CN111950383B - 一种基于关节角度的节律运动协同分析方法 - Google Patents
一种基于关节角度的节律运动协同分析方法 Download PDFInfo
- Publication number
- CN111950383B CN111950383B CN202010706080.8A CN202010706080A CN111950383B CN 111950383 B CN111950383 B CN 111950383B CN 202010706080 A CN202010706080 A CN 202010706080A CN 111950383 B CN111950383 B CN 111950383B
- Authority
- CN
- China
- Prior art keywords
- joint
- movement
- data
- joint angle
- human body
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 121
- 230000001020 rhythmical effect Effects 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 26
- 238000010606 normalization Methods 0.000 claims abstract description 22
- 230000001133 acceleration Effects 0.000 claims abstract description 18
- 230000000737 periodic effect Effects 0.000 claims abstract description 18
- 230000033764 rhythmic process Effects 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 12
- 210000003414 extremity Anatomy 0.000 claims description 7
- 210000003141 lower extremity Anatomy 0.000 claims description 7
- 210000001364 upper extremity Anatomy 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 210000003423 ankle Anatomy 0.000 claims description 3
- 210000001513 elbow Anatomy 0.000 claims description 3
- 210000001624 hip Anatomy 0.000 claims description 3
- 210000003127 knee Anatomy 0.000 claims description 3
- 210000003739 neck Anatomy 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 210000002832 shoulder Anatomy 0.000 claims description 3
- 210000000707 wrist Anatomy 0.000 claims description 3
- 210000003128 head Anatomy 0.000 claims description 2
- 230000002195 synergetic effect Effects 0.000 claims 1
- 210000002414 leg Anatomy 0.000 description 10
- 230000009471 action Effects 0.000 description 7
- 230000005484 gravity Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 210000000629 knee joint Anatomy 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 210000002683 foot Anatomy 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Algebra (AREA)
- Social Psychology (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
本发明公开一种基于关节角度的节律协同分析方法,利用人体节律运动中关节角度的协同特性,结合矩阵论中的奇异值对人体节律运动协同特征与个性化差异进行分析,包括以下步骤:1)获取人体运动关节角度数据,并计算角速度、角加速度等关节参数;2)依据人体节律运动阶段性与周期性特性对人体运动过程进行阶段划分,并根据运动阶段划分关节参数变化数据;3)通过插值或抽取关键帧等方式统一关节参数变化数据矩阵尺度;4)利用矩阵论方法对归一化处理后的关节参数的协同与个性化特征进行提取与分析。本发明将人体局部肢体运动、运动阶段数据等效于人体节律运动数据的子矩阵,结合矩阵论中的原理与方法,实现对人体节律运动协同特性的有效评价。
Description
技术领域
本发明涉及人体运动分析领域,尤其是一种基于关节角度的节律运动协同分析方法。
背景技术
目前人体运动的分析方式包括解剖学、运动学、动力学等多个方向。相较于解剖学、动力学分析,从运动学层面对人体运动的关节角度进行分析具有数据采集简便,适用范围广等特点。但是,由于人体运动本身复杂度高、协同性强,对其内在协同关系、个性化差异等特征的提取分析一直是一个难点问题。
人体运动的协同特征分析,除了要准确剖析人体的协同、个性特征,还必须考虑局部肢体协同与整体协同之间的关系、运动过程中不同阶段的协同关系变化与迁移等问题。在人体运动分析中常用基于简化动作的特征分析方法,只考虑局部肢体的简单动作并对其中的协同特性进行提取分析,例如抬手、画圆、从坐姿到站姿等动作。针对简单动作进行局部协同关系提取分析的研究方法忽略了人体运动的整体协同性与运动过程中不同阶段的协同关系变化,使得此类研究方法存在适用范围小,特征分析方法单一等问题。因此,针对人体运动协同关系的研究迫切需要一种具有较强实用性的人体运动协同特征提取分析方法。
发明内容
本发明需要解决的技术问题是提供一种基于关节角度的节律运动协同分析方法,利用人体节律运动的阶段性以及周期性特征对人体节律运动过程进行划分,通过统一尺度并进行归一化的方法将人体关节角数据与矩阵论相结合,解决人体节律运动协同特性分析难度大、特征难提取等问题,实现对人体节律运动局部、整体协同特征的有效提取与分析。
为解决上述技术问题,本发明所采用的技术方案是:
一种基于关节角度的节律运动协同分析方法,包括以下步骤:
步骤S1:建立人体骨架模型,获取节律运动中人体关节角度变化数据,根据关节角度变化数据得到关节角速度变化数据和关节角加速度变化数据;
步骤S2:依据人体节律运动的阶段性和周期性特征对人体运动过程进行阶段划分,得到人体节律运动周期过程描述,并根据运动阶段,划分关节参数变化数据,关节参数包括关节角度、关节角速度和关节角加速度;
步骤S3:通过插值或抽取关键帧等方式统一关节参数变化数据矩阵尺度,并进行归一化处理;
步骤S4:利用矩阵论方法对归一化处理后的关节参数的协同与个性化特征进行提取与分析,实现对人体节律运动协同特性的评价。
本发明技术方案的进一步改进在于:步骤S1具体包括以下步骤:
步骤S101:建立人体骨架简化模型;其中人体骨架简化模型包括左上肢、右上肢、左下肢、右下肢以及主干共5条运动链,5条运动链涵盖了肩、肘、腕、髋、膝、踝、头、颈、脊柱等主要关节,每个关节具有1-3个转动自由度,用于记录、描述人体运动过程中的关节角度变化数据;
步骤S102:为补偿不同数据获取手段带来的自由度定义差异,将每个关节角度在不同自由度下分量的总模长定义为该关节角在运动过程中的相对角度,描述为:
其中,aij为第i个关节角度在第j个自由度下的分量,Ai为该角度在各个自由度下的分量的总模长,其物理意义为该关节的相对角度大小,k为关节角度数量;
步骤S103:为丰富数据特征,挖掘关节运动内在关联,基于关节角度数据,计算求解相应的角速度、角加速度数据,描述为:
其中,为第i个关节角度在运动过程中t时刻的值,/>为第i个关节角度在t时刻的角速度,/>为第i个关节角在t时刻的角加速度,T为数据采样间隔。
本发明技术方案的进一步改进在于:关节参数为关节角度时,步骤S2具体包括以下步骤:
步骤S201:根据人体节律运动特性,提取人体节律运动过程中的阶段性以及周期性特征;
步骤S202:根据节律运动的阶段性以及周期性特征,对人体运动过程进行阶段划分,得到人体节律运动周期过程描述,并根据运动阶段,划分关节参数变化数据。
本发明技术方案的进一步改进在于:
步骤S3具体包括以下步骤:
步骤S301:通过插值或抽取关键帧等方式将运动数据长度设定为l,l根据节律运动种类的不同周期长度决定,将不同设备采集的运动数据矩阵按运动周期转换成统一的尺度,数据处理后记为AN,AN为l行k列的关节角度数据矩阵;
步骤S302:对统一规格后的关节角度数据矩阵按行进行归一化处理,行归一化后的矩阵记为H:
Hi=[ANi-min(ANi)]/[max(ANi)-min(ANi)],(i=1,2,...,l)
步骤S303:对统一规格后的关节角度数据矩阵按列进行归一化处理,列归一化后的矩阵记为L:
Lj=[ANj-min(ANj)]/[max(ANj)-min(ANj)],(j=1,2,...,k)。
本发明技术方案的进一步改进在于:步骤S4具体包括以下步骤:
步骤S401:对处理完毕的关节角度数据矩阵H与L,根据其对应的局部肢体、运动阶段、运动周期、节律等特性,分别求解其子矩阵的奇异值等矩阵特征,进行对比和分析;
步骤S402:根据步骤S401的分析结果,通过计算其方差、均值等参数实现对分析目标的衡量评价,通过深入分析节律性运动的阶段性特征,实现对人体节律运动个性差异、协同性等特征的有效提取与分析。
本发明技术方案的进一步改进在于:其中行归一化处理后的关节角度数据矩阵H,其物理意义为:同一时间尺度下个关节角度的相对大小关系的变化;列归一化处理后的关节角度数据矩阵L,其物理意义为:降低不同关节角变化范围差异性的影响,主要针对各关节角节律相位差异进行分析。
本发明技术方案的进一步改进在于:步骤S2、步骤S3、步骤S4中的关节角度处理、分析步骤,同样适用于基于关节角度计算得到的关节角速度、角加速度等数据。
由于采用了上述技术方案,本发明取得的技术进步是:
本发明基于人体关节角度数据,通过节律运动的阶段性以及周期性特征对人体节律运动过程进行划分,将人体局部肢体运动、运动阶段等数据等效于人体节律运动数据的子矩阵,与矩阵论中的原理和方法相结合,解决了人体节律运动协同特性分析难度大、特征难提取、局限于单个动作等问题,最终实现了对人体节律运动局部、整体协同特征的有效提取与分析。
附图说明
图1是本发明的分析方法示意图;
图2是人体运动链模型示意图;
图3是行走运动阶段与周期性特征示意图;
图4是跳绳运动阶段与周期性特征示意图;
图5是关节角度矩阵化分析流程示意图。
具体实施方式
下面结合实施例对本发明做进一步详细说明:
如图1所示,本发明的一种基于关节角度的节律运动分析方法,包括:
步骤S1:建立简化人体骨架模型,并采集人体节律运动关节参数变化数据,记录并保存目标对象的基本信息,包括姓名、性别、年龄、身高、体重,所做动作名称。
步骤S1具体包括以下步骤:
步骤S101:建立人体骨架运动链模型,包括但不限于上肢运动链(肩、肘、腕),下肢运动链(髋、膝、踝)和主干运动链(头、颈、若干脊柱节点)的关节角度数据,如图2所示。关节角数据记为aij,i为不同关节角度编号,j为不同自由度方向关节转动分量;
步骤S102以取模方式将关节角度向量统一至同一维度,融合计算后关节角数量为k,各关节角度记为:Ai;
其中,aij为第i个关节角度在第j个自由度下的分量,Ai为该角度在各个自由度下的分量的总模长,其物理意义为该关节对应的相对角度,k为关节角度数量;
步骤S103:为丰富数据特征,挖掘关节运动内在关联,基于关节角度数据,计算求解相应的角速度、角加速度数据,描述为:
其中,为第i个关节角度在运动过程中t时刻的值,/>为第i个关节角度在t时刻的角速度,/>为第i个关节角在t时刻的角加速度,T为数据采样间隔。
步骤S2:以人体节律运动的阶段性和周期性特征为依据,对人体运动过程进行阶段划分,得到人体节律运动周期过程描述,并根据运动阶段,划分关节参数变化数据。
步骤S2具体包括以下步骤:
步骤S201:本实施例仅对人体运动中的前向行走、正摇双脚跳绳两项典型节律运动演示分析过程,具体描述如下:
人体行走过程中的周期性、阶段性划分如图3所示,可以描述为:
阶段1:人体支撑腿触地,重心迁移至支撑腿,摆动腿离地;
阶段2:摆动腿膝关节放松,向前摆动,髋关节向前运动;
阶段3:摆动腿越过支撑腿,膝关节伸直,并逐渐回落,重心向前移动;
阶段4:摆动腿触地,切换为支撑腿,进入阶段1,完成一次周期运动。
人体跳绳运动中的周期性、阶段性划分如图4所示,可以描述为:
阶段1:双腿微曲,膝关节屈曲,重心下移,下蹲蓄力,手部摇绳至人体正面偏上位置;
阶段2:下肢发力起跳,膝关节伸直,重心上移,推动身体离地,手部摇绳至人体正面偏下位置;
阶段3:离地上升,重心上移,起跳离地后手部摇绳通过足部下方;
阶段4:空中回落,重心下移,足部触地,下肢微曲缓冲,手部摇绳至身体背面,进入阶段1,完成一次周期运动。
步骤S202:根据步骤S201中的阶段性以及周期性特征,对人体运动过程进行阶段划分,得到人体节律运动周期过程描述,并根据运动阶段,划分关节参数变化数据;
步骤S3:将不同设备采集的运动数据矩阵按运动周期转换成统一的尺度。
步骤S3具体包括以下步骤:
步骤S301:通过插值或抽取关键帧等方式将运动数据长度设定为l,l根据节律运动种类的不同周期长度决定,关节参数为关节角度时,数据处理后记为AN,AN为l行k列的关节角矩阵;
步骤S302:对关节角度数据矩阵进行行归一化,行归一化后的矩阵记为H:
Hi=[ANi-min(ANi)]/[max(ANi)-min(ANi)],(i=1,2,...,l)
步骤S303:对关节角度数据矩阵进行列归一化,列归一化后的矩阵记为L:
Lj=[ANj-min(ANj)]/[max(ANj)-min(ANj)],(j=1,2,...,k)
步骤S4:结合矩阵论中的原理与方法,对运动数据特征进行提取与分析。
步骤S4具体包括以下步骤:
步骤S401:对处理完毕的关节角度数据矩阵H与L,根据其对应的局部肢体、运动阶段、运动周期、节律等特性,分别求解其子矩阵的奇异值等矩阵特征,进行对比和分析,过程如图5所示。
步骤S402:根据步骤S401的分析结果,通过计算其方差、均值等参数实现对分析目标的衡量评价。
关节参数为关节角速度、角加速度时,其处理步骤与关节角度在步骤S2、步骤S3、步骤S4中的数据计算、分析步骤一致,不同之处在于:
步骤S301中,数据处理为l行k列的矩阵后,关节角速度矩阵记为VN,角加速度矩阵记为ACN;
步骤S302中,对关节参数数据矩阵进行行归一化,行归一化后的角速度矩阵记为H_V,角加速度矩阵记为H_AC:
H_Vi=[VNi-min(VNi)]/[max(VNi)-min(VNi)],(i=1,2,...,l)
H_ACi=[ACNi-min(ACNi)]/[max(ACNi)-min(ACNi)],(i=1,2,...,l)
步骤S303中,对关节角度数据矩阵进行列归一化,列归一化后的角速度矩阵记为L_V,角加速度矩阵记为L_AC:
L_Vj=[VNj-min(VNj)]/[max(VNj)-min(VNj)],(j=1,2,...,k)
L_ACj=[ACNj-min(ACNj)]/[max(ACNj)-min(ACNj)],(j=1,2,...,k)
步骤S4中,对处理完毕的关节角速度、角加速度矩阵H_V,L_V,H_AC,L_AC根据其对应的局部肢体、运动阶段、运动周期、节律等特性,分别求解其子矩阵的奇异值等矩阵特征,进行对比和分析,过程如图5所示,根据分析结果,通过计算其方差、均值等参数实现对分析目标的衡量评价。
本实施例将基于关节角度的关节参数变化数据看作人体运动的本质规律体现,通过深入分析节律性运动的阶段性特征,利用矩阵论相关方法分析人体协同特性,使得原本难以刻画的人体节律运动个性差异、协同性等特征可以有效分析并提取。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求范围内做出各种变化或修改,这并不影响本发明的是指内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互结合。
Claims (4)
1.一种基于关节角度的节律运动协同分析方法,其特征在于包括以下步骤:
步骤S1:建立人体骨架模型,获取节律运动中人体关节角度变化数据,根据关节角度变化数据得到关节角速度变化数据和关节角加速度变化数据;
步骤S2:对人体运动过程进行阶段划分,得到人体节律运动周期过程描述,并根据运动阶段,划分关节参数变化数据,关节参数包括关节角度、关节角速度和关节角加速度;
步骤S3:通过插值或抽取关键帧方式统一关节参数变化数据矩阵尺度,并进行归一化处理;
步骤S4:利用矩阵论方法对归一化处理后的关节参数的协同与个性化特征进行提取与分析,实现对人体节律运动协同特性的评价;
步骤S1具体包括以下步骤:
步骤S101:建立人体骨架简化模型;其中人体骨架简化模型包括左上肢、右上肢、左下肢、右下肢以及主干共5条运动链,5条运动链涵盖了肩、肘、腕、髋、膝、踝、头、颈、脊柱关节,每个关节具有1-3个转动自由度,用于记录、描述人体运动过程中的关节参数变化数据;
步骤S102:为补偿不同数据获取手段带来的自由度定义差异,将每个关节角度在不同自由度下分量的总模长定义为该关节角在运动过程中的相对角度,描述为:
其中,aij为第i个关节角度在第j个自由度下的分量,Ai为该角度在各个自由度下的分量的总模长,其物理意义为该关节的相对角度大小,k为关节角度数量;
步骤S103:为丰富数据特征,挖掘关节运动内在关联,基于关节角度数据,计算求解相应的角速度、角加速度数据,描述为:
其中,为第i个关节角度在运动过程中t时刻的值,Vi t为第i个关节角度在t时刻的角速度,/>为第i个关节角在t时刻的角加速度,T为数据采样间隔;
关节参数为关节角度时,步骤S2具体包括以下步骤:
步骤S201:根据人体节律运动特性,提取人体节律运动过程中的阶段性以及周期性特征;
步骤S202:根据节律运动的阶段性以及周期性特征,对人体运动过程进行阶段划分,得到人体节律运动周期过程描述,并根据运动阶段,划分关节参数变化数据;
步骤S3具体包括以下步骤:
步骤S301:通过插值或抽取关键帧方式将运动数据长度设定为l,l根据节律运动种类的不同周期长度决定,将不同设备采集的运动数据矩阵按运动周期转换成统一的尺度,数据处理后记为AN,AN为l行k列的关节角度数据矩阵;
步骤S302:对统一规格后的关节角度数据矩阵按行进行归一化处理,行归一化后的矩阵记为H:
Hi=[ANi-min(ANi)]/[max(ANi)-min(ANi)],(i=1,2,...,l)
步骤S303:对统一规格后的关节角度数据矩阵按列进行归一化处理,列归一化后的矩阵记为L:
Lj=[ANj-min(ANj)]/[max(ANj)-min(ANj)],(j=1,2,...,k)。
2.根据权利要求1所述的一种基于关节角度的节律运动协同分析方法,其特征在于:步骤S4具体包括以下步骤:
步骤S401:对处理完毕的关节角度数据矩阵H与L,根据其对应的局部肢体、运动阶段、运动周期、节律特性,分别求解其子矩阵的奇异值矩阵特征,进行对比和分析;
步骤S402:根据步骤S401的分析结果,通过计算其方差、均值参数实现对分析目标的衡量评价,通过深入分析节律性运动的阶段性特征,实现对人体节律运动个性差异、协同性特征的有效提取与分析。
3.根据权利要求2所述的一种基于关节角度的节律运动协同分析方法,其特征在于:其中行归一化处理后的关节角度数据矩阵H,其物理意义为:同一时间尺度下个关节角度的相对大小关系的变化;列归一化处理后的关节角度数据矩阵L,其物理意义为:降低不同关节角变化范围差异性的影响,针对各关节角节律相位差异进行分析。
4.根据权利要求3所述的一种基于关节角度的节律运动协同分析方法,其特征在于:步骤S2、步骤S3、步骤S4中的关节角度处理、分析步骤同样适用于基于关节角度计算得到的关节角速度、角加速度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010706080.8A CN111950383B (zh) | 2020-07-21 | 2020-07-21 | 一种基于关节角度的节律运动协同分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010706080.8A CN111950383B (zh) | 2020-07-21 | 2020-07-21 | 一种基于关节角度的节律运动协同分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111950383A CN111950383A (zh) | 2020-11-17 |
CN111950383B true CN111950383B (zh) | 2023-12-15 |
Family
ID=73340859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010706080.8A Active CN111950383B (zh) | 2020-07-21 | 2020-07-21 | 一种基于关节角度的节律运动协同分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950383B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112998700B (zh) * | 2021-05-26 | 2021-09-24 | 北京欧应信息技术有限公司 | 用于辅助对象运动功能评估的设备、系统和方法 |
CN113425290A (zh) * | 2021-06-15 | 2021-09-24 | 燕山大学 | 一种面向人体节律运动的关节耦合时序计算方法 |
CN113616193A (zh) * | 2021-07-07 | 2021-11-09 | 燕山大学 | 一种基于自适应cpg参数辨识的节律协同特征刻画方法 |
CN113598755B (zh) * | 2021-07-19 | 2023-02-21 | 燕山大学 | 基于快速傅里叶变换的人体节律运动参数化表征分析方法 |
JP2023015956A (ja) * | 2021-07-20 | 2023-02-01 | 国立大学法人東北大学 | 分析装置、分析方法、分析プログラム、及び、生成装置 |
CN115075313A (zh) * | 2022-08-04 | 2022-09-20 | 网易(杭州)网络有限公司 | 控制信号量确定方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003319920A (ja) * | 2002-04-30 | 2003-11-11 | Og Giken Co Ltd | 関節運動機能評価装置及び評価方法 |
KR20100052373A (ko) * | 2008-11-10 | 2010-05-19 | 성균관대학교산학협력단 | 보행 분석 방법 및 장치 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2476072A1 (en) * | 2002-02-13 | 2003-09-18 | Reify Corporation | Method and apparatus for acquisition, compression, and characterization of spatiotemporal signals |
US8918162B2 (en) * | 2007-04-17 | 2014-12-23 | Francine J. Prokoski | System and method for using three dimensional infrared imaging to provide psychological profiles of individuals |
CN106647282B (zh) * | 2017-01-19 | 2020-01-03 | 北京工业大学 | 一种考虑末端运动误差的六自由度机器人轨迹规划方法 |
-
2020
- 2020-07-21 CN CN202010706080.8A patent/CN111950383B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003319920A (ja) * | 2002-04-30 | 2003-11-11 | Og Giken Co Ltd | 関節運動機能評価装置及び評価方法 |
KR20100052373A (ko) * | 2008-11-10 | 2010-05-19 | 성균관대학교산학협력단 | 보행 분석 방법 및 장치 |
Non-Patent Citations (1)
Title |
---|
步速对人体下肢运动特性影响的实验研究;李仲;刘瑛奇;管小荣;;机械设计与制造(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111950383A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111950383B (zh) | 一种基于关节角度的节律运动协同分析方法 | |
Ezati et al. | A review of simulation methods for human movement dynamics with emphasis on gait | |
Griffin et al. | Walking in simulated reduced gravity: mechanical energy fluctuations and exchange | |
Kuo | Stabilization of lateral motion in passive dynamic walking | |
Komura et al. | Simulating pathological gait using the enhanced linear inverted pendulum model | |
Wong et al. | Is natural variability in gait sufficient to initiate spontaneous energy optimization in human walking? | |
WO2006078566A2 (en) | System and method of estimating joint loads using an approach of closed form dynamics | |
Seiffert et al. | Next generation cooperative wearables: Generalized activity assessment computed fully distributed within a wireless body area network | |
WO2006078553A2 (en) | System and method of predicting novel motion in a serial chain system | |
CN104021573A (zh) | 一种基于关节姿态角的人体动作分类识别方法 | |
CN108338791A (zh) | 失稳运动数据的检测装置及检测方法 | |
Liang et al. | Synergy-based knee angle estimation using kinematics of thigh | |
Du et al. | RETRACTED: Research on the intelligent model of progress in physical education training based on motion sensor | |
Li et al. | Study on horse-rider interaction based on body sensor network in competitive equitation | |
González-Villanueva et al. | A tool for linguistic assessment of rehabilitation exercises | |
Mack et al. | Movement prototypes and their relationship in the performance of a gymnastics floor routine | |
Busquets et al. | Changes in motor strategies across age performing a longswing on the high bar | |
Fintelman et al. | A simple 2-dimensional model of speed skating which mimics observed forces and motions | |
Schiehlen et al. | Walking dynamics from mechanism models to parameter optimization | |
Maldonado et al. | From biomechanics to robotics | |
Wang et al. | Modeling and simulation of musculoskeletal system of human lower limb based on tensegrity structure | |
Gløersen | Quantitative technique analysis in XC-skiing | |
Muraszkowski et al. | The concept of mobile system of analysis and visualization of human gait parameters | |
US20230414440A1 (en) | System and method for estimating human joint movements and controlling exoskeleton assistance | |
CN112818927A (zh) | 人体下肢运动模式实时分类方法及系统 |
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 |