那种)，同时要可以手动输入调整；
8、进入开始训练之后，先进行热身训练，即患者先做设定角度的一半角度训练，30s之后开始正常训练，患者需完成设定角度训练；
9、每一个单次训练均设有timeout，不能完成的话，会自动跳过本次训练，进入到下一次；
10、患者完成一次训练，需要回到初始位，再开始下一次训练。
踝关节外翻训练
训练解释：踝关节绕矢状轴做旋转，向外侧旋转则为外翻；
训练意义：多数卒中患者伴有踝关节的严重内翻，严重影响患者的支撑期负重且容易产生踝关节扭伤；
需要的设备：踝部传感器、椅子；
适用训练：图片匹配、轨迹飞行、大鱼吃小鱼；
训练描述：
1、患者取坐位，面向患观屏；
2、测定患者踝关节主动外翻角度，并以此为基础，确定靶目标值；
3、患者控制虚拟情景里面的物体，踝关节外翻至目标值，则物体对应移动，完成一次得一分；
4、可以设定不同的目标角度，患者训练难度循序渐进；
5、游戏画面要尽量去卡通化，反馈要及时(得分反馈和失分反馈)；
6、要有组别概念，例如X次为一组，做Y组可以休息多长时间等，X/Y和休息时间可以调整；
7、踝关节的外翻角度给出几个快捷值(类似大中小范围那种)，同时要可以手动输入调整；
8、进入开始训练之后，先进行热身训练，即患者先做设定角度的一半角度训练，30s之后开始正常训练，患者需完成设定角度训练；
9、每一个单次训练均设有timeout，不能完成的话，会自动跳过本次训练，进入到下一次；
10、患者完成一次训练，需要回到初始位，再开始下一次训练。
站位二级平衡训练
训练解释：二级平衡是自动态平衡，即患者站位，主动移动重心比如伸手够物时仍然能保持平衡。所以训练关键在于让患者主动自我破坏平衡；
训练意义：行走的过程其实就是不断地进行自我平衡破坏和平衡重建的过程，所以患者如果要完成自主行走，至少需要达到二级平衡状态；
需要设备：压力板、站立架；
训练描述，患者双腿站在平衡板上，然后通过游戏引导患者左右前后改变重心位置，主动破坏平衡，详细限定如下：
1、患者取站位，双腿放至压力板上，面向屏幕；
2、患者需要先保持重心在中间，这样有助于患者找到身体“中间”的感觉，而且每一次改变重心之后都需要再次回到“中间”；
3、对前后左右改变重心的顺序没有要求，只要可以做到患者在四个方向都有改变的要求就可以了，由于脑卒中患者患侧及后侧的平衡较差，因此需加强患侧和后侧的训练，即多向患者和后侧进行倾斜；
4、记录患者前后左右改变重心保持平衡的最大极限，以此为基础值，设定目标值；
5、可以一次改变就记一次得分，也可以完成一个动作组合之后记一次得分，或者把两种不同的得分设定为不同难度等级；
6、游戏画面要尽量去卡通化，反馈要及时(得分反馈和失分反馈)；
7、要有组别概念，例如X次为一组，做Y组可以休息多长时间等，X/Y和休息时间可以调整；
8、重心摆动范围给出几个快捷值(类似大中小范围那种)，同时要可以手动输入调整；
9、进入开始训练之后，先进行热身训练，即患者先做设定范围的一半范围训练，30s之后开始正常训练，患者需完成设定范围训练；
10、每一个单次训练均设有timeout，不能完成的话，会自动跳过本次训练，进入到下一次。
单腿负重训练
训练解释：利用游戏设定让患者完成单腿渐进式负重；
训练意义：在正常步态周期中，每一条腿都需要足够的负重能力才能行走；
需要设备：压力板、小台阶，减重马甲；
训练描述
1、患者取站位，面向患观屏；
2、健腿迈至小台阶上，患侧放至压力板上，测定患侧的负重能力，并以此为基础，确定靶目标值。如患侧负重极差的话，患侧放在压力板上，并用马甲悬吊减重至患侧能站在压力板上，记录减重数量及压力值，并确定靶目标压力值，逐渐减少悬吊，增加患侧负重；
3、建议使用看视频的训练，患者患腿踩着的压力板相当于开始暂停键，负重能力达到靶目标值就开始看视频，没达到就暂停，达到再开始，没达到再暂停，患者想要看视频就必要让患腿一直负重达到设定好的比例；
4、在报告界面中突出显示患者本次总共站了多长时间，最长的一次时间多长；
5、用不同的负重比例来区分难度大小，参数范围：20％～100％，默认75％；
6、游戏画面要尽量去卡通化，反馈要及时(得分反馈和失分反馈)；
7、要有组别概念，例如X次为一组，做Y组可以休息多长时间等，X/Y和休息时间可以调整。
步行训练
训练解释：利用游戏设定让患者完成不同情境下的步行训练；
训练意义：通过电脑设定不同情境，通过平板步行训练完成患者在不同情境下的步行，增加患者步行训练的趣味性，并且提高患者功能性步行能力；
需要设备：活动平板，传感器，减重马甲；
训练描述
1、患者取站位，面向患观屏；
2、佩带七个传感器，设定合理跑台速度(速度可以由慢到快)，利用电脑程序设定不同情境(如森林，小沟等)，让患者在虚拟情景互动中完成平板步行训练；
3、在报告界面中突出患者的步速、步长、患侧负重，及髋、膝、踝在步行中支撑相及摆动相的角度等运动学指标。
实际实施本发明方案时，可分别通过图4及图5的处理过程实现对被测者进行步态分析以及步态分析基础上的步态训练。也就是说，在实际实施本发明时，在步态分析阶段及步态训练阶段，可添加对被测者的初始姿态信息进行获取及确认的环节，仅当确认出被测者的初始姿态信息符合测试要求或训练要求时，才开始对被测者执行步态分析或步态训练的处理过程。
接下来，本实施例提供本发明方案的一具体实例。该实例以某一下肢右侧偏瘫患者A为例，在对该患者佩戴步态传感器后(惯性传感器)，使其在室内平地上直线行走12米。
行走过程中，可根据患者的步态情况，产生如图6所示的步态三维视图，根据该三维视图，可以从前、后、左、右、上、透视图等多个角度对步态分析过程进行观察(测试完毕后，可以一帧一帧的进行回放，或者倒退)。同时，参考图7(a)-7(c)示出的患者的各关节角度的实时曲线图，可以查看患者测试过程中各个关节在矢状面、额状面、水平面的实时角度。参考图8示出的患者A的步态测试后，各个周期的关节角度曲线(以矢状面为例)，通过该图可以看出，步态测试过程中，患者A右侧髋膝关节的屈曲伸展角度，明显比对侧小。
12米行走完毕后，点击计算机设备软件系统上的停止按钮，可自动弹出如图9所示的步态分析报告，从报告中的测试结果，可以很明显的看出：该患者A的步频偏小，步态周期偏大，步幅步速偏小，说明行走缓慢；右步长相对左步长偏小，右髋膝关节屈曲偏小，说明下肢右侧关节活动受限；左支撑相占77％，说明行走过程中，该患者A主要靠左腿来支撑身体重量。同时，根据图8示出的关节活动角度图(单个周期内，各关节的角度曲线)，可以看出，在整个步态周期过程中，右髋右膝的屈曲角度曲线幅度很小，在支撑和摆动过程中几乎趋平。根据这些分析结果，可以很明确的诊断出，该患者A的步态异常点以及异常程度。同时，可以记录当前的测试结果，方便以后比较。
根据步态测试后的分析，可以得出，针对该患者A，需要训练的关节是右侧髋关节和膝关节，对应的训练方向为屈曲伸展方向。以髋关节为例，根据测试结果中右髋最大屈曲角度为19度，设定训练中最大的屈曲角度为30度，并配置好对应的游戏训练方案，开始游戏训练，其中，游戏训练方案的配置情况具体可参考图10所示，图11(a)及图11(b)示出了基于配置结果的游戏训练界面，在图11(a)及图11(b)示出的游戏界面中，患者可通过控制卡片的匹配，以及飞机在轨道中飞行，来达到关节活动度训练的目的。训练结束后，自动弹出图12所示的训练报告。
实施例三
本发明实施例三提供一种步态分析、训练系统，参考图13示出的步态分析、训练系统的结构示意图，该系统可以包括：
获取单元1，用于获得在步行过程中被测者的各个预定部位的姿态测量数据；计算单元2，用于利用所述姿态测量数据，计算被测者的各个预定部位的姿态信息；第一分析单元3，用于利用被测者的各个预定部位的姿态信息，分析被测者在每一步的步态特征信息；第二分析单元4，用于利用被测者在每一步的步态特征信息，分析得到被测者在步行过程中的步态分析结果；第三分析单元5，用于依据所述步态分析结果，分析被测者步态异常的关键点及影响因素；训练单元6，用于依据被测者步态异常的关键点及影响因素，制定针对被测者的步态训练方案，并利用所述步态训练方案，对被测者进行步态训练。
在本发明实施例的一实施方式中，所述获取单元，进一步用于：获得利用惯性传感器采集的被测者在各个预定部位的角速度信号、加速度信号及磁场分量信号；其中，被测者的各个预定部位处预先绑定有惯性传感器，所述惯性传感器包括陀螺仪、加速度计及磁场计。
在本发明实施例的一实施方式中，所述计算单元，进一步用于：利用预先构建的陀螺仪的误差漂移模型，对通过陀螺仪采集的被测者各个预定部位的角速度信号进行修正；利用修正后的角速度信号，计算被测者的各个预定部位的准姿态信息；根据加速度计和地磁计对陀螺仪的互补性，利用被测者各个预定部位的加速度信号及磁场分量信号，相应地对各个预定部位的准姿态信息进行修正，得到被测者各个预定部位的姿态信息。
在本发明实施例的一实施方式中，所述第一分析单元，进一步用于：利用被测者各个预定部位的姿态测量数据，计算各预定部位在水平面、额状面和矢状面的旋转角度；依据被测者各预定部位在水平面、额状面和矢状面的旋转角度，判定支撑相和摆动相转折点，并根据所述支撑相和摆动相转折点，确定不同步态周期的划分；依据被测者各预定部位在水平面、额状面和矢状面的旋转角度，各预定部位的关节在腰关节坐标系下的坐标，以及所述支撑相和摆动相转折点，分析被测者在每一步态周期对应的步态相位信息和步态参数。
在本发明实施例的一实施方式中，所述训练单元，进一步用于：依据被测者步态异常的关键点及影响因素，设定针对性的情景互动步态训练方案；利用所述针对性的情景互动步态训练方案，对所述被测者按需进行步态训练。
此处，需要说明的是，本实施例涉及的步态分析、训练系统的描述，与上文方法的描述是类似的，且同方法的有益效果描述，对于本发明的步态分析、训练系统在本实施例中未披露的技术细节，请参照本发明方法实施例的说明，本实施对此不再作赘述。
综上所述，本发明提供的步态分析、训练方法及系统，与现有技术相比具有以下优点：
1)采用多关节无线传感器网络，还原患者真实步态。对测量环境没有严格要求；2)操作简单，经过实际实施两分钟即可完成步态分析，自动生成专业的三维步态分析报告；3)算法上采用双卡尔曼滤波，进行传感器信号动态修正，以及姿态融合，同时根据加速度信号和角速度信号构建姿态零速检测器，来判定姿态融合点以及步态相位分界点；4)可根据患者步态分析结果，设定针对性的情景互动任务导向性步态训练方案，设置不同难度的训练课程，进行个体化的可调式渐进性训练；5)虚拟治疗师，本发明方案的实施设备在程序中设计多款游戏，通过训练中的实时情景互动，完成任务导向性的训练并增加训练的趣味性。仍然以踝背伸为例：设计的游戏如图片匹配、轨迹飞行、大鱼吃小鱼等。即患者在训练中需要踝背伸至目标角度才能把下行的图片移动到上行，完成图片匹配任务，不断给患者惊喜和目标，指导患者完成枯燥的训练；6)步态分析参数可以实时存储，在训练前后通过量化的步态分析指标，方便患者进行前后对比，评估康复效果。
还需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
为了描述的方便，描述以上系统或装置时以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
最后，还需要说明的是，在本文中，诸如第一、第二、第三和第四等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种步态分析、训练方法，其特征在于，包括：
获得步行过程中被测者的各个预定部位的姿态测量数据；
利用所述姿态测量数据，计算被测者的各个预定部位的姿态信息；
利用被测者的各个预定部位的姿态信息，分析被测者在每一步的步态特征信息；
利用被测者在每一步的步态特征信息，分析得到被测者在步行过程中的步态分析结果；
依据所述步态分析结果，分析被测者步态异常的关键点及影响因素；
依据被测者步态异常的关键点及影响因素，制定针对被测者的步态训练方案，并利用所述步态训练方案，对被测者进行步态训练。
2.根据权利要求1所述的方法，其特征在于，所述预定部位包括下肢的多个预定关节部位，所述多个预定关节部位包括腰关节以及左右腿侧的髋关节、膝关节和踝关节；
所述获得步行过程中被测者的各个预定部位的姿态测量数据，包括：
获得利用惯性传感器采集的被测者在各个预定部位的角速度信号、加速度信号及磁场分量信号；
其中，被测者的各个预定部位处预先绑定有惯性传感器，所述惯性传感器包括陀螺仪、加速度计及磁场计。
3.根据权利要求2所述的方法，其特征在于，所述利用所述姿态测量数据，计算被测者的各个预定部位的姿态信息，包括：
利用预先构建的陀螺仪的误差漂移模型，对通过陀螺仪采集的被测者各个预定部位的角速度信号进行修正；
利用修正后的角速度信号对应的角速度数值，计算被测者的各个预定部位的准姿态信息；
根据加速度计和地磁计对陀螺仪的互补性，利用被测者各个预定部位的加速度信号及磁场分量信号，相应地对各个预定部位的准姿态信息进行修正，得到被测者各个预定部位的姿态信息。
4.根据权利要求3所述的方法，其特征在于，所述步态特征信息包括步态相位信息和步态参数，所述利用被测者的各个预定部位的姿态信息，分析被测者在每一步的步态特征信息，包括：
利用被测者各个预定部位的姿态信息，计算各预定部位在水平面、额状面和矢状面的旋转角度；
依据被测者各预定部位在水平面、额状面和矢状面的旋转角度，判定支撑相和摆动相转折点，并根据所述支撑相和摆动相转折点，确定不同步态周期的划分；
依据被测者各预定部位在水平面、额状面和矢状面的旋转角度，各预定部位的关节在腰关节坐标系下的坐标，以及所述支撑相和摆动相转折点，分析被测者在每一步态周期对应的步态相位信息和步态参数。
5.根据权利要求4所述的方法，其特征在于，所述依据被测者步态异常的关键点及影响因素，制定针对被测者的步态训练方案，并利用所述步态训练方案，对被测者进行步态训练，包括：
依据被测者步态异常的关键点及影响因素，设定针对性的情景互动步态训练方案；
利用所述针对性的情景互动步态训练方案，对所述被测者按需进行步态训练。
6.一种步态分析、训练系统，其特征在于，包括：
获取单元，用于获得步行过程中被测者的各个预定部位的姿态测量数据；
计算单元，用于利用所述姿态测量数据，计算被测者的各个预定部位的姿态信息；
第一分析单元，用于利用被测者的各个预定部位的姿态信息，分析被测者在每一步的步态特征信息；
第二分析单元，用于利用被测者在每一步的步态特征信息，分析得到被测者在步行过程中的步态分析结果；
第三分析单元，用于依据所述步态分析结果，分析被测者步态异常的关键点及影响因素；
训练单元，用于依据被测者步态异常的关键点及影响因素，制定针对被测者的步态训练方案，并利用所述步态训练方案，对被测者进行步态训练。
7.根据权利要求6所述的系统，其特征在于，所述预定部位包括下肢的多个预定关节部位，所述多个预定关节部位包括腰关节以及左右腿侧的髋关节、膝关节和踝关节；所述获取单元，进一步用于：
获得利用惯性传感器采集的被测者各个预定部位的角速度信号、加速度信号及磁场分量信号；其中，被测者的各个预定部位处预先绑定有惯性传感器，所述惯性传感器包括陀螺仪、加速度计及磁场计。
8.根据权利要求7所述的系统，其特征在于，所述计算单元，进一步用于：
利用预先构建的陀螺仪的误差漂移模型，对通过陀螺仪采集的被测者各个预定部位的角速度信号进行修正；利用修正后的角速度信号对应的角速度数值，计算被测者的各个预定部位的准姿态信息；根据加速度计和地磁计对陀螺仪的互补性，利用被测者各个预定部位的加速度信号及磁场分量信号，相应地对各个预定部位的准姿态信息进行修正，得到被测者各个预定部位的姿态信息。
9.根据权利要求8所述的系统，其特征在于，所述步态特征信息包括步态相位信息和步态参数，所述第一分析单元，进一步用于：
利用被测者各个预定部位的姿态信息，计算各预定部位在水平面、额状面和矢状面的旋转角度；依据被测者各预定部位在水平面、额状面和矢状面的旋转角度，判定支撑相和摆动相转折点，并根据所述支撑相和摆动相转折点，确定不同步态周期的划分；依据被测者各预定部位在水平面、额状面和矢状面的旋转角度，各预定部位的关节在腰关节坐标系下的坐标，以及所述支撑相和摆动相转折点，分析被测者在每一步态周期对应的步态相位信息和步态参数。
10.根据权利要求9所述的系统，其特征在于，所述训练单元，进一步用于：
依据被测者步态异常的关键点及影响因素，设定针对性的情景互动步态训练方案；利用所述针对性的情景互动步态训练方案，对所述被测者按需进行步态训练。
CN201710729931.9A 2017-08-23 2017-08-23 一种步态分析、训练方法及系统 Active CN110021398B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710729931.9A CN110021398B (zh) 2017-08-23 2017-08-23 一种步态分析、训练方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710729931.9A CN110021398B (zh) 2017-08-23 2017-08-23 一种步态分析、训练方法及系统

Publications (2)

Publication Number Publication Date
CN110021398A true CN110021398A (zh) 2019-07-16
CN110021398B CN110021398B (zh) 2023-03-24

Family

ID=67186133

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710729931.9A Active CN110021398B (zh) 2017-08-23 2017-08-23 一种步态分析、训练方法及系统

Country Status (1)

Country Link
CN (1) CN110021398B (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400618A (zh) * 2019-07-17 2019-11-01 北京航空航天大学 一种基于人体运动结构特征的三维步态生成方法
CN110974242A (zh) * 2019-12-26 2020-04-10 浙江福祉医疗器械有限公司 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
CN111012358A (zh) * 2019-12-26 2020-04-17 浙江福祉医疗器械有限公司 一种人体踝关节运动轨迹测量方法及可穿戴式设备
CN111242079A (zh) * 2020-01-20 2020-06-05 深圳市丞辉威世智能科技有限公司 步态检测融合方法、装置、设备及可读存储介质
CN111292825A (zh) * 2020-01-20 2020-06-16 深圳市丞辉威世智能科技有限公司 步态交互方法、步态康健设备及计算机可读存储介质
CN111359159A (zh) * 2020-03-24 2020-07-03 成都翡铭科技有限公司 颈椎康复训练方法
CN111714129A (zh) * 2020-05-07 2020-09-29 广西科技大学 人体步态信息采集系统
CN111773037A (zh) * 2020-07-13 2020-10-16 安杰莱科技(杭州)有限公司 单下肢康复外骨骼装置及其控制方法
CN112220650A (zh) * 2020-12-09 2021-01-15 南京伟思医疗科技股份有限公司 一种外骨骼机器人对侧训练用在线步态生成控制系统
CN112289404A (zh) * 2020-10-22 2021-01-29 中国医学科学院生物医学工程研究所 一种步态训练计划的生成方法、装置、设备及存储介质
CN112331299A (zh) * 2019-11-20 2021-02-05 河南水滴智能技术有限公司 一种姿态矫正方法
CN112489762A (zh) * 2020-11-09 2021-03-12 宋雅伟 基于数值模拟的女子举重运动员腰骶关节的生物力学分析方法
CN112985390A (zh) * 2021-02-20 2021-06-18 中南大学 一种基于磁强计辅助的步态检测方法
CN112998700A (zh) * 2021-05-26 2021-06-22 北京欧应信息技术有限公司 用于辅助对象运动功能评估的设备、系统和方法
CN113143256A (zh) * 2021-01-28 2021-07-23 上海电气集团股份有限公司 步态特征提取方法、下肢评估、控制方法、设备及介质
CN113569807A (zh) * 2021-08-18 2021-10-29 苏州哔蹦智能科技有限公司 一种基于人体姿态识别的矫姿系统和矫正方法
CN113658707A (zh) * 2021-08-26 2021-11-16 华南理工大学 一种足内翻角度检测建模方法及系统
CN114052718A (zh) * 2020-08-03 2022-02-18 财团法人工业技术研究院 步态评估系统及步态评估方法
WO2022104895A1 (zh) * 2020-11-19 2022-05-27 北京积水潭医院 一种预测髋关节置换术后骨盆矢状位平衡状态的方法
CN114663913A (zh) * 2022-02-28 2022-06-24 电子科技大学 一种基于Kinect的人体步态参数提取方法
CN116721471A (zh) * 2023-08-10 2023-09-08 中国科学院合肥物质科学研究院 一种基于多视角下多人三维姿态估计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102697507A (zh) * 2012-06-26 2012-10-03 中国人民解放军第三军医大学第三附属医院 患者康复训练步行状态分析系统及方法
CN102921162A (zh) * 2012-10-27 2013-02-13 安徽埃力智能科技有限公司 自助式平衡与步态训练系统及方法
CN103212188A (zh) * 2013-05-13 2013-07-24 中山大学 一种辅助步态训练的方法及系统
CN104881881A (zh) * 2014-02-27 2015-09-02 株式会社理光 运动对象表示方法及其装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102697507A (zh) * 2012-06-26 2012-10-03 中国人民解放军第三军医大学第三附属医院 患者康复训练步行状态分析系统及方法
CN102921162A (zh) * 2012-10-27 2013-02-13 安徽埃力智能科技有限公司 自助式平衡与步态训练系统及方法
CN103212188A (zh) * 2013-05-13 2013-07-24 中山大学 一种辅助步态训练的方法及系统
CN104881881A (zh) * 2014-02-27 2015-09-02 株式会社理光 运动对象表示方法及其装置

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400618A (zh) * 2019-07-17 2019-11-01 北京航空航天大学 一种基于人体运动结构特征的三维步态生成方法
CN112331299A (zh) * 2019-11-20 2021-02-05 河南水滴智能技术有限公司 一种姿态矫正方法
CN110974242A (zh) * 2019-12-26 2020-04-10 浙江福祉医疗器械有限公司 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
CN111012358A (zh) * 2019-12-26 2020-04-17 浙江福祉医疗器械有限公司 一种人体踝关节运动轨迹测量方法及可穿戴式设备
CN111242079A (zh) * 2020-01-20 2020-06-05 深圳市丞辉威世智能科技有限公司 步态检测融合方法、装置、设备及可读存储介质
CN111292825A (zh) * 2020-01-20 2020-06-16 深圳市丞辉威世智能科技有限公司 步态交互方法、步态康健设备及计算机可读存储介质
CN111242079B (zh) * 2020-01-20 2023-10-27 深圳市丞辉威世智能科技有限公司 步态检测融合方法、装置、设备及可读存储介质
CN111359159A (zh) * 2020-03-24 2020-07-03 成都翡铭科技有限公司 颈椎康复训练方法
CN111714129A (zh) * 2020-05-07 2020-09-29 广西科技大学 人体步态信息采集系统
CN111773037A (zh) * 2020-07-13 2020-10-16 安杰莱科技(杭州)有限公司 单下肢康复外骨骼装置及其控制方法
CN111773037B (zh) * 2020-07-13 2023-03-14 安杰莱科技(杭州)有限公司 单下肢康复外骨骼装置
CN114052718A (zh) * 2020-08-03 2022-02-18 财团法人工业技术研究院 步态评估系统及步态评估方法
CN112289404A (zh) * 2020-10-22 2021-01-29 中国医学科学院生物医学工程研究所 一种步态训练计划的生成方法、装置、设备及存储介质
CN112489762B (zh) * 2020-11-09 2024-01-26 宋雅伟 基于数值模拟的女子举重运动员腰骶关节的生物力学分析方法
CN112489762A (zh) * 2020-11-09 2021-03-12 宋雅伟 基于数值模拟的女子举重运动员腰骶关节的生物力学分析方法
WO2022104895A1 (zh) * 2020-11-19 2022-05-27 北京积水潭医院 一种预测髋关节置换术后骨盆矢状位平衡状态的方法
CN112220650A (zh) * 2020-12-09 2021-01-15 南京伟思医疗科技股份有限公司 一种外骨骼机器人对侧训练用在线步态生成控制系统
CN112220650B (zh) * 2020-12-09 2021-04-16 南京伟思医疗科技股份有限公司 一种外骨骼机器人对侧训练用在线步态生成控制系统
CN113143256B (zh) * 2021-01-28 2023-09-26 上海电气集团股份有限公司 步态特征提取方法、下肢评估、控制方法、设备及介质
CN113143256A (zh) * 2021-01-28 2021-07-23 上海电气集团股份有限公司 步态特征提取方法、下肢评估、控制方法、设备及介质
CN112985390B (zh) * 2021-02-20 2021-10-01 中南大学 一种基于磁强计辅助的步态检测方法
CN112985390A (zh) * 2021-02-20 2021-06-18 中南大学 一种基于磁强计辅助的步态检测方法
CN112998700B (zh) * 2021-05-26 2021-09-24 北京欧应信息技术有限公司 用于辅助对象运动功能评估的设备、系统和方法
CN112998700A (zh) * 2021-05-26 2021-06-22 北京欧应信息技术有限公司 用于辅助对象运动功能评估的设备、系统和方法
CN113569807A (zh) * 2021-08-18 2021-10-29 苏州哔蹦智能科技有限公司 一种基于人体姿态识别的矫姿系统和矫正方法
CN113658707A (zh) * 2021-08-26 2021-11-16 华南理工大学 一种足内翻角度检测建模方法及系统
CN114663913B (zh) * 2022-02-28 2023-10-31 电子科技大学 一种基于Kinect的人体步态参数提取方法
CN114663913A (zh) * 2022-02-28 2022-06-24 电子科技大学 一种基于Kinect的人体步态参数提取方法
CN116721471A (zh) * 2023-08-10 2023-09-08 中国科学院合肥物质科学研究院 一种基于多视角下多人三维姿态估计方法

Also Published As

Publication number Publication date
CN110021398B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN110021398A (zh) 一种步态分析、训练方法及系统
US9186096B2 (en) System and method for measuring balance and track motion in mammals
US10194837B2 (en) Devices for measuring human gait and related methods of use
US10105571B2 (en) Systems and methods for sensing balanced-action for improving mammal work-track efficiency
US10576326B2 (en) Method and system for measuring, monitoring, controlling and correcting a movement or a posture of a user
US20220241643A1 (en) Systems and methods for real-time data quantification, acquisition, analysis, and feedback
US8652072B2 (en) Kinematic system
CN104523282B (zh) 一种穿戴式人马动作监测方法和系统
US20130204545A1 (en) Systems and methods for sensing balanced-action for improving mammal work-track efficiency
CA2241359A1 (en) Goniometer and method of use thereof
Li et al. Using body sensor network to measure the effect of rehabilitation therapy on improvement of lower limb motor function in children with spastic diplegia
Nerino et al. A BSN based service for post-surgical knee rehabilitation at home
Lapresa et al. A smart solution for proprioceptive rehabilitation through M-IMU sensors
Baud et al. Bio-inspired standing balance controller for a full-mobilization exoskeleton
Said et al. Embedded wireless sensor network for rower motion tracking
Szpala et al. Do Mechatronic Poles Change the Gait Technique of Nordic Walking in Patients with Ischemic Heart Disease?
Cigrovski et al. How can Xsens kinematic suit add to our understanding of a slalom turn: A case study in laboratory and field conditions
CN110433457A (zh) 一种骨盆活动训练器
Yadav et al. Wearable absolute 6 DOF exercise training system for post stroke rehabilitation
GB2556888A (en) Smart apparel
Cornish Characterizing the Variability of Kinematic Outcome Measures and Compensatory Movements using Inertial Measurement Units
AU2011219024B9 (en) Systems and methods for measuring balance and track motion in mammals
Rasmussen Slopes, Curves, and Falls: Expanding Our Grasp of Unconstrained Slip Recovery Beyond Straight, Level Gait
Yazdani et al. Design and Development of Stability Limits and Postural Stability Protocols for a Computerized Dynamic Posturography
Fuller Evaluating the Accuracy of Inertial Measurement Units in Detecting Gait Parameters for Lower Limb Prosthesis and Orthosis Users

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
GR01 Patent grant
GR01 Patent grant