CN113331829B - 一种足底信息监测方法及智能鞋垫装置 - Google Patents

一种足底信息监测方法及智能鞋垫装置 Download PDF

Info

Publication number
CN113331829B
CN113331829B CN202110641937.7A CN202110641937A CN113331829B CN 113331829 B CN113331829 B CN 113331829B CN 202110641937 A CN202110641937 A CN 202110641937A CN 113331829 B CN113331829 B CN 113331829B
Authority
CN
China
Prior art keywords
information
gait
pressure
module
sole
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
Application number
CN202110641937.7A
Other languages
English (en)
Other versions
CN113331829A (zh
Inventor
李峰
李金卫
许林琪
张鑫
于天卓
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.)
Jilin University
Original Assignee
Jilin University
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 Jilin University filed Critical Jilin University
Priority to CN202110641937.7A priority Critical patent/CN113331829B/zh
Publication of CN113331829A publication Critical patent/CN113331829A/zh
Application granted granted Critical
Publication of CN113331829B publication Critical patent/CN113331829B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1036—Measuring load distribution, e.g. podologic studies
    • A61B5/1038—Measuring plantar pressure during gait
    • 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
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
    • A61B5/4023—Evaluating sense of balance
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device

Abstract

本发明涉及一种足底信息监测方法及智能鞋垫装置，通过智能鞋垫中设置的多个压力传感器感知足部压力变化，设置的惯性姿态传感器感知足部加速度信息和足部姿态，利ITO模组对步态信息进行处理，得到足底信息监测结果。本发明采用两种类型的传感器对多种数据进行采集，获取运动信息全面，并且利用ITO模组进行处理，得到准确的步态识别结果、疲劳识别结果和平衡能力判断结果，可及时监测异常现象，有利于疾病的发现。

Description

一种足底信息监测方法及智能鞋垫装置
技术领域
本发明涉及智能鞋垫技术领域，特别是涉及一种足底信息监测方法及智能鞋垫装置。
背景技术
随着物联网技术和科技的迅速发展，人们越来越青睐能够给自己的生活、工作、娱乐等多方面带来便利的智能产品，智能鞋垫也逐渐向电子化、智能化方向发展。
作为一种智能可穿戴设备，现有的智能鞋垫只是单独使用了一类传感器，仅仅进行步态识别，如CN104082905A公开的多功能智能鞋垫，能够通过采集被测对象运动时的三轴加速度、三轴角速度以及脚步三个位置的压力信息来判断被测对象的脚步姿态以及协调性，从而发现不正确的步态，但是不能实现更为精细的动作识别。
有很多疾病，例如脑卒中，心血管疾病，阿兹海默病、糖尿病等病症在足底压力以及行走步态上均有异常的表现，因此针对这些慢性病的足底压力特征以及患者的实际使用需求，现有的鞋垫已经不能满足。
发明内容
本发明的目的是提供一种足底信息监测方法及智能鞋垫装置，通过采集足底压力信息以及惯性姿态传感器获得足部运动加速度、足部姿态等足部空间位置信息，实现准确的人体运动识别。
为实现上述目的，本发明提供了如下方案：
一种足底信息监测方法，所述方法包括：
获取步态信息；所述步态信息为一维时间序列，所述步态信息包括足底压力信息、足部姿态和加速度信息；所述足部姿态包括角速度信息；
利用ITO模组对所述步态信息进行处理，得到足底信息监测结果；所述足底信息监测结果包括：步态识别结果、疲劳识别结果和平衡能力判断结果；
所述ITO模组包括U-net网络、Ret-net网络和平衡能力判断模块；利用所述U-net网络对所述步态信息进行处理，得到所述步态识别结果；利用所述Ret-net网络对所述步态信息进行处理，得到所述疲劳识别结果；利用所述平衡能力判断模块对所述足底压力信息进行处理，得到所述平衡能力判断结果。
可选的，所述利用所述U-net网络对所述步态信息进行处理，得到所述步态识别结果，具体包括：
获取待处理周期的步态周期信息；
计算所述步态周期信息的相关系数；所述相关系数与平衡性成正相关；
计算所述步态周期信息在高度方向的积分，得到抬脚高度；
根据角速度信息确定行走周期中足尖离地的时间区间，然后对该区间的加速度信息进行积分，得到足部离地角度；
根据角速度信息和足底压力信息判断足底接触地面和承受重力的时间；若所述足底压力信息小于第一阈值且所述角速度信息变化率大于第二阈值，则步态周期中这个时间区间为摆动相；若足底压力信息大于第三阈值且所述角速度信息变化率小于第四阈值，则步态周期中这个时间区间为支撑相。
可选的，所述利用所述Ret-net网络对所述步态信息进行处理，得到所述疲劳识别结果，具体包括：
获取步态信息；
利用疲劳评估量表对所述步态信息进行评分，建立步态周期数据以及足底压力周期数据和量表评分的对应关系；
以所述步态周期数据为输入，以所述足底压力周期数据和量表评分的对应关系为输出训练所述Ret-net网络，得到经训练的Ret-net网络；
利用所述经训练的Ret-net网络对待处理步态信息进行处理，得到相应疲劳识别结果。
可选的，所述利用所述平衡能力判断模块对所述足底压力信息进行处理，得到所述平衡能力判断结果，具体包括：
静态平衡能力判断：
获取左右两只脚的足底压力信息；
根据所述左右两只脚的足底压力信息，利用
Figure BDA0003108264330000031
和
Figure BDA0003108264330000032
计算采集数据每一帧的压力中心(X,Y)，其中Fi为足底压力信息，(xi,yi)为第i个传感器的坐标；
根据所述压力中心(X,Y)，利用
Figure BDA0003108264330000033
计算压力中心移动的路径；(Xn,Yn)为第n帧的压力中心，n大于或等于2；
利用椭圆包络确定总路径长度，得到静态平衡能力判断结果；椭圆包络的面积小于第五阈值，表示静态平衡能力好；
动态平衡能力判断：
获取待处理周期的步态周期信息和左右两只脚的足底压力信息；
计算所述步态周期信息在高度方向的积分，得到抬脚高度；
计算所述左右两只脚的足底压力信息在所述待处理周期内的左足底压力平均值、右足底压力平均值和所述抬脚高度在所述待处理周期内的高度变化率；
根据所述左足底压力平均值、所述右足底压力平均值和所述高度变化率得到动态平衡能力判断结果；所述左足底压力平均值与所述右足底压力平均值大于第六阈值，且所述高度变化率大于第七阈值，表示动态平衡能力差。
可选的，所述方法还包括：在所述利用ITO模组对所述步态信息进行处理，得到足底信息监测结果之前，将所述足底压力信息转换为足底压力数字信号。
可选的，所述方法还包括：在所述利用ITO模组对所述步态信息进行处理，得到足底信息监测结果之前，对所述步态信息进行预处理，得到有效步态信息。
可选的，所述对所述步态信息进行预处理，得到有效步态信息，具体包括：
获取所述步态信息；
初始化滤波窗口大小；
计算所述步态信息的所有元素的均值并计算所述步态信息的所有元素与均值的差值；若所述差值小于噪声限值，则重新获取步态信息；若所述差值大于噪声限值，则
根据所述差值判断滤波是否完成，若否则重新获取步态信息；若是则
统计所述步态信息中的正常步态的压力点数；若正常步态的压力点数小于最小有意义压力点数，则重新获取步态信息；若正常步态的压力点数大于最小有意义压力点数，则得到所述有效步态信息。
一种智能鞋垫装置，所述装置包括：多个压力传感器、惯性姿态传感器、和包括U-net网络、Ret-net网络和平衡能力判断模块的ITO模组，所述多个压力传感器和所述惯性姿态传感器均与所述ITO模组连接；所述ITO模组用于实现权利要求1-7任一项所述的足底信息监测方法。
可选的，所述装置还包括：预处理模块和ADC模组；所述ADC模组分别与所述多个压力传感器和所述ITO模组连接，所述预处理模块还与所述惯性姿态传感器和所述ITO模组连接。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明采用的非视觉测量方式，其步态监测综合应用了惯性传感器感知足部加速度和足部姿态，以及分布于足底的多个压力传感器感知足部压力变化，利用多传感器数据融合全面感知运动姿态，获取运动信息全面。并且根据足底信息，利用ITO模组进行处理，得到准确的步态识别结果、疲劳识别结果和平衡能力判断结果，可及时监测异常现象，有利于疾病的发现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的智能鞋垫装置示意图；
附图标记：1-多个压力传感器，2-惯性姿态传感器，3-ITO模组，4-ADC模组，5-电源模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种足底信息监测方法及智能鞋垫装置，通过采集足底压力信息以及惯性姿态传感器获得足部运动加速度、足部姿态等足部空间位置信息，实现准确的人体运动识别。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种足底信息监测方法，方法包括：
获取步态信息；步态信息为一维时间序列，步态信息包括足底压力信息、足部姿态和加速度信息；足部姿态包括角速度信息。
可将足底压力信息转换为足底压力数字信号再进行后续处理，避免信号在电路传输过程出现电压降而外造成误差，影响监测结果。
利用ITO模组对步态信息进行处理，得到足底信息监测结果；足底信息监测结果包括：步态识别结果、疲劳识别结果和平衡能力判断结果。
ITO模组包括U-net网络、Ret-net网络和平衡能力判断模块；利用U-net网络对步态信息进行处理，得到步态识别结果；利用Ret-net网络对步态信息进行处理，得到疲劳识别结果；利用平衡能力判断模块对足底压力信息进行处理，得到平衡能力判断结果。
由于老年人可能患有各种慢性疾病，以及肌力缺乏，因此其步态可能呈现前冲、颤抖、拖地等情形，常规的基于DTW或者小波变换的算法在衰弱步态中呈现识别精度下降，鲁棒性不足的情形。
U-net网络是一个基于CNN的图像分割网络，主要包括由卷积层、最大池化层(下采样)、反卷积层(上采样)以及ReLU非线性激活函数。本发明将原始U-Net网络中的二维图像分割改为一维时间序列分割，实现对步态节拍进行分割，综合考虑惯性姿态传感器以及多个薄膜压力传感器的数据，使得数据分割更为准确
利用U-net网络对步态信息进行处理，得到步态识别结果，具体包括：
获取待处理周期的步态周期信息。
计算步态周期信息的相关系数；相关系数越高，平衡性越好。
计算步态周期信息在高度方向的积分，得到抬脚高度。
根据角速度信息确定行走周期中足尖离地的时间区间，然后对该区间的加速度信息进行积分，得到足部离地角度。具体的，通过对步态周期数据角速度的积分，在足部离地过程中，会出现足跟处先离地，足尖后离地的过程，即足跟部压力传感器信号先快速变小，足尖处的压力传感器信号后变小的特征，同时足部的惯性姿态传感器也会有足部有一个较大的角速度的变化，通过对这些特征的识别，确定出行走周期中足尖离地的时间区间，对该区间的足部加速度信号进行积分，获得足尖离地时的足部离地角度
根据角速度信息和足底压力信息判断足底接触地面和承受重力的时间。足底压力信号非常小，且惯性姿态传感器中角速度变化值相对较大，步态周期中这个时间区间为摆动相，足底压力信号较大，且惯性姿态传感器中角速度变化值相对较小，步态周期中这个时间区间则为支撑相。具体的，若足底压力信息小于第一阈值且角速度信息变化率大于第二阈值，则步态周期中这个时间区间为摆动相；若足底压力信息大于第三阈值且角速度信息变化率小于第四阈值，则步态周期中这个时间区间为支撑相。
国内外已经有学者研究了肌肉疲劳和步态改变之间的关联性，以及不同人群(例如老年衰老，多发硬化症，心衰患者等)的肌肉疲劳和步态改变的关联性。但是这些研究得到的肌肉疲劳，而产生的步态变化存在差异，其原因可能不同方案或者不同人群会因为影响的肌肉不同而引起不同的运动反应。
而传统的卷积网络或者全连接网络在信息传递的时候或多或少会存在信息丢失，损耗等问题，同时还有导致梯度消失或者梯度爆炸，导致很深的网络无法训练。
本发明利用可穿戴设备记录下开始行走时的前200m的步态参数，以及连续行走终止时候前200m的步态信息，并将步态信息用行走终止时的疲劳量表评分进行标记。然后利用改进的残差网络Res-Net对步态参数进行分类识别，以建立起衰弱疲劳的评估算法，Res-net神经网络通过直接将输入信息绕道传到输出，保护信息的完整性，整个网络只需要学习输入、输出差别的那一部分，简化学习目标和难度。
利用Ret-net网络对步态信息进行处理，得到疲劳识别结果，具体包括：
获取步态信息；
利用疲劳评估量表对步态信息进行评分，建立步态周期数据以及足底压力周期数据和量表评分的对应关系；
以步态周期数据为输入，以足底压力周期数据和量表评分的对应关系为输出训练Ret-net网络，得到经训练的Ret-net网络；
利用经训练的Ret-net网络对待处理步态信息进行处理，得到相应疲劳识别结果。
相比与传统二维Res-net神经网络，本发明以一维时间序列作为输入，将卷积核由3×3扩展到32×1，实现对一维时间序列数据的准确捕捉。
平衡能力的衰退是导致老年人跌倒的一个重要原因，也是老年人身体衰弱而产生其他慢性疾病的重要指标。人体平衡可分为静态平衡和动态平衡两大类：静态平衡和动态平衡，有研究表明人体动态平衡能力特别是老年人的动态平衡能力和起始步态(即从安静站立姿势到稳定行走间步态)存在密切关系，因此可以通过智能鞋垫检测起始步态脚踝角度变化，脚触地姿势，脚触地压力以及稳定裕度来评估其动态平衡能力。
利用平衡能力判断模块对足底压力信息进行处理，得到平衡能力判断结果，具体包括：
静态平衡能力判断：
获取左右两只脚的足底压力信息。
根据左右两只脚的足底压力信息，利用
Figure BDA0003108264330000081
和
Figure BDA0003108264330000082
计算采集数据每一帧的压力中心(X,Y)，其中Fi为足底压力信息，(xi,yi)为第i个传感器的坐标。
根据压力中心(X,Y)，利用
Figure BDA0003108264330000083
计算压力中心移动的路径；(Xn,Yn)为第n帧的压力中心，n大于或等于2。
利用椭圆包络确定总路径长度，得到静态平衡能力判断结果；压力中心移动的总路径越小，移动轨迹的椭圆包络的面积越小，静态平衡的能力越好。具体的，椭圆包络的面积小于第五阈值，表示静态平衡能力好。
动态平衡能力判断：
获取待处理周期的步态周期信息和左右两只脚的足底压力信息。
计算步态周期信息在高度方向的积分，得到抬脚高度。
计算左右两只脚的足底压力信息在待处理周期内的左足底压力平均值、右足底压力平均值和抬脚高度在待处理周期内的高度变化率。
根据左足底压力平均值、右足底压力平均值和高度变化率得到动态平衡能力判断结果；左右脚压力均值的差异越大，行走周期之间时间一致性越差，人体中心前倾越大，人体的动态平衡能力越差。具体的，左足底压力平均值与右足底压力平均值大于第六阈值，且高度变化率大于第七阈值，表示动态平衡能力差。
通过对步态信息进行预处理，得到有效步态信息可提高足底信息监测结果的准确性。预处理过程具体包括：
获取步态信息；初始化滤波窗口大小；计算步态信息的所有元素的均值并计算步态信息的所有元素与均值的差值；若差值小于噪声限值，则重新获取步态信息；若差值大于噪声限值，则根据差值判断滤波是否完成，若否则重新获取步态信息；若是则统计步态信息中的正常步态的压力点数；若正常步态的压力点数小于最小有意义压力点数，则重新获取步态信息；若正常步态的压力点数大于最小有意义压力点数，则得到有效步态信息。
本发明公开的一种智能鞋垫装置旨在实现足底信息监测方法，该装置包括：多个压力传感器1、惯性姿态传感器2、和包括U-net网络、Ret-net网络和平衡能力判断模块的ITO模组3，多个压力传感器1和惯性姿态传感器2均与ITO模组3连接，ITO模组3通过数据总线获取足底压力信息、足部姿态以及加速度信息。压力传感器优选的为薄膜压力传感器，数量优选的为8个。ITO模组3还可以通过移动通讯网络将足底信息监测结果传输至移动终端，相比蓝牙、WiFi等数据传输方案，数据传输抗干扰能力强，数据传输稳定，功耗相对较低，便于监护人观察。
该装置还包括：预处理模块和ADC模组4；ADC模组4分别与多个压力传感器和ITO模组3连接，预处理模块还与惯性姿态传感器2和ITO模组3连接。
该装置还包括为耗能部件供电的电源模块5。
本发明通过智能鞋垫这样一种可穿戴智能设备及时准确监控疾病的发生，减小疾病对患者造成，也可以减轻整个医疗系统的负担。
对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种足底信息监测方法，其特征在于，所述方法包括：
获取步态信息；所述步态信息为一维时间序列，所述步态信息包括足底压力信息、足部姿态和加速度信息；所述足部姿态包括角速度信息；
利用ITO模组对所述步态信息进行处理，得到足底信息监测结果；所述足底信息监测结果包括：步态识别结果、疲劳识别结果和平衡能力判断结果；
所述ITO模组包括U-net网络、Ret-net网络和平衡能力判断模块；利用所述U-net网络对所述步态信息进行处理，得到所述步态识别结果；利用所述Ret-net网络对所述步态信息进行处理，得到所述疲劳识别结果；利用所述平衡能力判断模块对所述足底压力信息进行处理，得到所述平衡能力判断结果；
所述利用所述平衡能力判断模块对所述足底压力信息进行处理，得到所述平衡能力判断结果，具体包括：
静态平衡能力判断：
获取左右两只脚的足底压力信息；
根据所述左右两只脚的足底压力信息，利用
Figure FDA0003711655470000011
和
Figure FDA0003711655470000012
计算采集数据每一帧的压力中心(X,Y)，其中Fi为足底压力信息，(xi,yi)为第i个传感器的坐标；
根据所述压力中心(X,Y)，利用
Figure FDA0003711655470000013
计算压力中心移动的路径；(Xn,Yn)为第n帧的压力中心，n大于或等于2；
利用椭圆包络确定总路径长度，得到静态平衡能力判断结果；椭圆包络的面积小于第五阈值，表示静态平衡能力好；
动态平衡能力判断：
获取待处理周期的步态周期信息和左右两只脚的足底压力信息；
计算所述步态周期信息在高度方向的积分，得到抬脚高度；
计算所述左右两只脚的足底压力信息在所述待处理周期内的左足底压力平均值、右足底压力平均值和所述抬脚高度在所述待处理周期内的高度变化率；
根据所述左足底压力平均值、所述右足底压力平均值和所述高度变化率得到动态平衡能力判断结果；所述左足底压力平均值与所述右足底压力平均值大于第六阈值，且所述高度变化率大于第七阈值，表示动态平衡能力差。
2.根据权利要求1所述的足底信息监测方法，其特征在于，所述利用所述U-net网络对所述步态信息进行处理，得到所述步态识别结果，具体包括：
获取待处理周期的步态周期信息；
计算所述步态周期信息的相关系数；所述相关系数与平衡性成正相关；
计算所述步态周期信息在高度方向的积分，得到抬脚高度；
根据角速度信息确定行走周期中足尖离地的时间区间，然后对该区间的加速度信息进行积分，得到足部离地角度；
根据角速度信息和足底压力信息判断足底接触地面和承受重力的时间；若所述足底压力信息小于第一阈值且所述角速度信息变化率大于第二阈值，则步态周期中这个时间区间为摆动相；若足底压力信息大于第三阈值且所述角速度信息变化率小于第四阈值，则步态周期中这个时间区间为支撑相。
3.根据权利要求1所述的足底信息监测方法，其特征在于，所述方法还包括：在所述利用ITO模组对所述步态信息进行处理，得到足底信息监测结果之前，将所述足底压力信息转换为足底压力数字信号。
4.根据权利要求1所述的足底信息监测方法，其特征在于，所述方法还包括：在所述利用ITO模组对所述步态信息进行处理，得到足底信息监测结果之前，对所述步态信息进行预处理，得到有效步态信息。
5.一种智能鞋垫装置，其特征在于，所述装置包括：多个压力传感器、惯性姿态传感器、和包括U-net网络、Ret-net网络和平衡能力判断模块的ITO模组，所述多个压力传感器和所述惯性姿态传感器均与所述ITO模组连接；所述ITO模组用于实现权利要求1-4任一项所述的足底信息监测方法。
6.根据权利要求5所述的智能鞋垫装置，其特征在于，所述装置还包括：预处理模块和ADC模组；所述ADC模组分别与所述多个压力传感器和所述ITO模组连接，所述预处理模块还与所述惯性姿态传感器和所述ITO模组连接。
CN202110641937.7A 2021-06-09 2021-06-09 一种足底信息监测方法及智能鞋垫装置 Active CN113331829B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110641937.7A CN113331829B (zh) 2021-06-09 2021-06-09 一种足底信息监测方法及智能鞋垫装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110641937.7A CN113331829B (zh) 2021-06-09 2021-06-09 一种足底信息监测方法及智能鞋垫装置

Publications (2)

Publication Number Publication Date
CN113331829A CN113331829A (zh) 2021-09-03
CN113331829B true CN113331829B (zh) 2022-08-05

Family

ID=77476326

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110641937.7A Active CN113331829B (zh) 2021-06-09 2021-06-09 一种足底信息监测方法及智能鞋垫装置

Country Status (1)

Country Link
CN (1) CN113331829B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113974583B (zh) * 2021-10-26 2023-10-20 成都融郁行科技合伙企业(有限合伙) 一种基于柔性芯片的监测装置及监测鞋垫
CN114343613A (zh) * 2021-12-31 2022-04-15 福建世新机器人科技有限公司 一种基于足底压力的运动检测装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012176170A (ja) * 2011-02-28 2012-09-13 Sendan Gakuen 足部バランス評価装置及び訓練器及び訓練方法
CN104174139A (zh) * 2013-05-20 2014-12-03 天津市天堰医教科技开发有限公司 一种功能性不稳踝关节神经肌肉控制系统
US9149222B1 (en) * 2008-08-29 2015-10-06 Engineering Acoustics, Inc Enhanced system and method for assessment of disequilibrium, balance and motion disorders
JP2016209546A (ja) * 2015-04-28 2016-12-15 住友理工株式会社 バランス能力測定装置
CN106307775A (zh) * 2016-09-21 2017-01-11 苏州坦特拉自动化科技有限公司 一种足部姿态信息和压力测量系统及智能运动鞋
CN106482733A (zh) * 2016-09-23 2017-03-08 南昌大学 行人导航中基于足底压力检测的零速修正方法
KR101884754B1 (ko) * 2017-09-01 2018-08-02 동의대학교 산학협력단 다기능 스마트 깔창
CN108814617A (zh) * 2018-04-26 2018-11-16 深圳市臻络科技有限公司 冻结步态识别方法和装置及步态检测仪
CN109528203A (zh) * 2019-01-21 2019-03-29 郑州大学 一种基于多源信息融合的交互式脑卒中患者步态训练及评测系统
CN110403294A (zh) * 2019-07-10 2019-11-05 北京三垣科技有限公司 一种智能运动鞋及其销售平台与方法
CN110916679A (zh) * 2019-12-31 2020-03-27 复旦大学 一种人体下肢位姿步态检测装置及方法
WO2020216816A1 (en) * 2019-04-23 2020-10-29 Centre National De La Recherche Scientifique Device for calculating, during one step or each successive step of the gait of a subject, the push-off p0 of the subject
CN112263244A (zh) * 2020-09-15 2021-01-26 清华大学 基于步态的疲劳度评估系统及方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150182113A1 (en) * 2013-12-31 2015-07-02 Aliphcom Real-time fatigue, personal effectiveness, injury risk device(s)
JP6347836B2 (ja) * 2014-07-10 2018-06-27 国立大学法人大阪大学 脚相移行タイミング判定方法、脚相移行タイミング判定装置、歩行支援制御方法及び歩行支援装置
US10716494B2 (en) * 2015-05-07 2020-07-21 Samsung Electronics Co., Ltd. Method of providing information according to gait posture and electronic device for same
US10478095B2 (en) * 2015-05-26 2019-11-19 Dharma P. Agrawal System and method for real-time personnel fatigue level monitoring
CN205728306U (zh) * 2016-07-01 2016-11-30 吉林大学 一种基于无线传感网络的步态监测健康鞋
CN111358471B (zh) * 2020-04-15 2023-04-28 青岛一小步科技有限公司 一种身体姿态检测装置及检测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9149222B1 (en) * 2008-08-29 2015-10-06 Engineering Acoustics, Inc Enhanced system and method for assessment of disequilibrium, balance and motion disorders
JP2012176170A (ja) * 2011-02-28 2012-09-13 Sendan Gakuen 足部バランス評価装置及び訓練器及び訓練方法
CN104174139A (zh) * 2013-05-20 2014-12-03 天津市天堰医教科技开发有限公司 一种功能性不稳踝关节神经肌肉控制系统
JP2016209546A (ja) * 2015-04-28 2016-12-15 住友理工株式会社 バランス能力測定装置
CN106307775A (zh) * 2016-09-21 2017-01-11 苏州坦特拉自动化科技有限公司 一种足部姿态信息和压力测量系统及智能运动鞋
CN106482733A (zh) * 2016-09-23 2017-03-08 南昌大学 行人导航中基于足底压力检测的零速修正方法
KR101884754B1 (ko) * 2017-09-01 2018-08-02 동의대학교 산학협력단 다기능 스마트 깔창
CN108814617A (zh) * 2018-04-26 2018-11-16 深圳市臻络科技有限公司 冻结步态识别方法和装置及步态检测仪
CN109528203A (zh) * 2019-01-21 2019-03-29 郑州大学 一种基于多源信息融合的交互式脑卒中患者步态训练及评测系统
WO2020216816A1 (en) * 2019-04-23 2020-10-29 Centre National De La Recherche Scientifique Device for calculating, during one step or each successive step of the gait of a subject, the push-off p0 of the subject
CN110403294A (zh) * 2019-07-10 2019-11-05 北京三垣科技有限公司 一种智能运动鞋及其销售平台与方法
CN110916679A (zh) * 2019-12-31 2020-03-27 复旦大学 一种人体下肢位姿步态检测装置及方法
CN112263244A (zh) * 2020-09-15 2021-01-26 清华大学 基于步态的疲劳度评估系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
("All Metadata":gait) AND ("All Metadata":pressure) AND ("All Metadata":balance) AND ("All Metadata":height);Xiangui Xu，等;《2019 IEEE 4th International Conference on Advanced Robotics and Mechatronics (ICARM)》;20190705;全文 *
青少年中长跑运动员下肢关节活动幅度与动态平衡能力的相关性研究;母应秀，等;《中国体育科技》;20210430;第57卷(第8期);全文 *

Also Published As

Publication number Publication date
CN113331829A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN110916679B (zh) 一种人体下肢位姿步态检测装置及方法
CN112754468B (zh) 一种基于多源信号的人体下肢运动检测及识别方法
CN113331829B (zh) 一种足底信息监测方法及智能鞋垫装置
CN105795571B (zh) 一种用于外骨骼压力鞋的数据采集系统及方法
US9165113B2 (en) System and method for quantitative assessment of frailty
US20130023798A1 (en) Method for body-worn sensor based prospective evaluation of falls risk in community-dwelling elderly adults
CN111582108B (zh) 一种步态识别及意图感知的方法
CN108814617A (zh) 冻结步态识别方法和装置及步态检测仪
CN106210269A (zh) 一种基于智能手机的人体动作识别系统及方法
CA2821590A1 (en) A method for assessing cognitive function and predicting cognitive decline through quantitative assessment of the tug test
Khandelwal et al. Identification of gait events using expert knowledge and continuous wavelet transform analysis
Hossain et al. Deepbbwae-net: A cnn-rnn based deep superlearner for estimating lower extremity sagittal plane joint kinematics using shoe-mounted imu sensors in daily living
CN112115923A (zh) 一种基于直接特征提取的多通道时序步态分析算法
CN110974242A (zh) 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
Barralon et al. Classification of daily physical activities from a single kinematic sensor
CN113768471B (zh) 一种基于步态分析的帕金森疾病辅助诊断系统
CN109512435B (zh) 一种可实时检测的走姿矫正仪
Amitrano et al. Gait analysis using wearable e-textile sock: An experimental study of test-retest reliability
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
KR102280291B1 (ko) 검출정보별 신경망 분석을 실시하여 파킨슨 환자 및 족관절염 환자를 식별하는 장치 및 방법
KR102194313B1 (ko) 검출정보별 신경망 분석을 실시하여 개인을 식별하는 장치 및 방법
Yang et al. Empowering a gait feature-rich timed-up-and-go system for complex ecological environments
CN105232053B (zh) 一种人体踝关节跖屈相位检测系统及方法
CN106373338A (zh) 一种摔倒监测方法及系统
KR20210011097A (ko) 검출정보별 신경망 분석을 실시하여 보행 종류를 분류하는 장치 및 방법

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