CN111000568A - 步态检测方法、装置、设备及存储介质 - Google Patents

步态检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111000568A
CN111000568A CN202010149711.0A CN202010149711A CN111000568A CN 111000568 A CN111000568 A CN 111000568A CN 202010149711 A CN202010149711 A CN 202010149711A CN 111000568 A CN111000568 A CN 111000568A
Authority
CN
China
Prior art keywords
gait
detection
state
determining
sensors
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
CN202010149711.0A
Other languages
English (en)
Other versions
CN111000568B (zh
Inventor
谭高辉
蔡雪风
蔡康宁
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.)
Shenzhen Chwishay Smart Technology Co Ltd
Original Assignee
Shenzhen Chwishay Smart Technology Co Ltd
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 Shenzhen Chwishay Smart Technology Co Ltd filed Critical Shenzhen Chwishay Smart Technology Co Ltd
Priority to CN202010149711.0A priority Critical patent/CN111000568B/zh
Publication of CN111000568A publication Critical patent/CN111000568A/zh
Application granted granted Critical
Publication of CN111000568B publication Critical patent/CN111000568B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112Gait analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种步态检测方法、装置、设备及存储介质,该方法包括:接收多个传感器发送的检测数据;根据所述检测数据分别确定各个所述传感器检测获得的第一步态;根据所述第一步态以及各个所述传感器的权重,确定第二步态。由此,基于各个传感器的权重和第一步态,根据各个传感器的重要程度对检测结果进行融合获得第二步态,提高了步态检测的准确率。

Description

步态检测方法、装置、设备及存储介质
技术领域
本发明涉及步态检测技术领域,尤其涉及一种步态检测方法、装置、设备及存储介质。
背景技术
步态检测一般是在使用者的若干个指定身体部位固定便携式步态传感器,但是放置在不同身体部位的步态传感器上传的数据会有所区别。当前一般是将各个传感器的数据进行简单加和后获得步态检测结果,但是这种方法并且没有考虑到各个传感器在步态检测中的重要程度差异,准确率不高。
发明内容
本发明提供一种步态检测方法、装置、设备及存储介质,旨在提高步态检测的准确率。
为实现上述目的,本发明提供一种步态检测方法,所述方法包括:
接收多个传感器发送的检测数据;
根据所述检测数据分别确定各个所述传感器检测获得的第一步态;
根据所述第一步态以及各个所述传感器的权重,确定第二步态。
优选地,所述第一步态包括摆动状态和支撑状态,所述根据所述第一步态以及各个所述传感器的权重,确定第二步态的步骤包括:
根据所述第一步态以及对应传感器的权重计算检测结果;
根据所述检测结果确定所述第二步态,所述第二步态包括所述摆动状态和所述支撑状态。
优选地,根据所述检测结果确定所述第二步态的步骤包括:
将所述检测结果与预设阈值进行比较;
若所述检测结果大于或等于所述阈值,则将所述检测结果对应的第二步态标记为步态检测结果。
优选地,所述根据所述检测数据分别确定各个所述传感器的第一步态的步骤包括:
提取所述检测数据中的目标信号;
根据所述目标信号,基于各个所述传感器的第一步态预测算法确定各个所述传感器的第一步态,所述目标信号包括力学信号、运动学信号、生物电信号和视觉信号。
优选地,所述根据所述第一步态以及各个传感器的权重,确定第二步态的步骤之后还包括:
将所述第二步态与所述第一步态对比,计算各个所述传感器的所述第一步态的第一准确率;
将所述第一准确率与准确率阈值比较;
若所述第一准确率低于准确率阈值,则输出准确率过低的提示信息;和/或
若所述第一准确率低于准确率阈值,更新对应传感器的所述第一步态预测算法。
优选地,所述根据所述第一步态以及各个传感器的权重,确定第二步态的步骤之后还包括:
根据所述检测数据对所述第二步态进行分析,获得步态类型。
优选地,所述根据所述检测数据分别确定各个所述传感器检测获得的第一步态的步骤之前还包括:
基于预设异常数据筛选规则对所述检测数据进行筛选,剔除异常检测数据。
此外,为实现上述目的,本发明实施例还提供一种步态检测装置,所述步态检测装置包括:
接收模块,用于接收多个传感器发送的检测数据;
第一确定模块,用于根据所述检测数据分别确定各个所述传感器检测获得的第一步态;
第二确定模块,用于根据所述第一步态以及各个所述传感器的权重,确定第二步态。
此外,为实现上述目的,本发明实施例还提供一种步态检测设备,所述步态检测设备包括处理器,存储器以及存储在所述存储器中的步态检测程序,所述步态检测程序被所述处理器运行时,实现如上所述的步态检测方法的步骤。
此外,为实现上述目的,本发明实施例还提供一种计算机存储介质,所述计算机存储介质上存储有步态检测程序,所述步态检测程序被处理器运行时实现如上所述步态检测方法的步骤。
相比现有技术,本发明提供一种步态检测方法、装置、设备及存储介质,该方法包括:接收多个传感器发送的检测数据;根据所述检测数据分别确定各个所述传感器检测获得的第一步态;根据所述第一步态以及各个所述传感器的权重,确定第二步态。由此,基于各个传感器的权重和第一步态,根据各个传感器的重要程度对检测结果进行融合获得第二步态,提高了步态检测的准确率。
附图说明
图1是本发明各实施例涉及的步态检测设备的硬件结构示意图;
图2是本发明步态检测方法第一实施例的流程示意图;
图3是本发明步态检测方法第一实施例的一场景示意图;
图4是本发明步态检测装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例主要涉及的步态检测设备是指能够实现网络连接的网络连接设备,所述步态检测设备可以是服务器、云平台等。
参照图1,图1是本发明各实施例涉及的步态检测设备的硬件结构示意图。本发明实施例中,步态检测设备可以包括处理器1001(例如中央处理器Central ProcessingUnit、CPU),通信总线1002,输入端口1003,输出端口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信;输入端口1003用于数据输入;输出端口1004用于数据输出,存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器,存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解,图1中示出的硬件结构并不构成对本发明的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
继续参照图1,图1中作为一种可读存储介质的存储器1005可以包括操作系统、网络通信模块、应用程序模块以及步态检测程序。在图1中,网络通信模块主要用于连接服务器,与服务器进行数据通信;而处理器1001可以调用存储器1005中存储的步态检测程序,并执行本发明实施例提供的步态检测方法。
本发明实施例提供了一种步态检测方法。当前,有很多在行走方面需要辅助或纠正的患者。一般地使用设备对患者进行辅助行走康复训练,有两大要点,第一需要识别使用者的运动意图,第二需要施加相应的辅助帮助患者完成正常行走的动作训练。识别患者的意图有多种方式,其中一种便是识别患者当前的步态,基于当前步态施加相应的辅助,便能够实现对患者的辅助。
辅助设备通常分为单侧和双侧,双侧的设备可能需要考虑左侧和右侧的各种的步态以及各自步态的融合,单侧的设备则只需要考虑设备辅助那一侧的步态即可。通常,步态有多种细分,而区分行走的支撑及摆动是最简单,最有效,最直接的划分方法。考虑单侧设备,行走时,腿支撑在地上时为支撑相,腿在摆动时为摆动相,腿在支撑和摆动时,受力是有所区别的,支撑相时,腿需要支撑整个身体的质量,摆动相时,腿只需要负担自身摆动的负担,支撑时,腿立在地上膝关节不需要弯曲,摆动时,腿需要往前摆,膝关节需要弯曲,所以面对运动和负载都不同的状况,需要对支撑及摆动的步态进行区分,然后设备才好基于步态去施加辅助。
然而由于设备形态及使用方便性的限制,通常进行步态检测时,可能需要多个传感器配合进行步态检测,传感器的位置也可能不是对称的,每个传感器都能独立检测步态,如何将多个传感器的步态融合起来达到较好的步态检测效果。
参照图2,图2是本发明步态检测方法第一实施例的流程示意图。
本实施例中,所述步态检测方法应用于步态检测设备,所述方法包括:
步骤S101,接收多个传感器发送的检测数据;
一般地,需要将多个传感器分别固定在使用者的指定身体部位,例如脚底、小腿、大腿以及背部。所述传感器用于收集使用者的运动数据,并将所需要的运动数据保存为检测数据。一般地,所述检测数据包括力学信号、运动学信号、生物电信号、视觉信号等等。
步骤S102,根据所述检测数据分别确定各个所述传感器检测获得的第一步态;
具体地,提取所述检测数据中的目标信号;根据所述目标信号,基于各个所述传感器的第一步态预测算法确定各个所述传感器的第一步态,所述目标信号包括力学信号、运动学信号、生物电信号、视觉信号等。可以理解地,使用者处于不同的步态,则各个传感器检测到的数据有所区别,因此可以根据不同步态的特点确定各个所述传感器检测获得的第一步态。
收集大量检测数据样本,并标记所述检测数据样本的标签,所述标签包括摆动状态或支撑状态,利用机器学习对所述检测数据样本进行训练,获得所述第一步态预测算法。由此,利用所述第一步态预测算法对所述目标数值进行预测,即可获得所述第一步态。所述第一步态包括摆动状态和支撑状态。
例如,若使用者大腿横轴相对大地角速度为正,则说明使用者大腿往前摆动,将要处于摆动状态;若使用者大腿横轴相对大地角速度为负,则说明使用者大腿往后摆动,将要处于支撑状态。再例如,若使用者大腿与大地的夹角开始变大,则说明使用者大腿往前摆动,将要处于摆动状态,若使用者大腿与大地的夹角开始变小,则说明使用者大腿往后摆动,将要处于支撑状态。
进一步地,所述步骤S102:根据所述检测数据分别确定各个所述传感器检测获得的第一步态之前还包括:
基于预设异常数据筛选规则对所述检测数据进行筛选,剔除异常检测数据。可以理解地,在一些特殊情况下,传感器上传的检测数据可能会超前、滞后,或者其它原因出现异常数据。故预先设置异常数据筛选规则,根据所述异常数据筛选规则对所述检测数据进行筛选。所述异常数据筛选规则可以根据需要具体设置,例如设置各个传感器的正常数据范围,将所述正常数据范围外的数据标记为异常数据;再例如计算一组数据的方差,根据方差筛选出异常检测数据。然后将筛选出的异常检测数据剔除,以避免由于异常检测数据造成的结果偏差。
步骤S103,根据所述第一步态以及各个所述传感器的权重,确定第二步态。
具体地,包括以下步骤:
步骤S103a:根据所述第一步态以及对应传感器的权重计算检测结果。
预先根据传感器所在的位置配置对应的权重,由于位置不同则在步态检测中的重要程度会有所不同,因此可以根据经验或统计结果配置对应的权重。例如将位于交底的检测器的权重配置为0.8,将位于小腿的检测器的权重配置为0.5,将位于大腿的检测器的权重配置为0.3,将位于背部的传感器的权重配置为0.2。
本实施例中,所述检测结果可以是第一步态与对应传感器权重乘积的加和。也即检测结果c=第一步态a1×权重η1+第一步态a2×权重η1+...+第一步态an×权重ηn,其中n表示分组数据中数据的个数。本实施例中,需要分别计算摆动状态和支撑状态的检测结果。若计算摆动状态的检测结果,则将所述第一状态是摆动状态的第一步态a值记为1,将所述第一状态不是摆动状态的第一步态a值记为0。同样地,若计算支撑状态的检测结果,则将所述第一状态是支撑状态的第一步态a值记为1,将所述第一状态不是支撑状态的第一步态a值记为0。
进一步地,由于支撑状态与摆动状态的确定方法有差异,因此在获取所述第二状态时,还可以分别设置支撑状态的权重ηan和摆动状态的权重ηbn。具体地,参考图3,图3是本发明步态检测方法第一实施例的一场景示意图。如图3所示,输出状态包括支撑状态和摆动状态,所述多个传感器分别是传感器1、传感器2、传感器n等,在支撑状态对应的权重分别是权重ηa1、ηa2、ηan,在摆动状态对应的权重分别是权重ηb1、ηb2、ηbn
步骤S103b:根据所述检测结果确定所述第二步态,所述第二步态包括所述摆动状态和所述支撑状态。
具体地,将所述检测结果与预设阈值进行比较;若所述检测结果大于或等于所述阈值,则将所述检测结果对应的第二步态标记为步态检测结果。例如,将所述预设阈值设置为1。
在其它实施例中,所述第一步态可以包括步态及其对应的概率,例如第一步态为支撑90%。在这种情况下,则检测结果包括支撑检测结果和摆动检测结果,其中,支撑检测结果c1=支撑概率a1×权重ηa1+支撑概率a2×权重ηa2+...+支撑概率an×权重ηan;摆动检测结果c2=摆动概率b1×权重ηb1+摆动概率b2×权重ηb2+...+摆动概率bn×权重ηbn。此时,则将所述支撑检测结果和所述摆动检测结果进行比较,将结果值更大的那个检测结果标记为目标检测结果,并将所述目标检测结果与预设阈值比较,若所述目标检测结果大于或等于所述预设阈值,则将所述目标检测结果作为所述第二步态。
进一步地,将所述第二步态与所述第一步态对比,计算各个所述传感器的所述第一步态的第一准确率;若所述第一准确率低于阈值,则输出准确率过低的提示信息。当收集到某个传感器的大量检测数据后,则获取所述大量检测数据的第一步态和对应的第二步态,并根据所述第一步态和所述第二步态计算各个所述传感器的所述第一步态的第一准确率。预先设置准确率阈值,将所述第一准确率与准确率阈值比较,若所述准确率低于准确率阈值,则输出准确率过低的提示信息。和/或若所述第一准确率低于准确率阈值,更新对应传感器的所述第一步态预测算法,并使用更新后的第一步态预测算法进行第一步态预测。
进一步地,根据所述检测数据对所述第二步态进行分析,获得步态类型。
一般地,所述检测数据包括压力值、时间、离地高度、距离、摆动方向、加速度、倾斜角度等。结合所述检测数据对所述第二步态进行分析,获得使用者的步态周期、触地时长、离地高度、稳定程度等辅助信息,并进一步跟进所述辅助信息获得使用者的步态类型。所述步态类型包括跛行、摇摆步态、高抬腿步态交叉步态等。若分析结果是一侧点地时间长,另一侧点地时间短,则可以判定步态类型是跛行。使用者或医护人员根据所述步态类型,可以进行针对性的康复训练,有利于步态纠正。
由此,本实施例通过上述方案,接收多个传感器发送的检测数据;根据所述检测数据分别确定各个所述传感器检测获得的第一步态;根据所述第一步态以及各个所述传感器的权重,确定第二步态。由此,基于各个传感器的权重和第一步态,根据各个传感器的重要程度对检测结果进行融合获得第二步态,提高了步态检测的准确率。
此外,本实施例还提供一种步态检测装置。参照图4,图4为本发明步态检测装置第一实施例的功能模块示意图。
本实施例中,所述步态检测装置为虚拟装置,存储于图1所示的步态检测设备的存储器1005中,以实现步态检测程序的所有功能:用于接收多个传感器发送的检测数据;用于根据所述检测数据分别确定各个所述传感器检测获得的第一步态;用于根据所述第一步态以及各个所述传感器的权重,确定第二步态。
具体地,所述步态检测装置包括:
接收模块10,用于接收多个传感器发送的检测数据;
第一确定模块20,用于根据所述检测数据分别确定各个所述传感器检测获得的第一步态;
第二确定模块30,用于根据所述第一步态以及各个所述传感器的权重,确定第二步态。
进一步地,所述第二确定模块还包括:
计算单元,用于根据所述第一步态以及对应传感器的权重计算检测结果;
第二确定单元,用于根据所述检测结果确定所述第二步态,所述第二步态包括所述摆动状态和所述支撑状态。
进一步地,所述第二确定模块还包括:
比较单元,用于将所述检测结果与预设阈值进行比较;
标记单元,用于若所述检测结果大于或等于所述阈值,则将所述检测结果对应的第二步态标记为步态检测结果。
进一步地,所述第一确定模块还包括:
提取单元,用于提取所述检测数据中的目标信号;
第一确定单元,用于根据所述目标信号,基于各个所述传感器的第一步态预测算法确定各个所述传感器的第一步态,所述目标信号包括力学信号、运动学信号、生物电信号和视觉信号。
进一步地,所述第二确定模块还包括:
对比单元,用于将所述第二步态与所述第一步态对比,计算各个所述传感器的所述第一步态的第一准确率;
比较单元,用于将所述第一准确率与准确率阈值比较;
输出单元,用于若所述第一准确率低于准确率阈值,则输出准确率过低的提示信息;和/或
更新单元,用于若所述第一准确率低于准确率阈值,更新对应传感器的所述第一步态预测算法。
进一步地,所述第二确定模块还包括:
分析单元,用于根据所述检测数据对所述第二步态进行分析,获得步态类型。
进一步地,所述第一确定模块还包括:
筛选单元,用于基于预设异常数据筛选规则对所述检测数据进行筛选,剔除异常检测数据。
此外,本发明实施例还提供一种计算机存储介质,所述计算机存储介质上存储有步态检测程序,所述步态检测程序被处理器运行时实现如上所述步态检测方法的步骤,此处不再赘述。
相比现有技术,本发明提出的一种步态检测方法、装置、设备及存储介质,该方法包括:接收多个传感器发送的检测数据;根据所述检测数据分别确定各个所述传感器检测获得的第一步态;根据所述第一步态以及各个所述传感器的权重,确定第二步态。由此,基于各个传感器的权重和第一步态,根据各个传感器的重要程度对检测结果进行融合获得第二步态,提高了步态检测的准确率。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种步态检测方法,其特征在于,所述方法包括:
接收多个传感器发送的检测数据;
基于预设异常数据筛选规则对所述检测数据进行筛选,剔除异常检测数据;
根据所述检测数据分别确定各个所述传感器检测获得的第一步态;
根据所述第一步态以及各个所述传感器的权重,确定第二步态;
根据所述检测数据对所述第二步态进行分析,获得步态类型,以使用户根据所述步态类型确定康复训练方案;
其中,所述第一步态包括摆动状态和支撑状态,所述根据所述第一步态以及各个所述传感器的权重,确定第二步态的步骤包括:
根据所述第一步态以及对应传感器的权重计算检测结果;
根据所述检测结果确定所述第二步态,所述第二步态包括所述摆动状态和所述支撑状态。
2.根据权利要求1所述的方法,其特征在于,根据所述检测结果确定所述第二步态的步骤包括:
将所述检测结果与预设阈值进行比较;
若所述检测结果大于或等于所述阈值,则将所述检测结果对应的第二步态标记为步态检测结果。
3.根据权利要求1所述的方法,其特征在于,所述根据所述检测数据分别确定各个所述传感器的第一步态的步骤包括:
提取所述检测数据中的目标信号;
根据所述目标信号,基于各个所述传感器的第一步态预测算法确定各个所述传感器的第一步态,所述目标信号包括力学信号、运动学信号、生物电信号和视觉信号。
4.根据权利要求1或3所述的方法,其特征在于,所述根据所述第一步态以及各个传感器的权重,确定第二步态的步骤之后还包括:
将所述第二步态与所述第一步态对比,计算各个所述传感器的所述第一步态的第一准确率;
将所述第一准确率与准确率阈值比较;
若所述第一准确率低于准确率阈值,则输出准确率过低的提示信息;和/或
若所述第一准确率低于准确率阈值,更新对应传感器的所述第一步态预测算法。
5.一种步态检测装置,其特征在于,所述步态检测装置包括:
接收模块,用于接收多个传感器发送的检测数据;
筛选模块,用于基于预设异常数据筛选规则对所述检测数据进行筛选,剔除异常检测数据;
第一确定模块,用于根据所述检测数据分别确定各个所述传感器检测获得的第一步态;
第二确定模块,用于根据所述第一步态以及各个所述传感器的权重,确定第二步态;
分析模块,用于根据所述检测数据对所述第二步态进行分析,获得步态类型,以使用户根据所述步态类型确定康复训练方案;
其中,所述第二确定模块还包括:
计算单元,用于根据所述第一步态以及对应传感器的权重计算检测结果;
第二确定单元,用于根据所述检测结果确定所述第二步态,所述第二步态包括摆动状态和支撑状态。
6.一种步态检测设备,其特征在于,所述步态检测设备包括处理器,存储器以及存储在所述存储器中的步态检测程序,所述步态检测程序被所述处理器运行时,实现如权利要求1-4中任一项所述的步态检测方法的步骤。
7.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有步态检测程序,所述步态检测程序被处理器运行时实现如权利要求1-4中任一项所述步态检测方法的步骤。
CN202010149711.0A 2020-03-06 2020-03-06 步态检测方法、装置、设备及存储介质 Active CN111000568B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010149711.0A CN111000568B (zh) 2020-03-06 2020-03-06 步态检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010149711.0A CN111000568B (zh) 2020-03-06 2020-03-06 步态检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111000568A true CN111000568A (zh) 2020-04-14
CN111000568B CN111000568B (zh) 2021-07-30

Family

ID=70120956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010149711.0A Active CN111000568B (zh) 2020-03-06 2020-03-06 步态检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111000568B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112967427A (zh) * 2021-02-08 2021-06-15 遥相科技发展(北京)有限公司 一种利用可穿戴设备进行解锁的方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105662419A (zh) * 2016-04-25 2016-06-15 电子科技大学 一种用于外骨骼控制的足底压力测量装置及方法
US20160310342A1 (en) * 2013-12-27 2016-10-27 Korea Polytechnic University Industry Academic Cooperation Foundation System and method for controlling joint angle of knee-joint type walking training robot
JP2017080133A (ja) * 2015-10-29 2017-05-18 トヨタ自動車株式会社 歩行訓練装置
CN109631888A (zh) * 2019-01-04 2019-04-16 北京卡路里信息技术有限公司 动作轨迹识别方法、装置、可穿戴设备及存储介质
CN110638458A (zh) * 2019-08-26 2020-01-03 广东省人民医院(广东省医学科学院) 一种基于步态数据的康复训练效果评估方法、装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160310342A1 (en) * 2013-12-27 2016-10-27 Korea Polytechnic University Industry Academic Cooperation Foundation System and method for controlling joint angle of knee-joint type walking training robot
JP2017080133A (ja) * 2015-10-29 2017-05-18 トヨタ自動車株式会社 歩行訓練装置
CN105662419A (zh) * 2016-04-25 2016-06-15 电子科技大学 一种用于外骨骼控制的足底压力测量装置及方法
CN109631888A (zh) * 2019-01-04 2019-04-16 北京卡路里信息技术有限公司 动作轨迹识别方法、装置、可穿戴设备及存储介质
CN110638458A (zh) * 2019-08-26 2020-01-03 广东省人民医院(广东省医学科学院) 一种基于步态数据的康复训练效果评估方法、装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周洁: "基于姿态与压力信息的步态识别方法", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112967427A (zh) * 2021-02-08 2021-06-15 遥相科技发展(北京)有限公司 一种利用可穿戴设备进行解锁的方法及系统

Also Published As

Publication number Publication date
CN111000568B (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
KR102292683B1 (ko) 보행 환경 인식 방법 및 장치
JP6194971B2 (ja) ユーザの健康記録に基づいてパーソナライズされた看護の提供
US20140358040A1 (en) Gait monitoring apparatus and method
JP7327516B2 (ja) 異常検出装置、判定システム、異常検出方法、およびプログラム
CN111000568B (zh) 步态检测方法、装置、设备及存储介质
EP3359036B1 (en) Generating orthotic product recommendations
US20180150608A1 (en) Device and method for diagnosing cardiovascular disease using genome information and health medical checkup data
JP2018195166A (ja) 姿勢判定プログラム、姿勢判定装置及び姿勢判定方法
CN105654041B (zh) 基于步态数据的特征参数获取方法和装置
CN108903947B (zh) 步态分析方法、步态分析装置以及可读存储介质
CN112102951B (zh) 一种基于人体体态估计算法的健康监测方法和装置
CN111539328B (zh) 基于步态标准差的轻度认知障碍识别方法及设备
CN117100255A (zh) 一种基于神经网络模型进行防摔倒判定的方法和相关产品
CN111643056B (zh) 数据处理方法及系统
CN109153332A (zh) 车辆用户接口的手语输入
CN110739077A (zh) 癫痫发作预警方法及系统
CN112541900A (zh) 基于卷积神经网络的检测方法、装置、计算机设备及存储介质
JP5915990B2 (ja) つまずきリスク評価装置、つまずきリスク評価システム
CN111539327A (zh) 基于步态信息的轻度认知障碍识别方法及设备
CN109830278B (zh) 无氧运动健身推荐方法、装置、无氧运动设备及存储介质
WO2019025729A1 (fr) Analyse d'un mouvement et/ou d'une posture d'au moins une partie du corps d'un individu
Rodrigues et al. On the fly reporting of human body movement based on kinect v2
CN108697377A (zh) 步态分析器系统和方法
CN111242079A (zh) 步态检测融合方法、装置、设备及可读存储介质
CN107997747A (zh) 体温检测方法与终端

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