CN112839569A - 评估人类移动的方法和系统 - Google Patents

评估人类移动的方法和系统 Download PDF

Info

Publication number
CN112839569A
CN112839569A CN201980065351.1A CN201980065351A CN112839569A CN 112839569 A CN112839569 A CN 112839569A CN 201980065351 A CN201980065351 A CN 201980065351A CN 112839569 A CN112839569 A CN 112839569A
Authority
CN
China
Prior art keywords
motion
energy
calculating
oscillation energy
acceleration data
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
Application number
CN201980065351.1A
Other languages
English (en)
Inventor
张大建
张大凯
张乐慧
金楠颢
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.)
Dengfeng Dynamic Co ltd
Original Assignee
Dengfeng Dynamic 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 Dengfeng Dynamic Co ltd filed Critical Dengfeng Dynamic Co ltd
Publication of CN112839569A publication Critical patent/CN112839569A/zh
Pending legal-status Critical Current

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
    • A61B5/06—Devices, other than using radiation, for detecting or locating foreign bodies ; determining position of probes within or on the body of the patient
    • A61B5/065—Determining position of the probe employing exclusively positioning means located on or in the probe, e.g. using position sensors arranged on the probe
    • A61B5/067—Determining position of the probe employing exclusively positioning means located on or in the probe, e.g. using position sensors arranged on the probe using accelerometers or gyroscopes
    • 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
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection
    • 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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing

Landscapes

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

Abstract

一个实施例提供了一种用于分析运动的系统。在操作期间，系统获得与运动相关联的加速度数据。加速度数据可以包括与三个空间正交方向对应的三个分量。对于每个正交方向，系统基于对应的加速度分量计算正交方向的运动中所包括的振荡能量的量。对于至少一个正交方向，系统通过计算正交方向上的振荡能量的量与振荡能量的总量之比来获得能量分数因子。系统至少基于能量分数因子来生成运动分析输出。

Description

评估人类移动的方法和系统
技术领域
本公开一般而言涉及对人类移动的分析。更具体而言，本公开涉及分析移动数据以获得与移动相关联的空间能量分布的方法和系统。
背景技术
步态分析(即，步行和跑步形式的研究)已经为生物力学的研究提供了重要信息。传统的步态分析使用精心设计的将多个发光二极管(LED)和反射标记物放置在被测的受试者的各个部位的光电装置。在测试期间，当受试者移动(例如，步行或跑步)时，使用高速相机捕获顺序的帧。可以使用逐帧分析然后进行复杂的计算来提取有关受试者的移动的信息。这样的方法麻烦、昂贵、效率低下，并且只能离线执行(例如，在完成测试之后)。各种高精度运动传感器(诸如加速度计和陀螺仪)的发展使得无需繁琐的光电设置即可更容易地获得大量移动数据。依靠这种传感器数据进行运动分析已在许多领域得到了应用。
发明内容
一个实施例提供了一种用于分析运动的系统。在操作期间，该系统获得与运动相关联的加速度数据。加速度数据可以包括与三个空间正交方向对应的三个分量。对于每个正交方向，该系统基于对应的加速度分量来计算正交方向的运动中所包括的振荡能量的量。对于至少一个正交方向，该系统通过计算正交方向上的振荡能量的量与振荡能量的总量之比来获得能量分数因子。该系统至少基于能量分数因子来生成运动分析输出。
在这个实施例的变化中，运动可以基本上沿着水平面。三个正交方向可以包括内侧横向(ML)方向、垂直(VT)方向和前后(AP)方向。系统可以基于与ML方向、VT方向和AP方向对应的一个或多个能量分数因子来计算运动质量因子。
在另一个变化中，运动质量因子可以包括以下一项或多项：稳定性因子、效率因子和对称指数。
在这个实施例的变化中，计算振荡能量的量可以包括对加速度数据执行频域分析。
在进一步的变化中，执行频域分析可以包括：对加速度数据执行傅立叶变换(FT)以获得加速度的多个频率分量；对于预定频率集合中的每个频率，计算振荡能量的频率分量；并且将计算出的振荡能量的频率分量求和。
在这个实施例的变化中，运动可以包括人类移动或与机器相关联的移动。
在这个实施例的变化中，获得加速度数据可以包括将运动传感器附接到执行运动的受试者的重心附近并从运动传感器获得输出。
在进一步的变化中，运动传感器可以包括以下至少一种：三轴加速度计、陀螺仪和磁力计。
附图说明
图1图示了根据一个实施例的安装在人体上的运动传感器。
图2图示了根据一个实施例的示例性传感器数据。
图3绘制了根据一个实施例的对于一组不同年龄和健康状况的个体的步态在AP方向上的能量分数与ML方向上的能量分数。
图4A绘制了根据一个实施例的对于在不同鞋类状况下的步态在AP方向上的能量分数与ML方向上的能量分数。
图4B图示了根据一个实施例的鞋类对步态质量的影响。
图5图示了根据一个实施例的示例性运动分析过程的流程图。
图6给出了根据一个实施例的示例性能量分析过程的流程图。
图7A图示了根据一个实施例的示例性运动分析用户界面。
图7B图示了根据一个实施例的另一个示例性运动分析用户界面。
图8图示了根据一个实施例的示例性运动分析装置。
图9图示了根据一个实施例的促进运动分析的示例性计算机系统。
在附图中，相似的附图标记指相同的附图元素。
具体实施方式
概述
本发明的实施例提供用于使用由至少包括三轴加速度计、陀螺仪和磁力计的高精度传感器的集合收集的数据来执行运动分析的系统和方法。在操作期间，传感器可以安装在用户身体上靠近其重心的位置(例如，下背部)。因此，可以测量当用户步行或跑步时重心的移动(例如，加速度)。可以基于测得的移动数据来识别移动周期的不同阶段(例如，步行或跑步)。而且，可以计算沿着三个空间正交轴分解的每一相中包括的运动能量。通过研究三个正交方向之间的能量的分布，可以获得与用户的健康状况、保健、身体机能和/或年龄相关联的重要信息。
基于传感器数据的步态分析
图1图示了根据一个实施例的安装在人体上的运动传感器。在图1中，运动传感器100可以至少包括三轴加速度计102、陀螺仪104和磁力计106。运动传感器100可以记录所有六个自由度的移动，包括三个平移(喘振、摇摆和起伏)和三个旋转(横摇、俯仰和偏航)。注意的是，喘振是指前后运动(沿着X轴)，摇摆是指左右运动(沿着Y轴)，起伏是指上下运动(沿着Z轴)；而横摇是指在X轴上左右倾斜，俯仰是指在Y轴上前后倾斜，而偏航是指在Z轴上左右转动。
图1示出了运动传感器100安装在用户110的下背部。更具体而言，运动传感器100可以直接放置在用户110的腰骶关节后面，如由图1的两个右侧图更详细地示出的。可以使用各种安装机构将运动传感器100安装在用户110身上，包括但不限于：附接到皮带、夹在一件衣服上、直接贴在身体上，等等。运动传感器100不必维持向上的朝向；系统可以检测并补偿运动传感器100的倾斜。
在测量期间，用户110可以在预定的持续时间内执行所需的移动(例如，步行、跑步、游泳、踩踏自行车)，并且运动传感器100中各个模块的输出可以被记录。运动传感器100的采样率可以在几赫兹和几千赫兹之间，只要采样率足够高以捕获移动的变化即可。快速改变的运动(例如，高速旋转)将要求运动传感器100具有更高的采样率。在一些实施例中，采样率可以是大约100Hz。传感器数据可以被实时处理。在替代实施例中，传感器数据可以被离线处理。
原始传感器数据可以包括依赖时间的加速度数据以及可以被分开处理的旋转陀螺仪数据。图2图示了根据一个实施例的示例性传感器数据。可以沿着三个正交方向获得加速度数据：内侧横向(或摇摆)A(t)ML、垂直(或起伏)A(t)VT和前后(或喘振)A(t)AP。可以从传感器数据中提取与用户的移动相关联的各种类型的信息。例如，加速度数据中的主要峰与运动的基本频率(例如，步幅频率)对应。因此，通过观察峰，可以确定步幅频率和/或步幅长度。而且，可以绘制加速度向量的三维(3D)轨迹，该轨迹对于每个个体是唯一的并且可以提供有关用户的移动的重要生物力学信息。
但是，用于步态或运动分析的常规方法主要涉及用户的重心的位移、速度和加速度，并且常常忽略移动中涉及的动能。相反，本发明的实施例通过计算动能在不同正交方向之间的移动周期的不同阶段中的分布来执行能量分析。从能量分析中提取出的信息可以被用于测量移动的质量并推断用户的健康状况。
对于本质上是振荡的(例如，跑步、骑自行车和游泳)并横穿水平或略微倾斜的表面的人类移动，运动中包括的能量的量可以包括两个部分：非振荡运动能量和振荡运动能量。非振荡运动能量被用于使受试者向前移动(例如，向前运动中包括的动能)。可以将非振荡运动能量的量计算为
Figure BDA0003004669120000051
其中m是受试者(即，人)的质量，并且Vave是平均速度。另一方面，振荡能量被用于在移动期间维持平衡和/或控制身体部位(例如，抬起脚)，并且可以比非振荡运动能量小得多。以步行为例，振荡运动的振幅(例如，身体的摇摆和上下摆动)可以比步幅长度小大约10倍(例如，5cm对50cm)。因此，振荡运动能量可以比非振荡运动能量小100倍。但是，虽然在量值上有如此大的差异，但振荡运动能量仍可以提供与移动相关联的重要信息。例如，沿着三个正交轴的振荡运动能量的划分可以被用于测量步态质量并评估跌倒风险。除了人类移动之外，各种类型的机器移动(例如，汽车的行驶和风力涡轮机的旋转)本质上也可以是周期性的，并且与这种移动相关联的运动能量也可以被划分为非振动运动能量和振荡运动能量。
为了从原始加速度数据计算振荡运动能量，可以首先将加速度数据从时域变换到频域(例如，通过执行傅立叶变换)，以获得：
Figure BDA0003004669120000052
Figure BDA0003004669120000053
和
Figure BDA0003004669120000054
其中ai是每个频率(例如，ωi)分量的振幅。
可以通过对加速度函数进行两次积分X(t)＝∫∫A(t)dt来计算位移X(t)。因此，对于每个频率分量，位移是
Figure BDA0003004669120000055
可以基于位移向量来计算三个正交轴上的振荡运动能量。在一些实施例中，可以使用以下表达式来计算振荡能量：
Figure BDA0003004669120000056
Figure BDA0003004669120000057
和
Figure BDA0003004669120000061
注意的是，EML是左右运动中包括的能量的量，EVT是上下运动中包括的能量的量，并且EAP是前后运动中包括的能量的量。振荡运动能量的总量(例如，用户在步行期间消耗的但无助于向前运动的能量的量)可以被计算为ETotal＝EML+EVT+EAP。
如人们可以想象的，高效和健康的步态应当在摇摆和喘振方向上包括较少量的能量。因此，通过计算在摇摆和/或喘振方向上的运动能量的量，并通过将这种能量量与振荡运动能量的总量进行比较，可以确定人的步态的有效性或正确性。在一些实施例中，摇摆(ML)方向上包括的振荡运动能量的分数可以表示为EFML，其中EFML＝EML/ETotal。类似地，起伏(VT)和喘振(AP)方向上的能量分数可以分别被表示为EFVT＝EVT/ETotal和EFAP＝EAP/ETotal。
图3绘制了根据一个实施例的对于一组不同年龄和健康状况的个体的步态在AP方向上的能量分数与ML方向上的能量分数。更具体而言，当个体在平坦的表面上步行时，获得原始加速度数据。从图3中可以看到针对不同组的个体的数据点的聚类。较年轻和健康的个体的数据点(如正方形所示)聚集到图的左下部，这指示AP和ML运动消耗的能量的分数相对小。实际上，这些个体的大多数数据点都在连接(0，0.3)和(0.3，0)的直线和连接(0，0.5)和(0.5，0)的直线之间，这指示振荡能量在水平面的总分数在30％到50％之间。
另一方面，年龄较大且健康的个体的数据点(如三角形所示)在图中向上和向右偏移。对于这些个体，包括在水平面中的总能量分数通常在50％到70％之间。其余数据点属于足病患者(如圆圈所示)。这些患者在步行时往往在水平面中消耗总振荡能量的更大分数(例如，超过70％)。换句话说，有脚部问题的患者在步行时往往会更多地摆动(即，摇摆或喘振)。因此，通过从用户的运动传感器数据中提取能量分数信息，可以推断出有关用户的健康状况、保健、机能和/或年龄的信息。
除了年龄和/或健康状况之外，相似的能量分数信息(例如，特定方向上包括的振荡能量的百分比)也可以被用于测量或确定鞋类和/或矫正器的质量，以及其它运动辅助系统(例如，滑冰鞋、滑雪板、脚蹼等)。图4A绘制了根据一个实施例的对于在不同鞋类状况下的步态在AP方向上的能量分数与ML方向上的能量分数。更具体而言，空心圆圈是穿着带有衬垫和脚踝支撑的运动鞋的步态的数据点，实心圆圈是穿着厚袜子的步态的数据点。如可以看到的，穿着运动鞋的步态在ML(或摇摆)方向上使用振动能量的较小分数，这意味着运动鞋可以提供更高的稳定性级别。虽然ML方向上的能量分数指示稳定性级别，但AP方向上的能量分数可以作为步态效率的测量。在AP方向上的较小能量分数可以指示更高效的步态。
类似地，图4B也图示了根据一个实施例的鞋类对步态质量的影响。在图4B中，点A、B和C是具有步态障碍的特定个体的能量分析结果。点A表示个体赤脚行走，点B表示个体穿着有脚后跟的鞋，并且点C表示个体穿着有脚后跟和定制鞋垫的鞋。点1、2和3是具有正常步态的不同个体的步态分析结果。这个个体赤脚行走(点1)、穿一双普通的鞋子(点2)，以及穿一双专门设计的鞋底固化的鞋子(点3)。如从图4B中可以看出的，穿支撑性鞋(尤其是定制设计的鞋)可以通过减少水平面上消耗的振荡能量的量来提高测试受试者的步态质量。换句话说，振荡运动能量的较大部分在VT(上下)方向上被消耗。注意的是，在VT方向上的能量划分可以是步态的离地间隙的指示。越高的VT能量分数可以指示步态离地间隙越大。注意的是，离地间隙不足会增加跌倒的风险。脚踝、膝盖和臀部无力或僵硬的人在步行时常常没有足够的离地间隙，因此导致步态在VT方向上表现出较小的能量划分。因此，通过评估人的步态在VT方向上的能量划分，可以估计或预测该人的跌倒风险。
图5图示了根据一个实施例的示例性运动分析过程的流程图。在操作期间，系统从运动传感器获得移动数据(例如，加速度数据)(操作502)。运动传感器可以包括能够测量移动的不同方面的多个测量模块。测量模块可以包括但不限于：3轴加速度计、陀螺仪和磁力计。注意的是，虽然3轴加速度计可以提供与移动相关联的朝向信息，但是包括磁力计可以进一步提高这种朝向信息的准确性。注意的是，在当前应用中，准确测量加速度的朝向非常重要，因为这对于确保将振荡能量划分到三个正交方向的准确性至关重要。在一些实施例中，移动数据可以包括在预定持续时间内的传感器数据。例如，可以要求用户在穿戴传感器时在平坦的表面上行走，并且可以提取并分析传感器数据达预定持续时间(例如，30秒)。传感器数据可以被实时或离线分析。传感器的采样率可以在几赫兹到几千赫兹之间，只要传感器采样率对于要监视的特定运动足够高即可。在一些实施例中，传感器的采样率可以是大约100Hz。
系统然后可以从测得的数据确定多个生物力学事件或关键事件(操作504)。以人类步行为例，生物力学事件可以包括但不限于：脚跟撞击、脚趾抬起、转弯等。基于确定的生物力学事件，系统可以确定人类运动的各个阶段(操作506)。例如，步行步态的不同阶段可以包括站立阶段、单支撑阶段和双支撑阶段。各种检测到的关键事件可以被用于标记运动的不同阶段的开始和结束，并确定每个阶段的持续时间。
然后，系统可以针对运动的每个阶段确定与运动相关联的各种时间空间参数(操作508)。例如，与人类步行运动相关联的各种参数可以包括但不限于：步幅长度、速度、地面接触时间等。可以使用各种已知算法从原始加速度数据中提取这样的时间空间参数。系统还可以针对运动的每个阶段执行能量分析(操作510)。在一些实施例中，执行能量分析可以涉及沿着三个正交空间轴(即，ML、VP和AP方向)计算和划分与运动相关联的振荡能量。更具体而言，系统可以针对每个正交方向计算能量分数因子。可以使用各种方法来执行能量分析。在一些实施例中，频域分析(例如，傅立叶变换(FT)，诸如快速傅立叶变换(FFT))方法被用于计算每个方向上的运动的振荡能量。
图6给出了根据一个实施例的示例性能量分析过程的流程图。在操作期间，系统在每个正交方向上获得稳态加速度数据(操作602)。稳态加速度数据可以从传感器输出中获得。更具体而言，可以应用某些滤波以移除传感器噪声。而且，还可以移除运动的基本频率(例如，步幅频率)，以便移除非振荡分量。
随后，系统将时域加速数据转换到频域(操作604)。例如，系统可以选择多个时域数据点，并在所选择的时域数据点上执行快速傅立叶变换(FFT)。FFT通常要求2n(例如，512或1024)个数据点。可以针对每个方向(包括ML方向、VT方向和AP方向)执行FFT操作。然后，系统计算每个方向上的振荡能量的量(操作606)。注意的是，可以将振荡能量计算为所有频率分量的总和。但是，因为每个频率分量的振幅都与1/f2成比例，所以较高频率分量的贡献可以忽略不计。在一些实施例中，当计算运动中涉及的振荡能量时，系统将频率分量相加到预定频率(例如，10或20Hz)。这可以在不显著牺牲准确性的情况下降低计算复杂度。系统还可以计算每个方向上的能量分数因子(操作608)。换句话说，系统可以确定三个空间分量之间的振荡能量的划分(例如，划分给ML方向、VT方向和AP方向中的每个方向的振荡能量的百分比)。在一些实施例中，对于在水平面上执行的人类运动(例如，在平坦表面上步行或跑步)，系统还可以计算ML和AP方向的振荡能量分数的总和。这样的总和可以被用作运动稳定性的指示器。越高的百分比值常常指示越不稳定的运动，而越低的百分比值可以指示越稳定的运动。另一方面，运动稳定性可以是优化和效率的指示器(例如，越稳定的运动是具有更高程度的优化和效率的运动)。例如，系统可以将稳定性因子定义为ML和AP方向上的振荡能量分数之和的倒数。最小稳定性因子可以为1，这意味着所有振荡能量都在水平面内。对于稳定的步态，稳定性因子可以大于2，这意味着少于50％的振荡能量在水平面中。在替代实施例中，也可以将稳定性因子计算为仅ML能量分数的倒数。计算稳定性因子允许系统评估与被测试的受试者的运动相关联的稳定性。除了稳定性因子以外，还可以使用其它准则来描述稳定性。例如，也可以定义从0到100的尺度的稳定指数，其中稳定指数100可以指示100％的振荡能量在VT方向上分布。除了稳定性因子或指数之外，还可以从能量分析中得出其它参数，诸如对称指数、节奏和效率的级别。所有这些参数都可以被用于测量运动的质量并且有时可以被称为运动质量因子。
返回到图5，系统随后可以将时间空间参数与能量分析的结果结合起来以获得对人类运动的全面描述(操作512)。取决于应用，可以使用这种全面的运动描述来获得可以呈现给用户的各种结果或结论。例如，系统可以针对同一个体在同一测量内比较运动的每个方面。换句话说，系统可以向个体示出他的步态在测量时段期间如何变化。例如，基于时间空间分析，系统可以从步态测量中识别步行运动的单个支撑阶段。因而，系统可以计算在每个单个支撑阶段中消耗的振荡能量的量，这可以提供有关用户跌倒风险的信息。在另一个示例中，系统可以将当用户转身时消耗的振荡能量的量与当用户在直线上步行时消耗的振荡能量的量进行比较。系统还可以将运动的每个方面与基于同一个体过去的测量而获得的结果进行比较。以这种方式，系统可以向个体示出他的步态如何随时间或在不同条件下改变。而且，系统可以将运动的每个方面与基于其他个体的测量获得的结果、与已知参考值或与人口分布结果进行比较。这些比较结果可以被用于评估与人类运动相关联的健康状况、机能、保健、健身以及其它质量和状态。然后，系统可以将结果呈现给用户(操作514)。在一些实施例中，系统可以在移动计算设备(例如，智能电话或平板计算机)的用户界面上呈现结果。在一个实施例中，运动传感器也可以集成到同一移动设备中，或者系统可以使用移动设备的内置传感器来获得测量数据以及运动的各个方面的描述(例如，冲击力、对称性和能量划分或分解)。在替代实施例中，运动传感器可以是独立传感器并且传感器输出可以被发送到移动设备以进行处理。而且，移动设备还可以将传感器输出转发到远程服务器，该远程服务器处理传感器输出，然后将运动分析结果发送回移动设备供呈现。
图7A图示了根据一个实施例的示例性运动分析用户界面。更具体而言，图7A图示了运动分析系统的各种输出。在这个示例中，被测试的受试者的下背部戴着运动传感器，并且在直线上正常步行至少30秒钟。运动分析可以在他步行时或之后执行。在图7A中，给出了有关步行时身体的对称性的各种运动分析结果，包括身体运动对称性的对称性指数和图形表示。图7A还示出了在每只脚上的地面冲击力。图7B图示了根据一个实施例的另一个示例性运动分析用户界面。更具体而言，图7B图示了沿着三个正交轴的振荡能量的划分。
在图7A和7B所示的示例中，对步态测量数据执行运动分析。在实践中，可以使用类似的技术来分析不同类型的人类运动，包括但不限于：步行、跑步、游泳、骑自行车、挥杆高尔夫球杆、滑雪、滑滑雪板等。一般而言，通过正交轴之间运动的振荡能量的划分，系统能够提供可以被用于测量运动的稳定性和/或质量的信息，因此是有价值的诊断工具。除了人类移动之外，类似的方法还可以被用于评估或诊断其它类型的移动，诸如动物(例如，马)的移动和机器(例如，汽车、飞机、船等)的移动。
图8图示了根据一个实施例的示例性运动分析装置。运动分析装置800可以包括运动传感器802、传感器数据获取模块804、时间空间分析模块806、能量分析模块808、诊断模块810和显示模块812。
运动传感器802可以包括一个或多个测量模块，包括但不限于：3轴加速度计、陀螺仪和磁力计。传感器数据获取模块804可以从运动传感器802获得运动测量数据。在一些实施例中，传感器数据获取模块804可以经由无线链路(例如，WiFiTM或蓝牙TM)获取运动测量数据。可替代地，传感器数据获取模块804可以经由有线链路(例如，外围组件互连Express(PCIe)或I2C)获取运动测量数据。
时间空间分析模块806可以负责在时域中执行运动分析。更具体而言，时间空间分析模块806可以从运动测量数据中计算各种时间空间参数，诸如速度、时间、距离、角度、旋转等。
能量分析模块808可以负责基于运动测量数据来执行运动的能量分析。更具体而言，基于加速度数据，能量分析模块808可以计算运动中包括的振荡能量的量。为此，需要从总运动能量中移除或过滤掉非振荡能量分量。而且，可以将振动运动分解成三个空间正交方向(ML方向、VT方向和AP方向)，并且可以分别计算每个方向上的振动能量。一旦知道了每个方向上的振荡能量，能量分析模块808就也可以计算能量划分或能量分数因子。每个方向的能量分数因子表示总振荡能量被划分到那个方向的百分比。对于沿着水平面移动的运动，系统还可以计算稳定性因子，该稳定性因子可以是ML和AP能量分数因子之和的倒数，或者是ML能量分数因子的倒数。
诊断模块810可以负责基于时间空间分析模块806和能量分析模块808的输出来生成多个诊断结果。取决于应用，可以生成各种类型的参数，这些参数可以提供有关运动的质量和效率(例如，稳定性、效率和对称性)的见解。显示模块812可以负责将诊断结果显示给用户。
图9图示了根据一个实施例的促进运动分析的示例性计算机系统。在这个示例中，计算机系统900包括处理器902、存储器设备904和存储设备908。此外，计算机系统900可以耦合到显示设备910、键盘912、定点设备914和运动传感器916。存储设备908可以存储用于操作系统918、运动分析系统920的代码以及数据922。
运动分析系统920可以包括指令，该指令在由处理器902执行时可以使计算机系统900执行本公开中描述的方法和/或过程。具体而言，运动分析系统920可以包括用于实现时间和空间分析模块924和能量分析模块926的指令。
在详细描述部分中描述的方法和过程可以被实施为可以存储在如上所述的计算机可读存储介质中的代码和/或数据。当计算机系统读取并执行存储在计算机可读存储介质上的代码和/或数据时，计算机系统执行实施为数据结构和代码并存储在计算机可读存储介质内的方法和过程。
此外，本文描述的方法和过程可以包括在硬件模块或装置中。这些模块或装置可以包括但不限于专用集成电路(ASIC)芯片、现场可编程门阵列(FPGA)、在特定时间执行特定软件模块或一段代码的专用或共享处理器和/或现在已知或以后开发的其它可编程逻辑设备。当激活硬件模块或装置时，它们执行其中包括的方法和过程。
仅出于说明和描述的目的给出各种实施例的前述描述。它们并非旨在是详尽的或将本发明限制为所公开的形式。因而，许多修改和变化对于本领域技术人员将是显而易见的。此外，以上公开并非旨在限制本发明。

Claims (20)

1.一种用于分析运动的计算机可执行方法，该方法包括：
获得与运动相关联的加速度数据，其中加速度数据包括与三个空间正交方向对应的三个分量；
对于每个正交方向，基于对应的加速度分量来计算正交方向的运动中所包括的振荡能量的量；
对于至少一个正交方向，通过计算正交方向上的振荡能量的量与振荡能量的总量之比来获得能量分数因子；以及
至少基于能量分数因子来生成运动分析输出。
2.如权利要求1所述的方法，其中运动基本上沿着水平面，其中三个正交方向包括内侧横向(ML)方向、垂直(VT)方向和前后(AP)方向，并且其中该方法还包括基于与ML方向、VT方向和AP方向对应的能量分数因子中的一个或多个能量分数因子来计算运动质量因子。
3.如权利要求2所述的方法，其中运动质量因子包括以下一项或多项：
稳定性因子；
效率因子；以及
对称指数。
4.如权利要求1所述的方法，其中计算振荡能量的量包括对加速度数据执行频域分析。
5.如权利要求4所述的方法，其中执行频域分析包括：
对加速度数据执行傅立叶变换(FT)以获得加速度的多个频率分量；
对于预定频率集合中的每个频率，计算振荡能量的频率分量；以及
将计算出的振荡能量的频率分量求和。
6.如权利要求1所述的方法，其中运动包括人类移动或与机器相关联的移动。
7.如权利要求1所述的方法，其中获得加速度数据还包括：
将运动传感器附接到执行运动的受试者的重心附近；以及
获得运动传感器的输出。
8.如权利要求7所述的方法，其中运动传感器包括以下至少一种：三轴加速度计、陀螺仪和磁力计。
9.一种存储指令的非暂态计算机可读存储设备，所述指令在由计算机执行时使计算机执行用于分析运动的方法，该方法包括：
获得与运动相关联的加速度数据，其中加速度数据包括与三个空间正交方向对应的三个分量；
对于每个正交方向，基于对应的加速度分量来计算正交方向的运动中所包括的振荡能量的量；
对于至少一个正交方向，通过计算正交方向上的振荡能量的量与振荡能量的总量之比来获得能量分数因子；以及
至少基于能量分数因子来生成运动分析输出。
10.如权利要求9所述的非暂态计算机可读存储设备，
其中运动基本上沿着水平面，其中三个正交方向包括内侧横向(ML)方向、垂直(VT)方向和前后(AP)方向，并且其中该方法还包括基于与ML方向、VT方向和AP方向对应的一个或多个能量分数因子来计算运动质量因子。
11.如权利要求10所述的非暂态计算机可读存储设备，其中运动质量因子包括以下一项或多项：
稳定性因子；
效率因子；以及
对称指数。
12.如权利要求9所述的非暂态计算机可读存储设备，其中计算振荡能量的量包括：
对加速度数据执行傅立叶变换(FT)以获得加速度的多个频率分量；
对于预定频率集合中的每个频率，计算振荡能量的频率分量；以及
将计算出的振荡能量的频率分量求和。
13.如权利要求9所述的非暂态计算机可读存储设备，其中运动包括人类移动或与机器相关联的移动。
14.如权利要求9所述的非暂态计算机可读存储设备，其中获得加速度数据还包括：
将运动传感器附接到执行运动的受试者的重心附近；以及
获得运动传感器的输出。
15.如权利要求9所述的非暂态计算机可读存储设备，其中运动传感器包括以下至少一种：三轴加速度计、陀螺仪和磁力计。
16.一种用于分析运动的装置，包括：
运动传感器；
处理器；以及
存储设备，其存储指令，所述指令在由处理器执行时使处理器执行一种方法，该方法包括：
获得与运动相关联的加速度数据，其中加速度数据包括与三个空间正交方向对应的三个分量；
对于每个正交方向，基于对应的加速度分量来计算正交方向的运动中所包括的振荡能量的量；
对于至少一个正交方向，通过计算正交方向上的振荡能量的量与振荡能量的总量之比来获得能量分数因子；以及
至少基于能量分数因子来生成运动分析输出。
17.如权利要求16所述的装置，其中运动基本上沿着水平面，其中三个正交方向包括内侧横向(ML)方向、垂直(VT)方向和前后(AP)方向，并且其中所述方法还包括基于与ML方向、VT方向和AP方向对应的一个或多个能量分数因子来计算运动质量因子，并且其中运动质量因子包括以下一项或多项：稳定性因子、效率因子和对称指数。
18.如权利要求16所述的装置，其中计算振荡能量的量包括对加速度数据执行频域分析，并且其中执行频域分析包括：
对加速度数据执行傅立叶变换(FT)以获得加速度的多个频率分量；
对于预定频率集合中的每个频率，计算振荡能量的频率分量；以及
将计算出的振荡能量的频率分量求和。
19.如权利要求16所述的装置，其中运动包括人类移动或与机器相关联的移动。
20.如权利要求16所述的装置，其中运动传感器包括以下至少一种：三轴加速度计、陀螺仪和磁力计，并且其中获得加速度数据还包括：
将运动传感器附接到执行运动的受试者的重心附近；以及
获得运动传感器的输出。
CN201980065351.1A 2018-10-03 2019-10-02 评估人类移动的方法和系统 Pending CN112839569A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201862740559P 2018-10-03 2018-10-03
US62/740,559 2018-10-03
US16/588,227 2019-09-30
US16/588,227 US20200107750A1 (en) 2018-10-03 2019-09-30 Method and system for assessing human movements
PCT/US2019/054324 WO2020072666A1 (en) 2018-10-03 2019-10-02 Method and system for assessing human movements

Publications (1)

Publication Number Publication Date
CN112839569A true CN112839569A (zh) 2021-05-25

Family

ID=70051512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980065351.1A Pending CN112839569A (zh) 2018-10-03 2019-10-02 评估人类移动的方法和系统

Country Status (4)

Country Link
US (1) US20200107750A1 (zh)
EP (1) EP3860440A4 (zh)
CN (1) CN112839569A (zh)
WO (1) WO2020072666A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023057474A (ja) * 2021-10-11 2023-04-21 ｉＭＵ株式会社 処理装置、コンピュータプログラム及び方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060251334A1 (en) * 2003-05-22 2006-11-09 Toshihiko Oba Balance function diagnostic system and method
WO2007052631A1 (ja) * 2005-10-31 2007-05-10 Bycen Inc. 歩様バランス定量化方法および歩様バランス定量化装置
JP2007160076A (ja) * 2005-11-15 2007-06-28 Univ Nihon 人の姿勢動作判別装置およびエネルギー消費量算出装置
US7457719B1 (en) * 2006-11-21 2008-11-25 Fullpower Technologies, Inc. Rotational insensitivity using gravity-based adjustment
US20150142329A1 (en) * 2013-11-19 2015-05-21 RLab Ab Oy Method and system for exercise monitoring
CN105030246A (zh) * 2015-07-09 2015-11-11 深圳市声禾科技有限公司 一种测量人体在运动中消耗能量的方法、装置及计步器
US20160192866A1 (en) * 2013-07-18 2016-07-07 Wememove Ab Determining performance indicators for periodic movements
CN106061384A (zh) * 2014-02-17 2016-10-26 香港浸会大学 使用移动设备中的三轴加速度计/陀螺仪进行步态测量
WO2017216103A1 (en) * 2016-06-13 2017-12-21 Friedrich-Alexander-Universität Erlangen-Nürnberg Method and system for analyzing human gait
US20180220935A1 (en) * 2015-07-23 2018-08-09 Nipro Corporation Gait analysis method and gait analysis system

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3667767D1 (de) * 1985-02-06 1990-02-01 Toyota Motor Co Ltd Aktives fahrzeug-aufhaengungssystem mit eingebauten beschleunigungsmessern.
US8032472B2 (en) * 2007-04-04 2011-10-04 Tuen Solutions Limited Liability Company Intelligent agent for distributed services for mobile devices
US7753861B1 (en) * 2007-04-04 2010-07-13 Dp Technologies, Inc. Chest strap having human activity monitoring device
WO2009027917A1 (en) * 2007-08-24 2009-03-05 Koninklijke Philips Electronics N.V. System and method for displaying anonymously annotated physical exercise data
JP5134527B2 (ja) * 2008-12-25 2013-01-30 川崎重工業株式会社 自動二輪車のバンク角検知装置およびヘッドランプ装置
US9005129B2 (en) * 2012-06-22 2015-04-14 Fitbit, Inc. Wearable heart rate monitor
US10327671B2 (en) 2014-02-17 2019-06-25 Hong Kong Baptist University Algorithms for gait measurement with 3-axes accelerometer/gyro in mobile devices
WO2020071375A1 (ja) * 2018-10-02 2020-04-09 コニカミノルタ株式会社 状態監視装置
JP7107264B2 (ja) * 2019-03-20 2022-07-27 トヨタ自動車株式会社 人等の身体動作推定システム

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060251334A1 (en) * 2003-05-22 2006-11-09 Toshihiko Oba Balance function diagnostic system and method
WO2007052631A1 (ja) * 2005-10-31 2007-05-10 Bycen Inc. 歩様バランス定量化方法および歩様バランス定量化装置
JP2007160076A (ja) * 2005-11-15 2007-06-28 Univ Nihon 人の姿勢動作判別装置およびエネルギー消費量算出装置
US7457719B1 (en) * 2006-11-21 2008-11-25 Fullpower Technologies, Inc. Rotational insensitivity using gravity-based adjustment
US20160192866A1 (en) * 2013-07-18 2016-07-07 Wememove Ab Determining performance indicators for periodic movements
US20150142329A1 (en) * 2013-11-19 2015-05-21 RLab Ab Oy Method and system for exercise monitoring
CN106061384A (zh) * 2014-02-17 2016-10-26 香港浸会大学 使用移动设备中的三轴加速度计/陀螺仪进行步态测量
CN105030246A (zh) * 2015-07-09 2015-11-11 深圳市声禾科技有限公司 一种测量人体在运动中消耗能量的方法、装置及计步器
US20180220935A1 (en) * 2015-07-23 2018-08-09 Nipro Corporation Gait analysis method and gait analysis system
WO2017216103A1 (en) * 2016-06-13 2017-12-21 Friedrich-Alexander-Universität Erlangen-Nürnberg Method and system for analyzing human gait

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
XINGRAN CUI: "Development of a new approach to quantifying stepping stability using ensemble empirical mode decomposition", GAIT & POSTURE, pages 495 - 500 *

Also Published As

Publication number Publication date
EP3860440A4 (en) 2022-07-06
WO2020072666A1 (en) 2020-04-09
EP3860440A1 (en) 2021-08-11
US20200107750A1 (en) 2020-04-09

Similar Documents

Publication Publication Date Title
JP6183906B2 (ja) 歩容推定装置とそのプログラム、転倒危険度算出装置とそのプログラム
Sabatini et al. Assessment of walking features from foot inertial sensing
Mannini et al. Walking speed estimation using foot-mounted inertial sensors: Comparing machine learning and strap-down integration methods
McGrath et al. Gyroscope-based assessment of temporal gait parameters during treadmill walking and running
Wagenaar et al. Continuous monitoring of functional activities using wearable, wireless gyroscope and accelerometer technology
WO2012011350A1 (ja) 歩行姿勢判定装置
White et al. A comparison of three-dimensional breast displacement and breast comfort during overground and treadmill running
JP6446941B2 (ja) 運動解析装置、方法、およびプログラム
Li et al. Gait-force model and inertial measurement unit-based measurements: A new approach for gait analysis and balance monitoring
JP6844284B2 (ja) 歩容の評価方法
Patterson et al. A method for monitoring reactive strength index
JP2012161402A (ja) 運動特性評価システムおよび運動特性評価方法
JP2020120807A (ja) 転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム
CN112839569A (zh) 评估人类移动的方法和系统
JP6123520B2 (ja) 下肢形状変化測定装置、方法及びプログラム
JP6586173B2 (ja) 歩行状態検出装置及び歩行状態検出プログラム
Andersen et al. Reliability and validity of Garmin Forerunner 735XT for measuring running dynamics in-field
Aoike et al. Gait analysis of normal subjects by using force sensor and six inertial sensor with wireless module
Kerns et al. Effect of IMU location on estimation of vertical ground reaction force during jumping
JP6303746B2 (ja) 歩行目標の設定方法
Chew et al. Investigating running gait using a shoe-integrated wireless inertial sensor
Gasser Motion estimation using inertial sensor technology with applications to sporting exercises
Parisi et al. Low-complexity inertial sensor-based characterization of the UPDRS score in the gait task of parkinsonians
Moujaly Intra-subject differences in IMU measured lower limb kinematics as a result of different activity intensity and induced fatigue
US20240122531A1 (en) Index value estimation device, estimation system, index value estimation method, and recording medium

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40052123

Country of ref document: HK