CN110558992B - 一种步态检测分析方法及装置 - Google Patents
一种步态检测分析方法及装置 Download PDFInfo
- Publication number
- CN110558992B CN110558992B CN201910696010.6A CN201910696010A CN110558992B CN 110558992 B CN110558992 B CN 110558992B CN 201910696010 A CN201910696010 A CN 201910696010A CN 110558992 B CN110558992 B CN 110558992B
- Authority
- CN
- China
- Prior art keywords
- maximum value
- gait
- value
- judging
- data
- 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
Images
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
本发明公开了一种步态检测分析方法及装置,其中,所述检测装置包括载体、数据采集器、微处理器和电池;将采集到数据进行分析处理,进而计算出对应的数据并将该数据传输至智能终端,执行步态检测分析方法;所述计步方法步骤如下:1)信号采集;2)定位完全着地时间点;3)进行步态检测;4)单步信号划分;5)步数统计;6)计算角度的大小;7)判断走跑方式;8)判断着地方式;9)判断足内旋和足外旋;10)判断足内八和足外八。本发明能够方便,快捷,精准的对步态进行检测分析,为医生、运动教练、用户自己提供客观的步态分析依据及康复治疗、矫正或运动改善后的效果评估。
Description
技术领域
本发明涉及计步技术领域,尤其涉及一种步态检测分析方法及装置。
背景技术
步态是人体结构与功能、运动调节系统、行为及心理活动在行走时的外在表现,但是,其中某个系统或某些方面的功能障碍,都可引起步态异常。据调查显示,50%-60%的轻运动人群由于运动过程中步态不正确而患有不同程度的膝盖伤(统称跑步伤);发育期行走姿态异常直接影响儿童成长阶段骨骼腿部甚至脊柱发育;步态异常具有对某些疾病有提示意义,如糖尿病足、下肢关节炎、下肢肌无力。通过步态分析可以实现对某些疾病的预防以及辅助性治疗。
现有的步态分析方法需要多台摄像机同时采集数据,设备投资昂贵,采集的运动信息有限,不能很好地跟踪分析运动连续性。因此,有必要提供一种方便,快捷,精准的步态检测分析方法,为医生、运动教练、用户自己提供客观的步态分析依据及康复治疗、矫正或运动改善后的效果评估。
发明内容
本发明的目的在于克服上述不足,提供一种步态检测分析方法及装置。
为实现上述目的,本发明的技术解决方案是:一种步态检测分析方法,包括以下步骤:
1)数据采集:传感器至少采集脚在空间X、Y、Z三个方向上的线加速度及角加速度数据,所述X、Y、Z方向为设定的方向;
2)定位完全着地时间点:设置初始阈值为0.5G,方波信号为0,将原始信号放大3倍,消除干扰,对信号数据进行低通滤波处理,利用y轴加速度生成方波信号,若检测到方波是为下降边沿,开始检测x轴角速度极大值,判断极大值是否大于500DPS,若否,则以该极大值的时间点为着地时间点,若是,则继续寻找以角速度为零的时间点为完全着地时间点;
3)进行步态检测:从极大值开始寻找与极大值相差大于阈值的实时信号数据,实时信号数据与极大值的差值大于阈值时将方波信号置为-1,在方波信号为-1时开始检测y轴加速度的最小值,并检测完全着地时间点,在找到完全着地时间点后,方波信号置为0,以极大值和最小值的差值的0.8倍作为下一步的阈值;
4)单步信号划分:检测生成的方波信号的下降沿,在实时信号大于最小值0.2G时(减少过程误差)开始检测角速度的极大值判断极大值的大小,小于零时以该极值点作为一步结束的时间,大于零时,从极值点位置开始寻找角速度为零的时间点,作为一步的结束;
5)步数统计:进行坐标转换,若单步的步幅大于s且离地高度大于h则该步有效,步数加一,反之则无效不计数;
6)计算角度的大小:定位着地后脚掌翻转的时间,对角速度进行积分,求解出角度θ,θ=∫(w*t),式中w为角速度,t为采样时间;
7)判断走跑方式:定位x轴离地时间和着地时间,判断触地腾空比是否小于1,若小于1,则为跑步状态,反之则为走路状态,其中触地腾空比为单步着地时间/腾空时间;
8)判断着地方式:判断该角度的正负关系以及绝对值大小,若θ绝对值小于α,则当前步态为全掌着地;若θ绝对值大于α,且θ方向为正,则当前步态为前脚掌着地;若θ绝对值大于α,且θ方向为负,则当前步态为后脚掌着地;
9)判断足内旋和足外旋:若角度θ大于β,则当前步态为足外旋;若角度θ小于或等于0°,则当前步态为足内旋;当角度θ属于0°到β之间,则为正常内旋;
10)判断足内八和足外八:进行二次坐标转换,计算脚掌偏转角度gama=arctg(Accx′/Accy′);式中:gama为脚掌偏转角度,Accx’为变换后的X轴加速度值,Accy’为变换后的Y轴加速度值;判断脚掌偏转角度方向的正负关系以及绝对值大小,若该角度的绝对值小于θ,则当前步态为正常步态;若该角度的绝对值大于θ,且方向为正,则当前步态为外八;若该角度的绝对值大于θ,且方向为负,则当前步态为内八。
优选的,所述s为20cm,所述h为2cm。
优选的,所述的滤波方式采用二阶巴特沃斯低通滤波器进行滤波。
优选的,所述步态检测还包括极大值的更新:在检测到极大值后极大值的值会锁定,在之后若检测到10个以上的极大值时该极大值的值重新确定。或若后面的极大值大于该极大值,将极大值替换为较大的极大值。
优选的,离地高度的计算方法:H=∫∫az dt;式中az为原始的Z轴加速度值。
优选的,所述单步步幅的计算方法,具体步骤如下:1)对加速度进行坐标转换,得到前进方向的加速度;2)对前进方向的加速度进行二重积分的到单步步幅;3)对步幅进行误差修正;4)对平均速度进行修正;5)对所述的平均速度计算得到步幅。
优选的,所述α=β=10°。
一种基于上述的计步准确的方法的智能鞋,包括载体、数据采集器、微处理器和电池;所述载体为一智扣,所述智扣包括上盖、透光片和底座,所述上盖和底座之间形成放置槽,所述放置槽内用于放置数据采集器、微处理器和电池,所述数据采集器用于至少采集人体在空间X、Y、Z三个方向上的线加速度及角加速度数据;所述传感器的输出端电性连接微处理器的信号输入端,所述微处理器具有A/D转换功能、串口通信功能以及蓝牙通信功能,并通过蓝牙通信连接智能终端,微处理器将采集到的传感器的数据进行分析处理,进而计算出对应的数据并将该数据传输至智能终端。
优选的,所述数据采集器为六轴加速度传感器。
优选的,所述检测装置还设有红、黄、绿三种颜色的LED灯,所述LED灯电性连接为处理器。
本发明由于采用了以上技术方案,具有显著的技术效果:本发明能帮助跑步爱好者和徒步爱好者,排除一些干扰信号,精确地记录运动中所产生的步数,步频和配速等运动数据,准确的记录每次运动所产生的里程和卡路里消耗等运动数据,以便跑步爱好者或徒步爱好者更好更合理地安排自己的运动计划。
附图说明
图1为本发明计步方法的流程示意图;
图2为本发明定位完全着地的时间点示意图;
图3为本发明步态检测信号示意图;
图4为本发明单步划分信号示意图。
图5为本发明步数统计流程示意图;
图6为本发明x轴角速度示意图;
图7为本发明判断判断着地方式示意图;
图8为本发明判断判断足内旋和足外旋示意图;
图9为本发明判断足内八和足外八流程示意图;
图10为本发明检测装置拆解结构示意图。
图中:1、y轴机速度信号;2、生成的方波信号;3、单步划分信号;4、y轴加速度;5、方波信号下降沿;6、直线一;7、直线二;8、上盖;9、透光片;10、微处理器;11、电池;12、底座。
具体实施方式
以下结合附图和具体实施例来进一步说明本发明。
如图1所示,一种步态检测分析方法,包括以下步骤:
1)信号采集:六轴加速度传感器至少采集脚在空间X、Y、Z三个方向上的线加速度及角加速度六类信号,所述X、Y、Z方向为设定的方向。
2)参照图2,定位完全着地点:设置初始阈值为0.5G,方波信号为0,将原始信号放大3倍,消除干扰,对信号数据进行低通滤波处理,也可以采用通带滤波的方法,利用y轴加速度生成方波信号,若检测到方波是为下降边沿,开始检测x轴角速度极大值,判断极大值是否大于500DPS,若否,则以该极大值的时间点为着地时间点,若是,则继续寻找以角速度为零的时间点为完全着地时间点。
优选的,本发明使用二阶巴特沃斯低通滤波器进行滤波。滤波公式如下:
data_fil=
(0.0201*data1+0.0402*data2+0.0201*data3+1.5610f*data_fil1-0.6414*data_fil2)其中data_fil为某一时刻滤波后的信号,data_fil1、data_fil2分别为上一时刻和上上一时刻滤波后的信号,data1、data2、data3分别为某一时刻的原始数据、上一时刻的原始数据和上上一时刻的原始数据。
3)参照图3,进行步态检测:本发明分别用加速度计的y轴加速度的特性进行步态进行检测和单步信号划分(运动过程中y轴加速度信号和陀螺仪x轴角速度的主要特征不会因使用者的不同而出现较大变化,具有良好的普适性)。本发明使用动态阈值的方法生成方波信号进行步态检测。相对于静态阈值,动态阈值检测的准确性更高。检测信号的极大值,从极大值开始寻找与极大值相差大于阈值的实时信号数据,实时信号数据与极大值的差值大于阈值时将方波信号置为-1,在方波信号为-1时开始检测y轴加速度的最小值,并检测完全着地时间点,方波信号置为0,以极大值和最小值的差值的0.8倍作为下一步的阈值;在检测到极大值后极大值的值会锁定,在之后若检测到10个以上的极大值时该极大值的值重新确定。或若后面的极大值大于该极大值,将极大值替换为较大的极大值。
4)参照图4,进行单步信号划分:检测生成的方波信号的下降沿,在实时信号大于最小值0.2G时(减少过程误差)开始检测角速度的极大值判断极大值的大小,小于零时以该极值点作为一步结束的时间,大于零时,从极值点位置开始寻找角速度为零的时间点,作为一步的结束,一步的结束即为下一步的开始。
5)参照图5,步数统计:若单步的步幅大于s=20cm且离地高度大于h=2cm则该步有效,步数加一,反之则无效不计数。
对离地高度h的计算方为H=∫∫az dt式中az:原始的Z轴加速度值,对az进行双重积分即可获得离地高度h的值。
对单步步幅的计算s的计算:对加速度进行坐标转换,转换公式为式中ax:原始的X轴加速度值;ay:原始的Y轴加速度值;az:原始的Z轴加速度值;ax’:变换后的X轴加速度值;ay’:变换后的Y轴加速度值;az’:变换后的Z轴加速度值;wx:为x轴的角速度;wy:为y轴的角速度;wz:为z轴的角速度;转换完成得到前进方向的加速度为axy=sqrt(ax′^2+ay′^2)。对前进方向的加速度axy进行二重积分得到单步步幅,D=∫∫(v+axy)dt(v为未修正的速度)。正常情况下,着地后脚掌的速度为零。由于加速度计存在误差与漂移,计算得到的着地后速度并不为零。通过该速度对距离进行误差修正,修正项为:-0.5*v_stop*T_stop,修正后的速度v1=v_init,v1=v-0.5*v_stop*T_stop,其中v_stop为计算的着地时的速度,T_stop为脚掌离地到脚掌着地的时间间隔。误差修正后,添加脚掌离地时的初速度的修正,对平均速度进行修正,公式如下:v2=6/(1+exp(5-1.695*(v_init+1.02)))+0.395;其中v_init为误差修正后的平均速度,对上述的平均速度计算得到步幅Stride=v2*T_stop/2。
6)计算角度的大小:定位着地后脚掌翻转的时间,对角速度进行积分,求解出角度θ,θ=∫(w*t),式中w为角速度,t为采样时间(以0.005s为例)。
参照图6,角度的计算原理:脚掌着地瞬间由于鞋底与地面的缓冲,陀螺仪x轴角速度会产生一个微小的突变(图中直线一6的位置),以该时间点为脚掌翻转的起点,直线二7的位置为脚掌完全着地的时间点,该时间点由着地时后y轴加速度趋近于零的极值点来确定,积分该过程陀螺仪x轴角速度得到角度变化量。
7)判断走跑方式:定位x轴离地时间和着地时间,判断触地腾空比是否小于1,若小于1,则为跑步状态,反之则为走路状态,其中触地腾空比为单步着地时间/腾空时间。
8)参照图7所示,判断着地方式:判断该角度的正负关系以及绝对值大小,若绝对值小于10°,则当前步态为全掌着地;若绝对值大于10°,且方向为正,则当前步态为前脚掌着地;若绝对值大于10°,且方向为负,则当前步态为后脚掌着地。
9)参照图8所示,判断足内旋和足外旋转:若角度大于10°,则当前步态为足外旋;若角度小于或等于0°,则当前步态为足内旋;反之,则为正常内旋;正常情况下着地时脚掌向内翻转的角度在0°~10°时为正常内旋,当内旋角度大于10°时为足外旋,小于或等于0°时为足内旋。
10)参照图9,判断足内八和足外八:先进行二次坐标转换,由于内外旋会导致内八外八判定产生误差,因此需要对此进行修订,修订的方式为在求解出内外旋角度的基础上,对加速度进行坐标变换,变换至只有绕x轴转动的情况,即前进方向上的力与重力方向上的力在xy平面上的分量在同一直线上,加速度计测量的x,y轴上的加速度方向不会发生偏转。所述坐标变化的公式为式中β:内外旋的β角度;Accx为原始的X轴加速度值;Accy为原始的Y轴加速度值;Accz为原始的Z轴加速度值、Accx’为变换后的X轴加速度值;Accy’为变换后的Y轴加速度值;Accz’为变换后的Z轴加速度值。
接着计算脚掌偏转角度:gama=arctg(Accx′/Accy′);式中:gama为gama为加速度计y轴与前进方向的夹角,即内外八的偏转角度,Accx’为变换后的X轴加速度值,Accy’为变换后的Y轴加速度值;判断脚掌偏转角度方向的正负关系以及绝对值大小,若该角度的绝对值小于θ,则当前步态为正常步态;若该角度的绝对值大于θ,且方向为正,则当前步态为外八;若该角度的绝对值大于θ,且方向为负,则当前步态为内八。
一种步态检测分析装置,包括载体、数据采集器、微处理器10和电池11;所述载体为一智扣,所述智扣包括上盖8、透光片9和底座12,所述上盖8和底座12之间形成放置槽,所述放置槽内用于放置数据采集器即六轴传感器、微处理器10和电池11,此外检测装置可以不需要载体,直接把六轴传感器、微处理器10、电池11直接嵌入在鞋底和鞋面上。智扣的做用是保护微处理器10、六轴传感器和电池11不受到挤压而被破坏,提高使用寿命。所述数据采集器用于至少采集人体在空间X、Y、Z三个方向上的线加速度及角加速度数据;所述六轴传感器的输出端电性连接微处理器10的信号输入端,所述微处理器10具有A/D转换功能、串口通信功能以及蓝牙通信功能,并通过蓝牙通讯连接智能终端,,微处理器10将采集到的传感器的数据进行分析处理,进而计算出对应的数据(如步数统计、着地方式、足内外旋、内外八等),并将该传输至智能终端的APP中,通过智能终端APP展示出穿戴者的相应数据。其中,所述智能终端可为装设有APP的手机、平板电脑等等。微处理器10也可以将采集的数据传输到智能终端,再由智能终端对数据进行分析处理,计算出对应的数据。
智能终端的APP也将根据微处理器所计算出的数据进行相应的反应,如当穿戴者的着地方式或相应的运动姿态存在问题时,微处理器将控制设置在鞋底上的振动装置进行振动,进而提醒穿戴者的运动姿态需要矫正;除了控制振动装置进行振动之外,智能终端的APP的控制系统也将通过语音的方式直接提醒穿戴者。
此外,除了分析穿戴者当前的运动姿态外,微处理器还将根据六轴加速度传感器所采集的数据,通过对Z轴加速度计算,分析穿戴者实际踩踏时的冲击力大小,若冲击力大于跑步状态下的冲击力阈值时,微处理器将控制智扣内的红色LED灯进行发光。智扣内设有红、黄、绿三种颜色的LED灯。若冲击力小于或等于跑步状态下的冲击力阈值时,微处理器将控制智扣内的黄色LED灯进行发光;若冲击力小于或等于步行状态下的冲击力阈值时,微处理器将控制智扣内的绿色LED灯进行发光其中,步行状态下的冲击力阈值小于跑步状态下的冲击力阈值。除了通过判断冲击力大小来控制位于智扣内的LED灯进行发光外,也可通过智能终端的APP中的语音控制来控制LED灯进行发光,透光片9的存在,使得灯光效果更明显。
以上所述的,仅为本发明的较佳实施例而已,不能限定本发明的范围,凡是依本发明申请专利范围所作的均等变化与装饰,皆应仍属于本发明涵盖的范围内。
Claims (10)
1.一种步态检测分析方法,其特征在于,包括以下步骤:
1)数据采集:至少采集脚在空间X、Y、Z三个方向上的线加速度及角加速度数据,所述X、Y、Z方向为设定的方向,X、Y、Z方向相互垂直,X、Y、Z方向分别为以待测人体为参照的水平前后方向,水平左右方向和竖直方向;
2)定位完全着地点:设置初始阈值为0.5G,方波信号为0,将原始信号放大3倍,消除干扰,对信号数据进行低通滤波处理,利用y轴加速度生成方波信号,若检测到方波是为下降边沿,开始检测x轴角速度极大值,判断极大值是否大于500DPS,若否,则以该极大值的时间点为着地时间点,若是,则继续寻找以角速度为零的时间点为完全着地时间点;
3)进行步态检测:从极大值开始寻找与极大值相差大于阈值的实时信号数据,极大值为y轴加速度的极大值,实时信号数据与极大值的差值大于阈值时将方波信号置为-1,在方波信号为-1时开始检测y轴加速度的最小值,并检测完全着地时间点,在找到完全着地时间点后,方波信号置为0,以极大值和最小值的差值的0.8倍作为下一步的阈值;
4)单步信号划分:检测生成的方波信号的下降沿,在实时信号大于最小值0.2G时开始检测x轴角速度的极大值判断极大值的大小,小于零时以极大值点作为一步结束的时间,大于零时,从极大值点位置开始寻找角速度为零的时间点,作为一步的结束;
5)步数统计:进行坐标转换,若单步的步幅大于s且离地高度大于h则该步有效,步数加一,反之则无效不计数;
6)计算角度的大小:定位着地后脚掌翻转的时间,对x轴角速度进行积分,求解出角度θ,θ=∫(w*t),式中w为x轴角速度,t为采样时间;
7)判断走跑方式:定位x轴离地时间和着地时间,判断触地腾空比是否小于1,若小于1,则为跑步状态,反之则为走路状态,其中触地腾空比为单步着地时间/腾空时间;
8)判断着地方式:判断该角度的正负关系以及绝对值大小,若θ绝对值小于α,则当前步态为全掌着地;若θ绝对值大于α,且θ方向为正,则当前步态为前脚掌着地;若θ绝对值大于α,且θ方向为负,则当前步态为后脚掌着地;
9)判断足内旋和足外旋:若角度θ大于β,则当前步态为足外旋;若角度θ小于或等于0°,则当前步态为足内旋;当角度θ属于0°到β之间,则为正常内旋;
10)判断足内八和足外八:进行二次坐标转换,计算脚掌偏转角度gama=arctg(Accx′/Accy′);式中:gama为脚掌偏转角度,Accx’为变换后的X轴加速度值,Accy’为变换后的Y轴加速度值;判断脚掌偏转角度方向的正负关系以及绝对值大小,若该角度的绝对值小于θ,则当前步态为正常步态;若该角度的绝对值大于θ,且方向为正,则当前步态为外八;若该角度的绝对值大于θ,且方向为负,则当前步态为内八。
2.根据权利要求1所述的一种步态检测分析方法,其特征在于:所述s为20cm,所述h为2cm。
3.根据权利要求1所述的一种步态检测分析方法,其特征在于:所述低通滤波处理采用二阶巴特沃斯低通滤波器进行滤波。
4.根据权利要求1所述的一种步态检测分析方法,其特征在于:所述步态检测还包括极大值的更新:在检测到极大值后极大值的值会锁定,在之后若检测到10个以上的极大值时该极大值的值重新确定,或若后面的极大值大于该极大值,将极大值替换为较大的极大值。
5.根据权利要求1所述的一种步态检测分析方法,其特征在于:所述离地高度的计算方法:H=∫∫az dt;式中az为原始的Z轴加速度值。
6.根据权利要求1所述的一种步态检测分析方法,其特征在于:所述单步步幅的计算方法,具体步骤如下:1)对加速度进行坐标转换,得到前进方向的加速度;2)对前进方向的加速度进行二重积分得到单步步幅;3)对步幅进行误差修正;4)对平均速度进行修正;5)对所述的平均速度计算得到步幅。
7.根据权利要求1所述的一种步态检测分析方法,其特征在于:所述α=β=10°。
8.一种采用权利要求1所述的步态检测分析方法的装置,其特征在于:包括载体、数据采集器、微处理器和电池;所述载体为一智扣,所述智扣包括上盖、透光片和底座,所述上盖和底座之间形成放置槽,所述放置槽内用于放置数据采集器、微处理器和电池,所述数据采集器用于至少采集人体在空间X、Y、Z三个方向上的线加速度及角加速度数据;所述数据采集器的输出端电性连接微处理器的信号输入端,所述微处理器具有A/D转换功能、串口通信功能以及蓝牙通信功能,并通过蓝牙通讯连接智能终端,微处理器将采集到数据进行分析处理,进而计算出对应的数据并将该数据传输至智能终端。
9.根据权利要求8所述的步态检测分析方法的装置,其特征在于:所述数据采集器为六轴加速度传感器。
10.根据权利要求8所述的步态检测分析方法的装置,其特征在于:所述装置内还设有红、黄、绿三种颜色的LED灯,所述LED灯电性连接微处理器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910696010.6A CN110558992B (zh) | 2019-07-30 | 2019-07-30 | 一种步态检测分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910696010.6A CN110558992B (zh) | 2019-07-30 | 2019-07-30 | 一种步态检测分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110558992A CN110558992A (zh) | 2019-12-13 |
CN110558992B true CN110558992B (zh) | 2022-04-12 |
Family
ID=68773704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910696010.6A Active CN110558992B (zh) | 2019-07-30 | 2019-07-30 | 一种步态检测分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110558992B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113926171B (zh) * | 2020-07-14 | 2022-07-12 | 华为技术有限公司 | 运动姿势的检测方法、装置、电子设备和可读存储介质 |
CN112704491B (zh) * | 2020-12-28 | 2022-01-28 | 华南理工大学 | 基于姿态传感器和动捕模板数据的下肢步态预测方法 |
CN113925494A (zh) * | 2021-10-15 | 2022-01-14 | 深圳智游者科技有限公司 | 个人不良行走步态监测方法和装置 |
CN114432098A (zh) * | 2022-01-27 | 2022-05-06 | 中山大学附属第一医院 | 一种基于模型的步态矫正装置 |
CN115486837B (zh) * | 2022-09-22 | 2023-04-25 | 北京戴来科技有限公司 | 一种步态分析方法、系统以及改善行走障碍的装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5807283A (en) * | 1997-01-27 | 1998-09-15 | Ng; Kim Kwee | Activity monitor |
CN1137661C (zh) * | 2000-03-06 | 2004-02-11 | 郑红 | 分布式电磁人体运动检测装置 |
WO2009114909A1 (en) * | 2008-03-19 | 2009-09-24 | Murdoch Childrens Research Institute | Movement analysis |
US20130131555A1 (en) * | 2011-11-17 | 2013-05-23 | William R. Hook | Gait analysis using angular rate reversal |
CN102499692B (zh) * | 2011-11-30 | 2014-04-30 | 沈阳工业大学 | 一种超声波步态检测方法 |
CN102824177B (zh) * | 2012-07-25 | 2014-11-26 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
EP3257437A1 (en) * | 2016-06-13 | 2017-12-20 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Method and system for analyzing human gait |
CN106226558A (zh) * | 2016-09-23 | 2016-12-14 | 中国地震局工程力学研究所 | 一种检测力平衡加速度传感器极性的方法及装置 |
CN106419928B (zh) * | 2016-11-03 | 2018-04-10 | 浙江大学 | 一种可穿戴式设备及用于该设备的实时步长测量方法 |
CN106805980A (zh) * | 2017-01-24 | 2017-06-09 | 重庆小爱科技有限公司 | 一种步态分析系统及分析方法 |
CN107343789B (zh) * | 2017-05-17 | 2020-04-14 | 浙江利尔达物芯科技有限公司 | 一种基于三轴加速度传感器的脚步运动识别方法 |
CN108836346A (zh) * | 2018-04-16 | 2018-11-20 | 大连理工大学 | 一种基于惯性传感器的人体步态分析方法和系统 |
CN108968223B (zh) * | 2018-09-12 | 2023-09-29 | 黑天鹅智能科技(福建)有限公司 | 一种足球鞋 |
CN109259375A (zh) * | 2018-10-15 | 2019-01-25 | 福建省万物智联科技有限公司 | 一种辉光鞋及其制备方法 |
-
2019
- 2019-07-30 CN CN201910696010.6A patent/CN110558992B/zh active Active
Non-Patent Citations (1)
Title |
---|
Development of a wearable sensor system for quantitative gait analysis;Liu, Tao;《MEASUREMENT》;20090831;第978-988页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110558992A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110558992B (zh) | 一种步态检测分析方法及装置 | |
CN103961109A (zh) | 基于加速度信号和角速度信号的人体姿态检测装置 | |
CN106705968A (zh) | 基于姿态识别和步长模型的室内惯性导航算法 | |
CN105795571B (zh) | 一种用于外骨骼压力鞋的数据采集系统及方法 | |
CN105030260A (zh) | 运动状态判断方法及脚部穿戴物 | |
CN109480857B (zh) | 一种用于帕金森病患者冻结步态检测的装置及方法 | |
CN107048570B (zh) | 一种智能鞋垫的数据分析处理方法 | |
CN105561567A (zh) | 一种计步及运动状态评估装置 | |
CN108836757A (zh) | 一种具有自平衡性的助力行走外骨骼机器人系统 | |
CN107693022A (zh) | 一种检测人体摔倒的方法及装置 | |
CN106307775A (zh) | 一种足部姿态信息和压力测量系统及智能运动鞋 | |
CN105771187A (zh) | 一种运动状态检测方法及基于该方法的智能鞋 | |
CN109528212A (zh) | 一种异常步态识别设备及方法 | |
CN106901444A (zh) | 一种生理监控智能鞋垫 | |
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 | |
CN203480031U (zh) | 一种基于多组传感器的智能鞋 | |
CN108338790B (zh) | 步态分析及跌倒评估系统 | |
CN106419929A (zh) | 帕金森病患者姿态平衡稳定性的定量检测装置 | |
CN113576467A (zh) | 融合足底压力传感器和imu的可穿戴实时步态检测系统 | |
CN108042142A (zh) | 一种穿戴式的人体姿态检测及肢体肌力测量系统 | |
Shi et al. | Fall detection system based on inertial mems sensors: Analysis design and realization | |
CN103632133B (zh) | 人体姿态识别方法 | |
CN205909833U (zh) | 一种计步鞋垫装置 | |
CN110558990B (zh) | 一种步态分析方法及装置 | |
Wang et al. | Estimation of spatial-temporal gait parameters based on the fusion of inertial and film-pressure signals |
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 |