CN110974242A

CN110974242A - 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

Info

Publication number: CN110974242A
Application number: CN201911368886.4A
Authority: CN
Inventors: 韩梅梅; 王磊
Original assignee: Zhejiang Welfare Medical Devices Co Ltd
Current assignee: Zhejiang Welfare Medical Devices Co Ltd
Priority date: 2019-12-26
Filing date: 2019-12-26
Publication date: 2020-04-10
Anticipated expiration: 2039-12-26
Also published as: CN110974242B

Abstract

本发明公开了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，本发明利用两个惯性传感器单元采集的角速度、加速度数据，计算并输出用户的步态参数及异常程度综合指数。其中步态异常程度评价方法，可以测量并输出用户在行走时的每一步的步态参数信息，并将其与健康人的步态参数数据库作对比，计算用户步态的异常程度综合指数。本发明使用方便，不受场地限制，成本低廉，可以高精度对用户的步态进行评价，拥有较高的可靠性以及较好的推广前景。

Description

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

技术领域

本发明涉及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。

背景技术

步态参数是人类行走过程中的物理参数，可以反映人类运动能力，拥有较大的应用价值，因此目前有许多研究者在研究步态参数的测量。大型实验室测量步态参数的设备如光学式运动捕捉系统、测力台等等常常用于临床上的步态参数检测及综合异常程度评估，但其存在价格昂贵，受空间限制，使用不便等缺点。可穿戴传感器作为包括惯性测量单元，超声波传感器，微型摄像头等等，相比于大型实验室测量步态参数的设备如光学式运动捕捉系统、测力台等等，以其小巧、廉价，不受时间、空间限制、易于推广等优点作为新兴技术被广泛应用于步态参数测量领域。目前有很多研究使用放置在人体下肢部位的可穿戴传感器测量步态时间参数，如步态事件、步态周期等等；也有的测量步态空间参数，如步行速度、跨步长等等。但在实际使用过程中，由于测量的步态参数种类太少，很少被用于步态异常的综合全面性评价。

发明内容

本发明的目的在于解决现有技术中无法对步态异常进行综合评价等缺陷，并提供一种可穿戴式设备及用于该设备的步态异常程度评价方法。

本发明中所涉及的部分名词含义如下：

步态事件是指人在行走过程中的每个步态周期中的重要时刻，主要有脚落地、脚离地两个步态事件。摆动期及支撑期为人走路步态周期的两个组成部分，人的走路步态周期，以右腿为例，左腿支撑人体，右腿脚离地向前迈出至脚落地的这段时间为右腿的摆动期；右脚落地后，右腿开始支撑人体，左腿向前迈出并落地，随后右脚离地的这段时间，为右腿的支撑期；右脚离地后，完成一个步态周期。步态事件可以根据小腿的角速度特征进行检测。

踝关节三维位移曲线可以根据加速度两次积分进行计算。

步态参数中步态周期、支撑期、摆动期是指其时长；跨步长是指人行走过程中同一只脚相邻着地点之间的距离；最大踝高是指步态周期中踝关节所能达到的最大高度；最大踝高时水平位移是指踝关节达到最大高度时踝关节的水平方向上的位移；最大踝外展位移是指步态周期中踝关节向外侧的最大位移；最大踝内收位移是指步态周期中踝关节向内侧的最大位移；最大踝关节移动速度是指步态周期中踝关节所能达到的最大运动速度；小腿运动角范围是指步态周期中小腿所能达到的最大角度与最小角度之差。因不同用户的身高差异，所述跨步长、最大踝高、最大踝高时水平位移、最大踝外展位移、最大踝内收位移、最大踝关节移动速度在使用时都需除以用户身高以消除此差异。

健康人步态参数数据库是指存储若干名健康人的步态参数的数据库，数据库中的步态参数均由所述可穿戴设备采集，作为优选，健康人数量应大于二十人。

本发明为解决技术问题，所采用的具体技术方案如下：

用于可穿戴式设备的步态异常程度评价方法，包括以下步骤：

S1.通过可穿戴式设备测量用户行走过程中的左小腿、右小腿的三维加速度和三维角速度；

S2.通过所述三维加速度、三维角速度数据测量步态事件，步态事件包括脚落地事件、脚离地事件；

S3.通过所述三维加速度、三维角速度数据及步态事件测量踝关节三维位移曲线；

S4.根据所述步态事件及三维位移曲线计算步态参数；

S5.再根据所述的步态参数与健康人步态参数数据库比对计算异常程度综合指数。

通过采用上述技术方案，可以快速高效地得出异常程度综合指数，用以评价用户的步态的异常程度，应用前景广阔。

作为本发明的进一步改进，步骤S5中，所述的异常程度综合指数计算过程包括以下步骤：

S51.对用户及健康人数据库的每一种步态参数进行归一化：

z_i＝(x_i-μ_i)/σ_i

式中：z_i为用户第i种步态参数的归一化值，x_i为用户第i种步态参数的原始数值，μ_i为健康人步态参数数据库中第i种步态参数的平均值，σ_i为健康人步态参数数据库中第i种步态参数的标准差；

S52.计算健康人步态参数数据库中各种步态参数的协方差矩阵，计算所述协特征值及特征向量；

协方差矩阵(C)计算公式为：

式中N为步态参数种类的数量，cov为协方差计算函数，具体公式为：

式中，z_a为健康人第a种步态参数的归一化值，z_b为健康人第b种步态参数的归一化值；z_aj为健康人步态参数数据库中第a种步态参数的第j步的归一化值，

为健康人步态参数数据库中z_a的平均值；z_bj为健康人步态参数数据库中第b种步态参数的第j步的归一化值，

为健康人步态参数数据库中z_b的平均值；n为健康人步态参数数据库中的总步数；

S53.对用户的每一种步态参数进行去相关性处理：

式中：y_i为用户第i种步态参数的去相关性后的数值，z为用户所有种类步态参数的归一化值的集合，α_i为步骤S52所计算的协方差矩阵的第i个特征向量，λ_i为步骤S52所计算的协方差矩阵的第i个特征向量所对应的特征值；Z是{Z₁，Z₂，Z₃…Z_N}的合集，是1x N维向量；α_i是N x 1维向量；对用户每一步的各种步态参数的去相关性处理是单独进行的；如先进行第S步的各种步态参数的去相关性处理，然后再进行第S+1步的各种步态参数的去相关性处理；

S54.计算用户异常程度综合指数：

式中：NI为用户异常程度综合指数，N为步态参数种类的数量；所述的步态参数包括步态周期、支撑期、摆动期、跨步长、最大踝高、最大踝高时水平位移、最大踝外展位移、最大踝内收位移、最大踝关节移动速度、小腿运动角范围。

通过采用上述技术方案，各步骤之间紧密联系，可通过异常程度综合指数来反映这些步态参数的综合异常程度，使用简单，方便临床推广；不仅可以反映步态参数的数值异常，还可反映步态参数之间关系的异常，有利于综合考虑异常程度。

作为本发明的进一步改进，根据前述步骤计算健康人步态参数数据库中每一步数据的异常程度综合指数，计算整个健康人数据库的异常程度综合指数平均值及标准差，作为异常程度综合指数的正常范围的参考值。针对健康人的每一步，都可以根据这一步的这些步态参数计算一个NI。

作为本发明的进一步改进，健康人步态参数数据库的建立方法为步骤S1至步骤S4，所采集的健康人的数量大于二十人。

本发明的再一目的是提供一种实现所述步态异常程度评价方法的可穿戴式设备，所述可穿戴式设备采用上述任一方案所述的用于可穿戴式设备的步态异常程度评价方法测量并计算用户的步态参数，所述可穿戴式设备包括两个可分别穿戴在用户左小腿和右小腿上靠近踝关节位置的惯性传感器单元，每个惯性传感器单元包含惯性测量传感器模块，所述惯性测量传感器模块包括三维加速度计以及三维角速度计，每个惯性传感器单元与上位机相连以进行数据传输，上位机进行异常程度综合指数的计算过程。

作为本发明的进一步改进，所述惯性传感器与所述上位机之间采用无线通信的方式进行数据传输。

作为本发明的进一步改进，所述的惯性传感器单元还包括单片机和蓝牙模块，所述惯性测量传感器模块连接有单片机，单片机连接有蓝牙模块，所述的上位机与所述的蓝牙模块通过蓝牙进行数据交互。

作为本发明的进一步改进，所述惯性传感器单元还包括用于固定惯性传感器单元的固定带。

作为本发明的进一步改进，所述惯性测量传感器模块为基于MPU6050芯片的惯性测量传感器模块。

作为本发明的进一步改进，所述惯性传感器模块的采样频率不低于100Hz。

上述各优选方式中的技术特征在不相互冲突的前提下，均可进行相互组合，不构成限制。

本发明相对于现有技术而言，其有益效果是：

(1)使用本发明进行步态异常评价，不受场地限制，易于推广。

(2)使用多种步态参数进行步态异常评级，计算异常程度综合指数，可以适应多种病态的步态，拥有较好的应用价值以及广泛的应用范围。

(3)通过可穿戴式设备进行步态参数测量，可以方便应用于临床。

为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合附图，作详细说明如下。

附图说明

图1本发明中传感器放置位置示意图；

图2本发明中可穿戴式设备系统结构图；

图3本发明中异常程度综合指数算法流程图；

图4本发明中人体行走周期示意图；

图中：1、惯性传感器一；2、惯性传感器二；3、上位机；A、左腿脚落地事件；B、右腿脚离地事件；C、右腿脚落地事件；D、左腿脚离地事件。

具体实施方式

为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下扣合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如后。

参阅图1至图4，本发明使用包括两个惯性测量传感器的可穿戴式设备测量用户步态参数及异常程度综合指数。本发明的大致的异常程度综合指数方法流程如图3所示。具体地，包括以下几个步骤：

S4.根据所述步态事件及三维位移曲线计算步态参数；

S5.再根据所述的步态参数与健康人步态参数数据库比对计算异常程度综合指数；步骤S5中，得出所述的异常程度综合指数还包括以下步骤：

S51.对用户及健康人数据库的每一种步态参数进行归一化：

S52.计算健康人步态参数数据库中各种步态参数的协方差矩阵，计算所述协方差矩阵的特征值及特征向量；

S53.对用户的每一种步态参数进行去相关性处理：

S54.计算用户异常程度综合指数：

其中健康人步态参数数据库的建立方法为步骤S1至步骤S4，健康人步态参数数据库是指存储若干名健康人的步态参数的数据库，数据库中的步态参数均由所述可穿戴设备采集，作为优选，健康人数量应大于二十人。

更详尽地，以某一用户为例，本发明具体实施过程如下：

(1)准备工作：

本实施例中，目标用户的身高为170cm，将其输入到与可穿戴式设备连接的上位机中，随后用户穿戴该可穿戴式设备。

整套设备结构如图2所示，包含两个惯性传感器单元以及一个上位机单元。具体来说，如图1，用户小腿上靠近踝关节的位置穿戴可穿戴式设备，具体为左小腿穿戴为惯性传感器一1，右小腿穿戴的为惯性传感器二2。如图2，各惯性传感器均包括单片机、蓝牙模块和基于MPU6050芯片的惯性测量传感器模块，上位机3的单元结构包括蓝牙模块、WIFI模块、服务器、用户交互软件。上位机可为智能手机、智能手表(手环)、平板电脑、笔记本电脑、台式电脑等中的任一种或其中几种的组合。WIFI模块用于将用户步态数据传至服务器，用户交互软件用于实现异常程度综合指数的计算与展示。本发明中各传感器及其他电子元件的具体型号，可以根据实际需要进行选型。两个惯性传感器单元每一个都包含一个基于MPU6050芯片的惯性测量传感器模块，惯性测量传感器模块包括一个三维加速度计以及一个三维陀螺仪，用于采集使用者行走过程中的三维加速度以及三维角速度数据，采样频率为100Hz。两个传感器单元分别使用带弹性的固定带放置在用户的两条小腿外侧，距离踝关节5cm处，如图2所示。蓝牙模块用于惯性传感器单元与上位机单元通信。

(2)步态参数检测：

以上各项准备工作完成后，可以开始测量用户的步态参数。用户在平坦的地面上行走，两个惯性传感器采集加速度、角速度数据，单片机首先会使用相应的算法利用这些数据进行步态事件的检测。人的走路步态周期如图4所示，一个周期中主要有左腿脚落地事件A、右腿脚离地事件B、右腿脚落地事件C、左腿脚离地事件D四个步态事件。小腿的角速度周期性特征可以检测用户的每一个步态周期内的步态事件。脚落地事件是走路过程中前脚后跟落地的时刻，发生在每个步态周期内小腿角速度的最高波峰后的第一个负值波谷处；脚离地事件是走路过程中后脚前掌完全离地的时刻，发生在每个步态周期内小腿角速度的最高波峰前的第一个负值波谷处。

单片机使用相应的算法利用加速度、角速度数据进行踝关节运动轨迹的计算，并从中提取步态参数。基于角速度积分与重力加速度修正，可计算惯性传感器的三维姿态角度；利用姿态角将加速度从惯性传感器的自身坐标系转化至全局坐标系中，对加速度进行两次积分，可得传感器三维运动轨迹；根据传感器与踝关节的空间关系，计算踝关节运动轨迹；根据各步态参数的定义，计算各步态参数。

(3)异常程度综合指数的计算：

传感器中的单片机将计算的步态参数通过蓝牙模块传至上位机单元，上位机单元执行异常程度综合指数的计算。计算过程为：

步骤S51中，对用户及健康人数据库的每一种步态参数进行归一化：

z_i＝(x_i-μ_i)/σ_i

步骤S52中，计算健康人步态参数数据库中各种步态参数的协方差矩阵，计算所述协方差矩阵的特征值及特征向量；

协方差矩阵(C)计算公式为：

步骤S53中，对用户的每一种步态参数进行去相关性处理：

式中：y_i为用户第i种步态参数的去相关性后的数值，z为用户所有种类步态参数的归一化值的集合，α_i为步骤S52所计算的协方差矩阵的第i个特征向量，λ_i为步骤S52所计算的协方差矩阵的第i个特征向量所对应的特征值；Z是{Z₁，Z₂，Z₃…Z_N}的合集，是1x N维向量；α_i是N x 1维向量；对用户每一步的各种步态参数的去相关性处理是单独进行的，如先进行第S步的各种步态参数的去相关性处理，然后再进行第S+1步的各种步态参数的去相关性处理；

步骤S54中，计算用户异常程度综合指数：

式中：NI为用户异常程度综合指数，N为步态参数种类的数量。

根据前述步骤计算健康人步态参数数据库中每一步数据的异常程度综合指数，计算整个健康人数据库的异常程度综合指数平均值及标准差，作为异常程度综合指数的正常范围的参考值。

(4)异常程度综合指数测量效果：

本例中用户存在下肢运动障碍，在步态参数测量过程中一共行走了20步，每一步的各项步态参数均能够被传感器记录。对每一步进行异常程度综合指数计算，平均值为8.0。而对健康人步态参数数据库中的步态参数进行异常程度综合指数计算，其范围为2.8～4.2，该用户的异常程度综合指数超出了此范围，由此可见，本发明的装置和方法相对于现有技术而言，可实现对用户的步态异常程度进行综合量化评价。

以上所述的实施例只是本发明的一些较佳的方案，然而其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。例如，上述实施例也可以使用其他算法或者使用其他传感器来实时计算所述步态参数，如使用毫米波雷达、红外传感器、激光雷达等传感器。而上述可穿戴设备也可以采用现有技术中的其他结构或方式进行改动，如将蓝牙通讯改为WIFI通讯、使用别的固定方式、使用别的惯性传感器芯片、采用更高的采样频率等等。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims

1.一种用于可穿戴式设备的步态异常程度评价方法，其特征在于，包括以下步骤：

S4.根据所述步态事件及三维位移曲线计算步态参数；

2.如权利要求1所述的用于可穿戴式设备的步态异常程度评价方法，其特征在于，步骤S5中，得出所述的异常程度综合指数还包括以下步骤：

S51.对用户及健康人数据库的每一种步态参数进行归一化：

z_i＝(x_i-μ_i)/σ_i

协方差矩阵(C)计算公式为：

S53.对用户的每一种步态参数进行去相关性处理：

式中：y_i为用户第i种步态参数的去相关性后的数值，z为用户所有种类步态参数的归一化值的集合，α_i为步骤S52所计算的协方差矩阵的第i个特征向量，λ_i为步骤S52所计算的协方差矩阵的第i个特征向量所对应的特征值；

S54.计算用户异常程度综合指数：

3.如权利要求2所述的用于可穿戴式设备的步态异常程度评价方法，其特征在于，还包括以下步骤，

S55.根据步骤S51～S54计算健康人步态参数数据库中每一步数据的异常程度综合指数，计算整个健康人数据库的异常程度综合指数平均值及标准差，作为异常程度综合指数的正常范围的参考值。

4.如权利要求1所述的用于可穿戴式设备的步态异常程度评价方法，其特征在于，健康人步态参数数据库的建立方法为步骤S1至步骤S4，所采集的健康人的数量大于二十人。

5.一种可穿戴式设备，其特征在于，所述可穿戴式设备采用权利要求1-4任一项所述的用于可穿戴式设备的步态异常程度评价方法测量并计算用户的步态参数，所述可穿戴式设备包括两个可分别穿戴在用户左小腿和右小腿上靠近踝关节位置的惯性传感器单元，每个惯性传感器单元包含惯性测量传感器模块，所述惯性测量传感器模块包括三维加速度计以及三维角速度计，每个惯性传感器单元与上位机相连以进行数据传输，上位机进行异常程度综合指数的计算过程。

6.如权利要求5所述的可穿戴式设备，其特征在于，所述惯性传感器单元与所述上位机之间采用无线通信的方式进行数据传输。

7.如权利要求6所述的可穿戴式设备，其特征在于，所述惯性传感器单元还包括单片机和蓝牙模块，所述惯性测量传感器模块连接单片机，单片机连接蓝牙模块，所述的上位机与所述的蓝牙模块通过蓝牙进行数据交互。

8.如权利要求5所述的可穿戴式设备，其特征在于，惯性传感器单元还包括用于固定惯性传感器单元的固定带。

9.如权利要求5所述的可穿戴式设备，其特征在于，所述惯性测量传感器模块为基于MPU6050芯片的惯性测量传感器模块。

10.如权利要求5所述的可穿戴式设备，其特征在于，所述惯性测量传感器模块的采样频率不低于100Hz。