CN110916673A - 一种步态监测的方法及智能设备 - Google Patents
一种步态监测的方法及智能设备 Download PDFInfo
- Publication number
- CN110916673A CN110916673A CN201911128305.XA CN201911128305A CN110916673A CN 110916673 A CN110916673 A CN 110916673A CN 201911128305 A CN201911128305 A CN 201911128305A CN 110916673 A CN110916673 A CN 110916673A
- Authority
- CN
- China
- Prior art keywords
- gait
- acceleration
- determining
- data
- regularity
- 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
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
- A61B5/1118—Determining activity level
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/08—Elderly
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Dentistry (AREA)
- Mathematical Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种步态监测的方法、智能设备和计算机可读存储介质,所述方法包括:获取智能设备采集的用户直线行走的步态数据,所述步态数据包括加速度数据;根据所述步态数据确定步态评估结果,其中,所述步态评估结果包括步频、加速度平均幅值、步伐规则性、对称性和变异性中的至少之一。本申请实施例相对于传统的光电步态评估和计算机化步道而言是一种低成本的步态评估方式,可以提供客观步态指标,而且监测方便,监测效率高。
Description
技术领域
本文涉及信息技术领域,尤指一种步态监测的方法、智能设备和计算机可读存储介质。
背景技术
截止2018年末,中国大陆60周岁及以上人口已达24949万人,占总人口的17.9%。随着老龄化的加深,传统的养老模式已无法适应当前的养老形式,而科技养老提供了解决养老问题的新方式。
步态是高龄人群身体功能的重要指标,过往文献表明,步速,步态变异性(stepvariability),规则性(step regularity),加速度均方根(acceleration root meansquare)等指标与未来的跌倒事件和身体虚弱相关。步态测量可以帮助老人掌握自身功能表现,当步态出现异常时及时采取干预或训练,提高生活质量。
传统的精密测量方式,如通过光学设备VICON、计算机化步道测量步态存在仪器价格昂贵、需要专业人员操作的缺点。
发明内容
本申请提供了一种步态监测的方法、智能设备和计算机可读存储介质,以降低监测成本,提高监测效率。
本申请实施例提供了一种步态监测的方法,包括:
获取智能设备采集的用户直线行走的步态数据,所述步态数据包括加速度数据;
根据所述步态数据确定步态评估结果,其中,所述步态评估结果包括步频、加速度平均幅值、步伐规则性、对称性和变异性中的至少之一。
在一实施例中,所述获取智能设备采集的用户直线行走的步态数据,包括:
获取所述智能设备在预设的时间内通过加速度传感器采集到的用户直线行走的加速度数据。
在一实施例中,所述根据所述步态数据确定步态评估结果,包括:
将所述步态数据发送至服务器,获取所述服务器返回的步态评估结果,以及,显示所述步态评估结果。
在一实施例中,所述根据所述步态数据确定步态评估结果,包括:
对垂直方向的加速度数据进行快速傅里叶变换,得到所述步频;
根据自相关函数确定所述步伐规则性;
根据所述步伐规则性和步幅规则性确定所述对称性;
根据变异系数确定所述变异性;
根据加速度均方根确定所述加速度平均幅值。
在一实施例中,所述根据自相关函数确定所述步伐规则性,包括:
根据滞后时间k在一步的预设时间范围内的自相关函数的峰值确定所述步伐规则性,其中,自相关函数Rxx(k)为:
x(t)表示归一化的垂直方向的加速度数据,x(t)为:
其中,a(t)表示时间t的垂直方向的加速度数据,aMEAN表示垂直方向的加速度数据的平均值,aSD表示垂直方向的加速度数据的标准差。
在一实施例中,所述根据步伐规则性和步幅规则性确定所述对称性,包括:
根据滞后时间k在一步的预设时间范围内的自相关函数的峰值确定所述步伐规则性D1,根据滞后时间k在一个步幅的预设时间范围内的自相关函数的峰值确定所述步幅规则性D2;
在D2>D1时,对称性为D1/D2;在D1>D2,则对称性为D2/D1。
在一实施例中,所述根据变异系数确定所述变异性,包括:
确定垂直方向的加速度数据的正峰值,垂直方向的加速度数据中相邻波峰的时间间隔为每步时间t,所述时间间隔的标准差tSD和平均值tMEAN比值为变异系数,所述变异性等于变异系数。
在一实施例中,所述根据加速度均方根确定所述加速度平均幅值,包括:
确定所述加速度均方根RMS,其中:
a(t)表示在时间t时刻的垂直方向的加速度数据,t1和tn表示步态监测的开始和结束时刻;
所述加速度均方根为加速度平均幅值。
本申请实施例还提供一种智能设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述步态监测的方法。
本申请实施例还提供一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行所述步态监测的方法。
与相关技术相比,本申请实施例包括:获取智能设备采集的用户直线行走的步态数据,所述步态数据包括加速度数据;根据所述步态数据确定步态评估结果,其中,所述步态评估结果包括步频、加速度平均幅值、步伐规则性、对称性和变异性中的至少之一。本申请实施例相对于传统的光电步态评估和计算机化步道而言是一种低成本的步态评估方式,可以提供客观步态指标,而且监测方便,监测效率高,适合在居家、社区、养老院环境中使用。
在一示例性的实施例中,可以借助远程的服务器计算步态评估结果,省去用Java重新编写计算步态特征值的算法,易于拓展到其他特征值。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的其他优点可通过在说明书、权利要求书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1为本申请实施例的步态监测的方法的流程图;
图2为本申请实施例的对加速度数据预处理的流程图;
图3是本申请应用实例的佩戴方式示意图;
图4是本申请应用实例的系统架构图;
图5是本申请应用实例的坐标系的示意图;
图6(a)~(f)是本申请应用实例的应用程序的屏幕截图;
图7是本申请实施例的步态监测的方法的组成示意图。
具体实施方式
本申请描述了多个实施例,但是该描述是示例性的,而不是限制性的,并且对于本领域的普通技术人员来说显而易见的是,在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合,并在具体实施方式中进行了讨论,但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外,任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用,或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合,以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合,以形成另一个由权利要求限定的独特的发明方案。因此,应当理解,在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此,除了根据所附权利要求及其等同替换所做的限制以外,实施例不受其它限制。此外,可以在所附权利要求的保护范围内进行各种修改和改变。
此外,在描述具有代表性的实施例时,说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而,在该方法或过程不依赖于本文所述步骤的特定顺序的程度上,该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的,其它的步骤顺序也是可能的。因此,说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外,针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤,本领域技术人员可以容易地理解,这些顺序可以变化,并且仍然保持在本申请实施例的精神和范围内。
由于智能设备中内置有传感器(例如加速度计和陀螺仪)提供了实时监测人体三维运动的可能,在游戏、养老、康复领域有广阔的应用前景。本申请实施例中,通过智能设备采集步态数据,无需复杂的光电设备和计算机化步道。
如图1所示,本发明实施例的步态监测的方法,包括:
步骤101,获取智能设备采集的用户直线行走的步态数据,所述步态数据包括加速度数据。
所述智能设备可包括内置加速度传感器的手机、手环、iPod等。
本实施例中,可以将Android智能手机充当客户端,采集直线行走过程中人体三维运动步态数据。
在一实施例中,本步骤包括:
获取所述智能设备在预设的时间内通过加速度传感器采集到的用户直线行走的加速度数据。
所述智能设备可以放置在用户的后腰L3区域,其中L3是指腰椎的位置。预设的时间可以是几十秒或者几分钟等。
例如,用户将智能手机放置在后腰L3区域的口袋中,在一条长走廊上直走。手机采集直走过程中的三维加速度,智能手机的加速度测量采样率设置为SENSOR_DELAY_FASTEST,这是Android智能手机规格中列出的最高模式,实际采样率约为40Hz。最初的5秒不包括在数据收集中以避免加速过程的影响。按下“开始”按钮后,应用程序将采集从第5秒到第35秒的加速度数据。换句话说,应用程序将收集30秒的步行数据。手机采集到的步态数据以.csv的形式保存在本地。
步骤102,根据所述步态数据确定步态评估结果,其中,所述步态评估结果包括步频、加速度平均幅值、步伐规则性、对称性和变异性中的至少之一。
步骤102中,可以是智能设备直接根据所述步态数据计算步态评估结果,并进行显示,也可以是智能设备将所述步态数据发送至服务器,获取所述服务器返回的步态评估结果,以及,显示所述步态评估结果。
所述服务器安装在预先安装了Matlab和Python的计算机上,其中Matlab安装有signal processing toolbox(信号处理工具箱),从智能设备接收和处理步态数据。
借助远程服务器的Matlab计算步态特征值,省去用Java重新编写计算步态特征值的算法,易于拓展到其他特征值。
如图2所示,在计算步态评估结果之前,先对加速度数据预处理,可以包括:
步骤201,根据所述加速度数据确定垂直方向的加速度信号,调整所述加速度信号的采样率。
其中,可以将加速度信号的采样率调整为100Hz。
步骤202,对调整后的加速度信号进行滤波和去趋势。
可以采用截止频率为10Hz的低通巴特沃斯滤波器对数据进行滤波,以及去趋势。
可以基于上述预处理后得到垂直方向的加速度数据计算步态评估结果,包括如下内容:
1、步频
可以对垂直方向的加速度数据进行快速傅里叶变换(FFT),得到所述步频。
2、步伐规则性
可以根据自相关函数确定所述步伐规则性。其中:
根据滞后时间k在一步的预设时间范围内的自相关系数的峰值确定所述步伐规则性D1。D1的值越趋近于1表示越规则。其中,自相关函数Rxx(k)为:
x(t)表示归一化的加速度数据,x(t)为:
其中,Rxx表示自相关系数,它是滞后时间k的函数,a(t)表示时间t的垂直方向的加速度数据,aMEAN和aSD分别表示垂直方向的加速度数据的平均值和标准差。
可以使用Matlab信号处理工具箱中的xcorr函数计算自相关系数。
3、对称性
可以根据所述步伐规则性和步幅规则性确定所述对称性,其中:
根据滞后时间k在一步的预设时间范围内的自相关函数的峰值确定所述步伐规则性D1,根据滞后时间k在一个步幅(两步)的预设时间范围内的自相关函数的峰值确定所述步幅规则性D2。D1和D2的值均是越趋近于1表示越规则。
采用步伐规则性D1与步幅规则性D2的比值确定步态对称性,由于走路过程中步与步幅交替出现,因此它们的自相关函数峰值也交替出现:如果D2>D1则对称性计算为D1/D2;如果D1>D2则对称性计算为D2/D1。
4、变异性
可以根据变异系数(Coefficient of variance)确定所述变异性,其中:
确定垂直方向的加速度数据的正峰值,垂直方向的加速度数据中相邻波峰的时间间隔为每步时间t,所述时间间隔的标准差tSD和平均值tMEAN比值为变异系数,所述变异性等于变异系数。
计算公式为:
其中,可以通过Matlab的findpeak函数检测到垂直方向的加速度的正峰值。加速度信号相邻波峰的时间间隔被认为是每步时间t。本算法采用时间间隔的标准差tSD和平均值tMEAN计算变异系数,变异性越高步态模式越差。
5、加速度平均幅值
可以根据加速度均方根确定所述加速度平均幅值,其中:
确定所述加速度均方根RMS,其中:
a(t)表示在时间t时刻的垂直方向的加速度数据,t1和tn表示步态监测的开始和结束时刻;
所述加速度均方根为加速度平均幅值。
加速度均方根可以通过Matlab的rms函数计算。
本申请实施例相对于传统的光电步态评估和计算机化步道而言是一种低成本的步态评估方式,可以提供客观步态指标,而且监测方便,监测效率高,适合在居家、社区、养老院环境中使用。
下面以一个应用实例进行说明。
本应用实例提供一种基于三维运动传感器的步态监测手机应用,主要适用于居家、社区、养老院环境中的步态评估。手机的佩戴在后背L3区域,如图3所示,所测参数包括三维空间的加速度在左右、垂直、前后方向的分量。测量的数据通过WiFi无线传输方式传到服务器上,服务器预先安装好Matlab(包含信号处理工具箱)和Python,调用Matlab算法计算步态特征值。系统架构如图4所示,包括一个安卓智能手机(内置加速度传感器)和一个服务器。
具体测试方式为:用户佩戴一个腰包,将智能手机放置在后腰L3区域的腰包中,手机正面朝外,在一条超过40m长走廊上直走。手机将采集30s的数据,用户完成后停止走路,原始加速度数据保存在手机本地。同时,原始数据通过Wifi传输到远程服务器上。
手机步态系统坐标系如图5所示。图5中,当用户处于站立静止状态时,X轴正向指向人体右方,Y轴正向指向人体上方,Z轴正向指向前方。
远程服务器通过Matlab程序对数据进行处理:
选用垂直方向的加速度信号,将加速度信号的采样率调整为100Hz。
采用截止频率为10Hz的低通巴特沃斯滤波器对数据进行滤波,以及去趋势。
采用快速傅里叶(FFT)变换求频率(步频)。
采用自相关函数Rxx(k)计算步伐规则性,公式如下:
在这里,Rxx表示自相关系数,它是滞后时间k的函数。x(t)表示归一化的垂直方向的加速度数据,计算公式如下:
a(t)表示时间t的垂直方向的加速度数据。aMEAN和aSD分别表示垂直方向的加速度数据的平均值和标准差。
使用Matlab信号处理工具箱中的xcorr函数计算自相关系数,步伐规则性为滞后时间在一步的时间附近的自相关系数峰值,值越趋近于1表示越规则。同理,步幅规则性D2为滞后时间在一个步幅(两步)的时间附近的自相关系数峰值,值越趋近于1表示越规则。
采用步伐规则性D1与步幅规则性D2的比值确定步态对称性,由于走路过程中步与步幅交替出现,因此它们的自相关系数峰值也交替出现:如果D2>D1则对称性计算为D1/D2;如果D1>D2则对称性计算为D2/D1。
采用变异系数(Coefficient of variance)计算步态变异性,计算公式为:
首先通过Matlab的findpeak函数检测到加速度的正峰值。加速度信号相邻波峰的时间间隔被认为是每步时间t。本算法采用时间间隔的标准差tSD和平均值tMEAN计算变异系数。变异性越高步态模式越差。
采用加速度均方根(RMS)计算加速度平均幅值,计算公式如下:
这里的a(t)表示在时间t时刻的加速度,t1和tn表示步态测试的开始和结束时刻。加速度均方根通过Matlab的rms函数计算。
手机通过网络传输接收远程服务器反馈的步态评估结果(步态特征值),将步态评估结果显示在屏幕上。
如图6(a)~(f)所示,为应用程序的屏幕截图,其中,图6(a)为步态测试的初始画面示意图,图6(b)为步态测试中选择行走类型的示意图,图6(c)为步态测试后发送数据的示意图,图6(d)为步态测试结果中加速度数据的示意图,图6(e)为步态测试的结果示意图,图6(f)为步态测试的指标说明示意图。
通过上述描述可以看出,本申请实施例提供日常步态指标检测方法,适合应用在智能设备上,可以减少设备限制和用户专业知识的依赖,增强步态分析的客观性、准确性。
利用智能设备自身携带的传感器记录三维运动数据(加速度和旋转角),实现步态参数的监测,具有低成本、实时、客观的优点。
如图7所示,本申请实施例还提供步态监测的装置,包括:
获取模块71,用于获取智能设备采集的用户直线行走的步态数据,所述步态数据包括加速度数据;
确定模块72,用于根据所述步态数据确定步态评估结果,其中,所述步态评估结果包括步频、加速度平均幅值、步伐规则性、对称性和变异性中的至少之一。
在一实施例中,所述获取模块71,用于:
获取所述智能设备在预设的时间内通过加速度传感器采集到的用户直线行走的加速度数据。
在一实施例中,所述确定模块72,用于:
将所述步态数据发送至服务器,获取所述服务器返回的步态评估结果,以及,显示所述步态评估结果。
在一实施例中,所述确定模块72,用于:
对垂直方向的加速度数据进行快速傅里叶变换,得到所述步频;
根据自相关函数确定所述步伐规则性;
根据所述步伐规则性和步幅规则性确定所述对称性;
根据变异系数确定所述变异性;
根据加速度均方根确定所述加速度平均幅值。
在一实施例中,所述确定模块72,用于:
根据滞后时间k在一步的预设时间范围内的自相关函数的峰值确定所述步伐规则性,其中,自相关函数Rxx(k)为:
x(t)表示归一化的垂直方向的加速度数据,x(t)为:
其中,a(t)表示时间t的垂直方向的加速度数据,aMEAN和aSD分别表示垂直方向的加速度数据的平均值和标准差。
在一实施例中,所述确定模块72,用于:
根据滞后时间k在一步的预设时间范围内的自相关函数的峰值确定所述步伐规则性D1,根据滞后时间k在一个步幅的预设时间范围内的自相关函数的峰值确定所述步幅规则性D2;
在D2>D1时,对称性为D1/D2;在D1>D2,则对称性为D2/D1。
在一实施例中,所述确定模块72,用于:
确定垂直方向的加速度数据的正峰值,垂直方向的加速度数据中相邻波峰的时间间隔为每步时间t,所述时间间隔的标准差tSD和平均值tMEAN比值为变异系数,所述变异性等于变异系数。
在一实施例中,所述确定模块72,用于:
确定所述加速度均方根RMS,其中:
a(t)表示在时间t时刻的垂直方向的加速度数据,t1和tn表示步态监测的开始和结束时刻;
所述加速度均方根为加速度平均幅值。
本申请实施例还提供一种智能设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述步态监测的方法。
本申请实施例还提供一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行所述步态监测的方法。
在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
Claims (10)
1.一种步态监测的方法,其特征在于,包括:
获取智能设备采集的用户直线行走的步态数据,所述步态数据包括加速度数据;
根据所述步态数据确定步态评估结果,其中,所述步态评估结果包括步频、加速度平均幅值、步伐规则性、对称性和变异性中的至少之一。
2.根据权利要求1所述的方法,其特征在于,所述获取智能设备采集的用户直线行走的步态数据,包括:
获取所述智能设备在预设的时间内通过加速度传感器采集到的用户直线行走的加速度数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述步态数据确定步态评估结果,包括:
将所述步态数据发送至服务器,获取所述服务器返回的步态评估结果,以及,显示所述步态评估结果。
4.根据权利要求1所述的方法,其特征在于,所述根据所述步态数据确定步态评估结果,包括:
对垂直方向的加速度数据进行快速傅里叶变换,得到所述步频;
根据自相关函数确定所述步伐规则性;
根据所述步伐规则性和步幅规则性确定所述对称性;
根据变异系数确定所述变异性;
根据加速度均方根确定所述加速度平均幅值。
6.根据权利要求4所述的方法,其特征在于,所述根据步伐规则性和步幅规则性确定所述对称性,包括:
根据滞后时间k在一步的预设时间范围内的自相关函数的峰值确定所述步伐规则性D1,根据滞后时间k在一个步幅的预设时间范围内的自相关函数的峰值确定所述步幅规则性D2;
在D2>D1时,对称性为D1/D2;在D1>D2,则对称性为D2/D1。
7.根据权利要求4所述的方法,其特征在于,所述根据变异系数确定所述变异性,包括:
确定垂直方向的加速度数据的正峰值,垂直方向的加速度数据中相邻波峰的时间间隔为每步时间t,所述时间间隔的标准差tSD和平均值tMEAN比值为变异系数,所述变异性等于变异系数。
9.一种智能设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~8中任意一项所述的方法。
10.一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1~8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911128305.XA CN110916673A (zh) | 2019-11-18 | 2019-11-18 | 一种步态监测的方法及智能设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911128305.XA CN110916673A (zh) | 2019-11-18 | 2019-11-18 | 一种步态监测的方法及智能设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110916673A true CN110916673A (zh) | 2020-03-27 |
Family
ID=69854085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911128305.XA Pending CN110916673A (zh) | 2019-11-18 | 2019-11-18 | 一种步态监测的方法及智能设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110916673A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111568436A (zh) * | 2020-05-29 | 2020-08-25 | 常州大学 | 一种基于回归旋转角的步态对称性评价方法 |
CN111685772A (zh) * | 2020-05-29 | 2020-09-22 | 清华大学 | 外骨骼机器人测量系统、行走步态建模分析方法和设备 |
CN111765898A (zh) * | 2020-06-29 | 2020-10-13 | 歌尔科技有限公司 | 计步方法,计步装置及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103083025A (zh) * | 2011-10-31 | 2013-05-08 | 株式会社东芝 | 步态分析装置 |
CN103505219A (zh) * | 2012-06-20 | 2014-01-15 | 中国科学院电子学研究所 | 一种人体步态评测系统及方法 |
CN107616798A (zh) * | 2017-09-19 | 2018-01-23 | 北京工业大学 | 一种基于重力加速度的步态不对称性检测方法 |
CN109124646A (zh) * | 2018-09-26 | 2019-01-04 | 北京壹氢科技有限公司 | 一种适用于配带智能手机行人的步态检测方法 |
CN109938740A (zh) * | 2019-03-08 | 2019-06-28 | 深圳大学 | 一种步态周期检测方法、装置及计算机可读存储介质 |
-
2019
- 2019-11-18 CN CN201911128305.XA patent/CN110916673A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103083025A (zh) * | 2011-10-31 | 2013-05-08 | 株式会社东芝 | 步态分析装置 |
CN103505219A (zh) * | 2012-06-20 | 2014-01-15 | 中国科学院电子学研究所 | 一种人体步态评测系统及方法 |
CN107616798A (zh) * | 2017-09-19 | 2018-01-23 | 北京工业大学 | 一种基于重力加速度的步态不对称性检测方法 |
CN109124646A (zh) * | 2018-09-26 | 2019-01-04 | 北京壹氢科技有限公司 | 一种适用于配带智能手机行人的步态检测方法 |
CN109938740A (zh) * | 2019-03-08 | 2019-06-28 | 深圳大学 | 一种步态周期检测方法、装置及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
刘蓉 等: "《基于步态加速度的步态分析研究》", 《传感技术学报》 * |
张宇鸽: "《基于惯性传感器分析老年女性和年轻女性行走稳定性》", 《中国优秀硕士学位论文全文数据库 社会科学Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111568436A (zh) * | 2020-05-29 | 2020-08-25 | 常州大学 | 一种基于回归旋转角的步态对称性评价方法 |
CN111685772A (zh) * | 2020-05-29 | 2020-09-22 | 清华大学 | 外骨骼机器人测量系统、行走步态建模分析方法和设备 |
CN111685772B (zh) * | 2020-05-29 | 2021-07-09 | 清华大学 | 外骨骼机器人测量系统、行走步态建模分析方法和设备 |
CN111568436B (zh) * | 2020-05-29 | 2023-01-17 | 常州大学 | 一种基于回归旋转角的步态对称性评价方法 |
CN111765898A (zh) * | 2020-06-29 | 2020-10-13 | 歌尔科技有限公司 | 计步方法,计步装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210001176A1 (en) | Sensor-Based Athletic Activity Measurements | |
CN110916673A (zh) | 一种步态监测的方法及智能设备 | |
US10568549B2 (en) | Wearable activity monitoring device and related method | |
CN105992932B (zh) | 对在用户运动的测量结果中检测步行的改进 | |
CN101394788B (zh) | 步态分析 | |
CN103083025A (zh) | 步态分析装置 | |
Rhudy et al. | A comprehensive comparison of simple step counting techniques using wrist-and ankle-mounted accelerometer and gyroscope signals | |
KR20230084446A (ko) | 헬스케어 시스템에서 운동량 측정의 정확도를 높이기 위한 장치 및 방법 | |
EP4013303A1 (fr) | Procede et systeme pour l'analyse de l'activite biomecanique et l'exposition a un facteur de risque biomecanique sur un sujet humain dans un contexte d'activite physique | |
US20200333163A1 (en) | Accelerometer-based systems and methods for quantifying steps | |
Rigas et al. | Tremor UPDRS estimation in home environment | |
CN103759738A (zh) | 一种计步器 | |
US20190063949A1 (en) | Step Counting Method and Apparatus | |
WO2012036135A1 (ja) | 情報処理方法、情報処理装置、出力装置、情報処理システム、情報処理用プログラムおよび同プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN107631736B (zh) | 一种步幅估算方法和装置 | |
JP2018079102A (ja) | 歩行状態推定方法、歩行状態推定プログラムおよび情報処理装置 | |
Chen | Gait feature extraction from inertial body sensor networks for medical applications | |
Tarashansky et al. | A study of position independent algorithms for phone-based gait frequency detection | |
CN111150404B (zh) | 一种帕金森病情的步态监测装置 | |
CN115969355A (zh) | 可穿戴智能膝关节和步态监测方法、装置、系统和存储介质 | |
KR20170024332A (ko) | 회복상태 모니터링 장치 및 회복상태 모니터링 방법 | |
Alinia | Reliable Filter-based Step Counting Algorithm for Low-intensity Aided Walking | |
CN118216906A (zh) | 一种基于智能手机的卒中患者步态评估方法 | |
FI20196079A1 (en) | Handling of sensor data | |
CN110866419A (zh) | 一种步长确定方法、系统及计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200327 |