CN110558992B - 一种步态检测分析方法及装置 - Google Patents

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

一种步态检测分析方法及装置

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。

Images