CN113662535A - 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
CN113662535A
CN113662535A CN202111077512.4A CN202111077512A CN113662535A CN 113662535 A CN113662535 A CN 113662535A CN 202111077512 A CN202111077512 A CN 202111077512A CN 113662535 A CN113662535 A CN 113662535A
Authority
CN
China
Prior art keywords
gait
symmetry
data
pressure
determining
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
CN202111077512.4A
Other languages
English (en)
Other versions
CN113662535B (zh
Inventor
花浩镪
郑慧敏
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.)
Institute of Artificial Intelligence of Hefei Comprehensive National Science Center
Original Assignee
Institute of Artificial Intelligence of Hefei Comprehensive National Science Center
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 Institute of Artificial Intelligence of Hefei Comprehensive National Science Center filed Critical Institute of Artificial Intelligence of Hefei Comprehensive National Science Center
Priority to CN202111077512.4A priority Critical patent/CN113662535B/zh
Publication of CN113662535A publication Critical patent/CN113662535A/zh
Application granted granted Critical
Publication of CN113662535B publication Critical patent/CN113662535B/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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis

Landscapes

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

Abstract

本发明涉及压力传感技术领域，公开一种步态检测方法、装置、设备及存储介质。本发明通过获取待检测人员的足底压力数据以及发育程度等级，然后对足底压力数据进行预处理，获得人体步态数据，再对人体步态数据进行对称性特征提取，获得对称系数，最后根据发育程度等级和对称系数确定对称性指标，并根据对称性指标判断待检测人员的步态是否异常。本发明通过对足底压力数据进行预处理，能够精确得到待检测人员在行走时的人体步态数据，然后根据发育程度等级和对称系数确定对称性指标，能够获得不同发育等级的待检测人员对应的对称性指标，再根据对称性指标判断待检测人员的步态是否异常，从而能够对不同发育等级的待检测人员进行步态进行精确检测。

Description

步态检测方法、装置、设备及存储介质
技术领域
本发明涉及压力传感技术领域，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
目前对于利用足底压力数据进行步态分析的应用已经取得了长足的进步。比如糖尿病足，扁平足等进行步态分析。但是传统的方法在特征选择亦或是在考虑训练集的组合时，会假定人群的个体发育状况是相对稳定的，没有区分人群差异。然而对于青少年的状况，其大多处于生长发育阶段，并且不同青少年之间，其发育的状态也不尽相同。因此对于传统方法，在对青少年进行足底压力分析时，容易对鲁棒性产生影响。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种步态检测方法、装置、设备及存储介质，旨在解决现有技术中无法对青少年步态进行精确检测的技术问题。
为实现上述目的，本发明提供了一种步态检测方法，所述步态检测方法包括：
获取待检测人员的足底压力数据以及发育程度等级；
对所述足底压力数据进行预处理，获得人体步态数据；
对所述人体步态数据进行对称性特征提取，获得对称系数；
根据所述发育程度等级和所述对称系数确定对称性指标，并根据所述对称性指标判断所述待检测人员的步态是否异常。
可选地，所述获取待检测人员的足底压力数据以及发育程度等级的步骤，具体包括：
获取待检测人员的足底压力数据，并获取所述待检测人员对应的体态特征信息；
根据所述体态特征信息确定体态指标参数；
根据所述体态指标参数确定所述待检测人员对应的发育程度等级。
可选地，所述根据所述体态特征信息确定体态指标参数的步骤，具体包括：
从所述体态特征信息中读取身高体重信息、年龄信息以及性别信息；
根据所述身高体重信息确定身体质量指数等级；
获取所述身体质量指数等级对应的身体质量指数等级权重、所述年龄信息对应的年龄权重以及所述性别信息对应的性别权重；
根据所述身体质量指数等级、所述身体质量指数等级权重、所述年龄信息、所述年龄权重、所述性别信息以及所述性别权重确定体态指标参数。
可选地，所述对所述足底压力数据进行预处理，获得人体步态数据的步骤，具体包括：
根据所述足底压力数据生成待扫描序列数据；
按预设平移方式通过预设扫描窗口对所述待扫描序列数据进行扫描，并根据扫描结果确定步态起点；
根据所述步态起点确定所述待扫描序列数据中第二个极大值的位置；
根据所述第二个极大值的位置确定步态结束点，并将所述步态起点至所述步态结束点的足底压力数据作为人体步态数据。
可选地，所述对所述人体步态数据进行对称性特征提取，获得对称系数的步骤，具体包括：
对所述人体步态数据进行标准化处理，获得标准化人体步态数据；
根据所述标准化人体步态数据确定压力时间积分、最大压力梯度以及前足后足压力峰值比；
根据所述压力时间积分、所述最大压力梯度以及所述前足后足压力峰值比确定对称系数。
可选地，所述对称系数包括：压力时间积分对称系数、最大压力梯度对称系数以及前足后足压力峰值比对称系数；
所述根据所述压力时间积分、所述最大压力梯度以及所述前足后足压力峰值比确定对称系数的步骤，具体包括：
根据所述压力时间积分确定所述压力时间积分对称系数；
根据所述最大压力梯度确定所述最大压力梯度对称系数；
根据所述前足后足压力峰值比确定所述前足后足压力峰值比对称系数。
可选地，所述根据所述发育程度等级和所述对称系数确定对称性指标，并根据所述对称性指标判断所述待检测人员的步态是否异常的步骤，具体包括：
根据所述发育程度等级确定所述压力时间积分对称系数对应的压力时间积分权重、所述最大压力梯度对称系数对应的最大压力梯度权重以及所述前足后足压力峰值比对称系数对应的前足后足压力峰值比权重；
根据所述压力时间积分对称系数、所述压力时间积分权重、所述最大压力梯度对称系数、所述最大压力梯度权重、所述前足后足压力峰值比对称系数以及所述前足后足压力峰值比权重确定对称性指标；
在所述对称性指标满足预设条件时，判定所述待检测人员的步态异常。
此外，为实现上述目的，本发明还提出一种步态检测装置，所述步态检测装置包括：
数据获取模块，用于获取待检测人员的足底压力数据以及发育程度等级；
数据预处理模块，用于对所述足底压力数据进行预处理，获得人体步态数据；
特征提取模块，用于对所述人体步态数据进行对称性特征提取，获得对称系数；
步态判断模块，用于根据所述发育程度等级和所述对称系数确定对称性指标，并根据所述对称性指标判断所述待检测人员的步态是否异常。
此外，为实现上述目的，本发明还提出一种步态检测设备，所述步态检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的步态检测程序，所述步态检测程序配置为实现如上文所述的步态检测方法。
此外，为实现上述目的，本发明还提出一种存储介质，所述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执行时实现如上文所述的步态检测方法。
本发明通过获取待检测人员的足底压力数据以及发育程度等级，然后对足底压力数据进行预处理，获得人体步态数据，再对人体步态数据进行对称性特征提取，获得对称系数，最后根据发育程度等级和对称系数确定对称性指标，并根据对称性指标判断待检测人员的步态是否异常。本发明通过对足底压力数据进行预处理，能够精确得到待检测人员在行走时的人体步态数据，然后根据发育程度等级和对称系数确定对称性指标，能够获得不同发育等级的待检测人员对应的对称性指标，再根据对称性指标判断待检测人员的步态是否异常，从而能够对不同发育等级的待检测人员进行步态进行精确检测。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的步态检测设备的结构示意图；
图2为本发明步态检测方法第一实施例的流程示意图；
图3为本发明步态检测方法柔性传感器位置示意图；
图4为本发明步态检测方法第二实施例的流程示意图；
图5为本发明步态检测方法待扫描序列数据波形图；
图6为本发明步态检测方法第三实施例的流程示意图；
图7为本发明步态检测装置第一实施例的结构框图。
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用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的步态检测设备结构示意图。
如图1所示，该步态检测设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口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。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，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中示出的结构并不构成对步态检测设备的限定，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。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及步态检测程序。
在图1所示的步态检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明步态检测设备中的处理器1001、存储器1005可以设置在步态检测设备中，所述步态检测设备通过处理器1001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，参照图2，图2为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，所述步态检测方法包括以下步骤：
步骤S10：获取待检测人员的足底压力数据以及发育程度等级；
需要说明的是，本实施例的执行主体可以是上述具有图像处理、网络通信以及程序运行功能的步态检测设备，也可以是能够实现相同或相似功能的其他设备，本实施例对此不做具体限制。
应理解的是，本实施例中的步态检测方法主要是对青少年进行步态检测的方法。
在具体实现中，足底压力数据可以通过柔性传感器进行采集，具体地，参照图3，图3为本发明步态检测方法柔性传感器位置示意图，在图3中，待检测人员的左脚鞋垫上和右脚鞋垫上分别布置有八个柔性传感器，即图3中的1～8，柔性传感器位置分布在待检测人员的大脚趾、第一跖骨头、第二和第三跖骨头，第四和第五跖骨头，内侧中足，外侧中足，内侧后跟和外侧后跟。因此，足底压力数据包括左脚的足底压力数据和右脚的足底压力数据，并且每一只脚的足底压力数据包括八个柔性传感器采集的数据。
进一步地，为了确定待检测人员对应的发育程度等级，所述步骤S10包括：获取待检测人员的足底压力数据，并获取所述待检测人员对应的体态特征信息；根据所述体态特征信息确定体态指标参数；根据所述体态指标参数确定所述待检测人员对应的发育程度等级。
需要说明的是，体态特征信息可包括身高体重信息。年龄信息和性别信息，还可包括其他的特征信息，本实施例对此不做具体限制。
可理解的是，在本实施例中，可以根据体态指标参数确定发育程度等级，在体态指标满足某一预设条件时，确定发育程度等级，例如：当体态指标参数小于等于1.5时，发育程度等级为1级；当体态指标参数大于1.5且小于等于2时，发育程度等级为2级；当体态指标参数不满足以上条件时，发育程度等级为3级，具体的判断条件可根据实际情况自行设置，本实施例对此不做具体限制。
进一步地，为了确定体态指标参数，所述根据所述体态特征信息确定体态指标参数的步骤包括：从所述体态特征信息中读取身高体重信息、年龄信息以及性别信息；根据所述身高体重信息确定身体质量指数等级；获取所述身体质量指数等级对应的身体质量指数等级权重、所述年龄信息对应的年龄权重以及所述性别信息对应的性别权重；根据所述身体质量指数等级、所述身体质量指数等级权重、所述年龄信息、所述年龄权重、所述性别信息以及所述性别权重确定体态指标参数。
可理解的是，身体质量指数(Body Mass Index，BMI)是国际上常用的衡量人体胖瘦程度以及是否健康的一个标准，具体身体指数的计算公式可以是体重信息/(身高信息*身高信息)，例如：待检测人员的体重信息为50kg，身高信息为1.6m，身体质量指数为50/(1.6*1.6)＝19.5。然后可根据身体质量指数确定身体质量指数等级，具体可判断身体质量指数满足某一预设条件时确定身体质量指数等级，例如：当身体质量指数大于等于18.5且小于等于24时，身体质量指数等级为1级；当身体质量指数小于19或者大于24且小于27时，身体质量指数等级为2级；当身体质量指数大于等于27时，身体质量指数等级为3级，具体的判断条件可根据实际情况自行设置，本实施例对此不做具体限制。
应理解的是，本实施例中的年龄信息是指年龄的倒数，性别为女时性别信息为2，性别为男时性别信息为1。
在具体实现中，身体质量指数等级权重、年龄权重以及性别权重可根据实际情况自行设置，例如：身体质量指数等级权重为0.7，年龄权重为0.15，性别权重为0.15，本实施例对此不做具体限制。具体地，体态指标参数的计算方法可以是身体质量指数等级*身体质量指数等级权重+年龄信息*年龄权重+性别信息*性别权重，例如：当身体质量指数等级为1，年龄信息为0.1，性别信息为1时，体态指标参数为1*0.7+0.1*0.15+1*0.15＝0.865。
本实施例通过身体质量指数等级、身体质量指数等级权重、年龄信息、所述年龄权重、性别信息以及性别权重确定体态指标参数，能够使体态指标参数更加精确，从而使得发育程度等级更加精确。
步骤S20：对所述足底压力数据进行预处理，获得人体步态数据；
需要说明的是，由于待检测人员可能在未行走时，柔性传感器就开始采集足底压力数据，所以需要对足底压力数据进行预处理，删除在未行走时的数据，预处理是指从采集到的足底压力数据中选取从步态起点到步态终点的数据，该数据即为人体步态数据。
步骤S30：对所述人体步态数据进行对称性特征提取，获得对称系数；
可理解的是，对称性特征提取是指对人体步态数据进行特征提取，获得对称系数。
步骤S40：根据所述发育程度等级和所述对称系数确定对称性指标，并根据所述对称性指标判断所述待检测人员的步态是否异常。
在具体实现中，当对称性指标满足某一预设条件时，即可判定待检测人员的步态异常，例如：当对称性指标小于等于1.5时，判定待检测人员的步态异常，该预设条件可根据测试情况自行设置，本实施例对此不做具体限制。
本实施例通过获取待检测人员的足底压力数据以及发育程度等级，然后对足底压力数据进行预处理，获得人体步态数据，再对人体步态数据进行对称性特征提取，获得对称系数，最后根据发育程度等级和对称系数确定对称性指标，并根据对称性指标判断待检测人员的步态是否异常。本实施例通过对足底压力数据进行预处理，能够精确得到待检测人员在行走时的人体步态数据，然后根据发育程度等级和对称系数确定对称性指标，能够获得不同发育等级的待检测人员对应的对称性指标，再根据对称性指标判断待检测人员的步态是否异常，从而能够对不同发育等级的待检测人员进行步态进行精确检测。
参考图4，图4为本发明步态检测方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S20包括：
步骤S201：根据所述足底压力数据生成待扫描序列数据；
应理解的是，在本实施例中，将采集到的的足底压力数据进行连接，即可得到待扫描序列数据，参考图5，图5为本发明步态检测方法待扫描序列数据波形图，在图5中，曲线即为待扫描序列数据波形。
步骤S202：按预设平移方式通过预设扫描窗口对所述待扫描序列数据进行扫描，并根据扫描结果确定步态起点；
应理解的是，在图5中，sliding window为预设扫描窗口，大小设置为0.1s，即10个点，预设平移方式为1/2重叠的方式往后平移，即每次移动5个点。
在具体实现中，当预设扫描窗口中存在待扫描数据大于30N的点时，说明在该预设扫描窗口内已经有正在行走的步态，此时，可以以大于30N的点为起点，向前回溯，找到极小值点，该极小值点即为步态起点。
步骤S203：根据所述步态起点确定所述待扫描序列数据中第二个极大值的位置；
可理解的是，对于待扫描序列数据而言，在一般情况下存在两个波峰，即两个极大值点，因此，在本实施例中，以步态起点为起点，向后寻找，直到找到第二个极大值的位置。
步骤S204：根据所述第二个极大值的位置确定步态结束点，并将所述步态起点至所述步态结束点的足底压力数据作为人体步态数据。
在具体实现中，以第二个极大值的位置为起点，然后向后寻找第一个极小值，将该极小值的位置作为步态结束点。本实施例中，人体步态数据即为步态起点到步态结束点之间的所有数据，对于左脚的八个通道和右脚的八个通道的数据也是通过上述方式进行预处理。
本实施例根据足底压力数据生成待扫描序列数据，然后按预设平移方式通过预设扫描窗口对待扫描序列数据进行扫描，并根据扫描结果确定步态起点，再根据步态起点确定待扫描序列数据中第二个极大值的位置，再根据第二个极大值的位置确定步态结束点，并将步态起点至步态结束点的足底压力数据作为人体步态数据。本实施例通过预处理获取步态起点至步态结束点的足底压力数据作为人体步态数据，能够对待检测人员在未行走时获取的足底压力数据进行删除，获得较为精确的人体步态数据，从而能够对不同发育等级的待检测人员进行步态进行精确检测。
参考图6，图6为本发明步态检测方法第三实施例的流程示意图。
基于上述各实施例，在本实施例中，所述步骤S30包括：
步骤S301：对所述人体步态数据进行标准化处理，获得标准化人体步态数据；
可理解的是，标准化处理使得数据标准统一化，提高了数据可比性，削弱了数据解释性，具体可通过Z-Score标准化处理。
步骤S302：根据所述标准化人体步态数据确定压力时间积分、最大压力梯度以及前足后足压力峰值比；
应理解的是，在本实施例中，压力时间积分包括左脚压力时间积分和右脚压力时间积分，最大压力梯度包括左脚最大压力梯度和右脚最大压力梯度，前足后足压力峰值比包括左脚前足后足压力峰值比和右脚前足后足压力峰值比。
具体的，可通过第一预设公式确定左脚压力时间积分，其中，第一预设公式为：
Figure BDA0003260869640000091
式中，F1L表示左脚压力时间积分，r表示足底1～8这8个区域，Pr(n)|L表示左脚第r个区域对应的标准化人体步态数据。
同理，可通过第二预设公式确定右脚压力时间积分，其中，第二预设公式为：
Figure BDA0003260869640000092
式中，F1R表示右脚压力时间积分，r表示足底1～8这8个区域，Pr(n)|R表示右脚第r个区域对应的标准化人体步态数据。
具体的，可通过第三预设公式确定左脚最大压力梯度，其中，第三预设公式为：
Figure BDA0003260869640000101
式中，F2L表示左脚最大压力梯度，r表示足底1～8这8个区域，Pr(n)|L表示左脚第r个区域对应的标准化人体步态数据，max表示取最大值。
同理，可通过第四预设公式确定右脚最大压力梯度，其中，第四预设公式为：
Figure BDA0003260869640000102
式中，F2R表示左脚最大压力梯度，r表示足底1～8这8个区域，Pr(n)|R表示右脚第r个区域对应的标准化人体步态数据，max表示取最大值。
具体的，可通过第五预设公式确定左脚前足后足压力峰值比，其中，第五预设公式为：
F3L＝max(Pr1|L)/max(Pr2|L)
式中，F3L表示左脚前足后足压力峰值比，r1表示图3中的1、2、3、4区域，r2表示图3中的5、6、7、8区域，Pr1|L表示左脚r1区域对应的标准化人体步态数据，Pr2|L表示左脚r2区域对应的标准化人体步态数据。
同理，可通过第六预设公式确定右脚前足后足压力峰值比，其中，第六预设公式为：
F3R＝max(Pr1|R)/max(Pr2|R)
式中，F3R表示右脚前足后足压力峰值比，r1表示图3中的1、2、3、4区域，r2表示图3中的5、6、7、8区域，Pr1|R表示右脚r1区域对应的标准化人体步态数据，Pr2|R表示右脚r2区域对应的标准化人体步态数据。
步骤S303：根据所述压力时间积分、所述最大压力梯度以及所述前足后足压力峰值比确定对称系数。
进一步地，为了确定对称系数，所述步骤S303包括：根据所述压力时间积分确定所述压力时间积分对称系数；根据所述最大压力梯度确定所述最大压力梯度对称系数；根据所述前足后足压力峰值比确定所述前足后足压力峰值比对称系数。
具体的，可通过第七预设公式确定压力时间积分对称系数，其中，第七预设公式为：
Figure BDA0003260869640000111
式中，G1表示压力时间积分对称系数，sigmoid为标准函数，F1R表示右脚压力时间积分，F1L表示左脚压力时间积分。
同理，可通过第八预设公式确定最大压力梯度对称系数，其中，第八预设公式为：
Figure BDA0003260869640000112
式中，G2表示最大压力梯度对称系数，sigmoid为标准函数，F2R表示右脚最大压力梯度，F2L表示左脚最大压力梯度。
同理，可通过第九预设公式确定前足后足压力峰值比对称系数，其中，第九预设公式为：
Figure BDA0003260869640000113
式中，G3表示前足后足压力峰值比对称系数，sigmoid为标准函数，F3R表示右脚前足后足压力峰值比，F3L表示前足后足压力峰值比。
进一步地，为了判断待检测人员的步态是否异常，所述根据所述发育程度等级和所述对称系数确定对称性指标，并根据所述对称性指标判断所述待检测人员的步态是否异常的步骤包括：根据所述发育程度等级确定所述压力时间积分对称系数对应的压力时间积分权重、所述最大压力梯度对称系数对应的最大压力梯度权重以及所述前足后足压力峰值比对称系数对应的前足后足压力峰值比权重；根据所述压力时间积分对称系数、所述压力时间积分权重、所述最大压力梯度对称系数、所述最大压力梯度权重、所述前足后足压力峰值比对称系数以及所述前足后足压力峰值比权重确定对称性指标；在所述对称性指标满足预设条件时，判定所述待检测人员的步态异常。
可理解的是，在本实施例中，压力时间积分权重、最大压力梯度权重以及前足后足压力峰值比权重的具体值与发育程度等级有关，例如：在发育程度等级为1级时，压力时间积分权重、最大压力梯度权重以及前足后足压力峰值比权重都为1/3；在发育程度等级为2级时，压力时间积分权重为1、最大压力梯度权重为1.5，前足后足压力峰值比权重为0.5；在发育程度等级为3级时，压力时间积分权重为1、最大压力梯度权重为0.5，前足后足压力峰值比权重为1.5。
在具体实现中，对称性指标的计算方法可以是：压力时间积分权重*压力时间积分对称系数+最大压力梯度权重*最大压力梯度对称系数+前足后足压力峰值比权重*前足后足压力峰值比对称系数。
本实施例通过对人体步态数据进行标准化处理，获得标准化人体步态数据，然后根据标准化人体步态数据确定压力时间积分、最大压力梯度以及前足后足压力峰值比，再根据压力时间积分、最大压力梯度以及前足后足压力峰值比确定对称系数。本实施例通过压力时间积分、最大压力梯度以及前足后足压力峰值比确定对称系数，能够使得对称系数更加精确，然后根据对称系数确定对称性指标，再根据对称性指标判断待检测人员的步态是否异常，从而能够对不同发育等级的待检测人员进行步态进行精确检测。
此外，本发明实施例还提出一种存储介质，所述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执行时实现如上文所述的步态检测方法。
参照图7，图7为本发明步态检测装置第一实施例的结构框图。
如图7所示，本发明实施例提出的步态检测装置包括：
数据获取模块10，用于获取待检测人员的足底压力数据以及发育程度等级；
数据预处理模块20，用于对所述足底压力数据进行预处理，获得人体步态数据；
特征提取模块30，用于对所述人体步态数据进行对称性特征提取，获得对称系数；
步态判断模块40，用于根据所述发育程度等级和所述对称系数确定对称性指标，并根据所述对称性指标判断所述待检测人员的步态是否异常。
基于本发明上述步态检测装置第一实施例，提出本发明步态检测装置的第二实施例。
在本实施例中，所述数据获取模块10，还用于获取待检测人员的足底压力数据，并获取所述待检测人员对应的体态特征信息；根据所述体态特征信息确定体态指标参数；根据所述体态指标参数确定所述待检测人员对应的发育程度等级。
进一步地，所述数据获取模块10，还用于从所述体态特征信息中读取身高体重信息、年龄信息以及性别信息；根据所述身高体重信息确定身体质量指数等级；获取所述身体质量指数等级对应的身体质量指数等级权重、所述年龄信息对应的年龄权重以及所述性别信息对应的性别权重；根据所述身体质量指数等级、所述身体质量指数等级权重、所述年龄信息、所述年龄权重、所述性别信息以及所述性别权重确定体态指标参数。
进一步地，所述数据预处理模块20，还用于根据所述足底压力数据生成待扫描序列数据；按预设平移方式通过预设扫描窗口对所述待扫描序列数据进行扫描，并根据扫描结果确定步态起点；根据所述步态起点确定所述待扫描序列数据中第二个极大值的位置；根据所述第二个极大值的位置确定步态结束点，并将所述步态起点至所述步态结束点的足底压力数据作为人体步态数据。
进一步地，所述特征提取模块30，还用于对所述人体步态数据进行标准化处理，获得标准化人体步态数据；根据所述标准化人体步态数据确定压力时间积分、最大压力梯度以及前足后足压力峰值比；根据所述压力时间积分、所述最大压力梯度以及所述前足后足压力峰值比确定对称系数。
进一步地，所述特征提取模块30，还用于根据所述压力时间积分确定所述压力时间积分对称系数；根据所述最大压力梯度确定所述最大压力梯度对称系数；根据所述前足后足压力峰值比确定所述前足后足压力峰值比对称系数。
进一步地，所述步态判断模块40，还用于根据所述发育程度等级确定所述压力时间积分对称系数对应的压力时间积分权重、所述最大压力梯度对称系数对应的最大压力梯度权重以及所述前足后足压力峰值比对称系数对应的前足后足压力峰值比权重；根据所述压力时间积分对称系数、所述压力时间积分权重、所述最大压力梯度对称系数、所述最大压力梯度权重、所述前足后足压力峰值比对称系数以及所述前足后足压力峰值比权重确定对称性指标；在所述对称性指标满足预设条件时，判定所述待检测人员的步态异常。
本发明步态检测装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
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一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上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等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种步态检测方法，其特征在于，所述步态检测方法包括：
获取待检测人员的足底压力数据以及发育程度等级；
对所述足底压力数据进行预处理，获得人体步态数据；
对所述人体步态数据进行对称性特征提取，获得对称系数；
根据所述发育程度等级和所述对称系数确定对称性指标，并根据所述对称性指标判断所述待检测人员的步态是否异常。
2.如权利要求1所述的步态检测方法，其特征在于，所述获取待检测人员的足底压力数据以及发育程度等级的步骤，具体包括：
获取待检测人员的足底压力数据，并获取所述待检测人员对应的体态特征信息；
根据所述体态特征信息确定体态指标参数；
根据所述体态指标参数确定所述待检测人员对应的发育程度等级。
3.如权利要求2所述的步态检测方法，其特征在于，所述根据所述体态特征信息确定体态指标参数的步骤，具体包括：
从所述体态特征信息中读取身高体重信息、年龄信息以及性别信息；
根据所述身高体重信息确定身体质量指数等级；
获取所述身体质量指数等级对应的身体质量指数等级权重、所述年龄信息对应的年龄权重以及所述性别信息对应的性别权重；
根据所述身体质量指数等级、所述身体质量指数等级权重、所述年龄信息、所述年龄权重、所述性别信息以及所述性别权重确定体态指标参数。
4.如权利要求1所述的步态检测方法，其特征在于，所述对所述足底压力数据进行预处理，获得人体步态数据的步骤，具体包括：
根据所述足底压力数据生成待扫描序列数据；
按预设平移方式通过预设扫描窗口对所述待扫描序列数据进行扫描，并根据扫描结果确定步态起点；
根据所述步态起点确定所述待扫描序列数据中第二个极大值的位置；
根据所述第二个极大值的位置确定步态结束点，并将所述步态起点至所述步态结束点的足底压力数据作为人体步态数据。
5.如权利要求1所述的步态检测方法，其特征在于，所述对所述人体步态数据进行对称性特征提取，获得对称系数的步骤，具体包括：
对所述人体步态数据进行标准化处理，获得标准化人体步态数据；
根据所述标准化人体步态数据确定压力时间积分、最大压力梯度以及前足后足压力峰值比；
根据所述压力时间积分、所述最大压力梯度以及所述前足后足压力峰值比确定对称系数。
6.如权利要求5所述的步态检测方法，其特征在于，所述对称系数包括：压力时间积分对称系数、最大压力梯度对称系数以及前足后足压力峰值比对称系数；
所述根据所述压力时间积分、所述最大压力梯度以及所述前足后足压力峰值比确定对称系数的步骤，具体包括：
根据所述压力时间积分确定所述压力时间积分对称系数；
根据所述最大压力梯度确定所述最大压力梯度对称系数；
根据所述前足后足压力峰值比确定所述前足后足压力峰值比对称系数。
7.如权利要求6所述的步态检测方法，其特征在于，所述根据所述发育程度等级和所述对称系数确定对称性指标，并根据所述对称性指标判断所述待检测人员的步态是否异常的步骤，具体包括：
根据所述发育程度等级确定所述压力时间积分对称系数对应的压力时间积分权重、所述最大压力梯度对称系数对应的最大压力梯度权重以及所述前足后足压力峰值比对称系数对应的前足后足压力峰值比权重；
根据所述压力时间积分对称系数、所述压力时间积分权重、所述最大压力梯度对称系数、所述最大压力梯度权重、所述前足后足压力峰值比对称系数以及所述前足后足压力峰值比权重确定对称性指标；
在所述对称性指标满足预设条件时，判定所述待检测人员的步态异常。
8.一种步态检测装置，其特征在于，所述步态检测装置包括：
数据获取模块，用于获取待检测人员的足底压力数据以及发育程度等级；
数据预处理模块，用于对所述足底压力数据进行预处理，获得人体步态数据；
特征提取模块，用于对所述人体步态数据进行对称性特征提取，获得对称系数；
步态判断模块，用于根据所述发育程度等级和所述对称系数确定对称性指标，并根据所述对称性指标判断所述待检测人员的步态是否异常。
9.一种步态检测设备，其特征在于，所述步态检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的步态检测程序，所述步态检测程序配置为实现如权利要求1至7中任一项所述的步态检测方法。
10.一种存储介质，其特征在于，所述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执行时实现如权利要求1至7中任一项所述的步态检测方法。
CN202111077512.4A 2021-09-14 2021-09-14 步态检测方法、装置、设备及存储介质 Active CN113662535B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111077512.4A CN113662535B (zh) 2021-09-14 2021-09-14 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
CN202111077512.4A CN113662535B (zh) 2021-09-14 2021-09-14 步态检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113662535A true CN113662535A (zh) 2021-11-19
CN113662535B CN113662535B (zh) 2022-07-01

Family

ID=78549399

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111077512.4A Active CN113662535B (zh) 2021-09-14 2021-09-14 步态检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113662535B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104757976A (zh) * 2015-04-16 2015-07-08 大连理工大学 一种基于多传感器融合的人体步态分析方法和系统
CN108257352A (zh) * 2017-12-30 2018-07-06 广州柏颐信息科技有限公司 一种基于智能穿戴设备的跌倒检测预警方法
CN109938740A (zh) * 2019-03-08 2019-06-28 深圳大学 一种步态周期检测方法、装置及计算机可读存储介质
US20190269352A1 (en) * 2018-03-05 2019-09-05 International Business Machines Corporation Providing corrective feedback for gait modification
CN111329484A (zh) * 2020-02-24 2020-06-26 华南理工大学 基于足底压力信息时空域特征的糖尿病足风险预警装置
CN111568436A (zh) * 2020-05-29 2020-08-25 常州大学 一种基于回归旋转角的步态对称性评价方法
CN112244819A (zh) * 2020-11-10 2021-01-22 浙大宁波理工学院 基于足底压力阵列检测的儿童异常步态识别系统及方法
WO2021084614A1 (ja) * 2019-10-29 2021-05-06 日本電気株式会社 歩容計測システム、歩容計測方法、およびプログラム記録媒体
CN113274039A (zh) * 2021-05-19 2021-08-20 福州市第二医院（福建省福州中西医结合医院、福州市职业病医院） 一种基于表面肌电信号和运动信号的预测分类方法和装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104757976A (zh) * 2015-04-16 2015-07-08 大连理工大学 一种基于多传感器融合的人体步态分析方法和系统
CN108257352A (zh) * 2017-12-30 2018-07-06 广州柏颐信息科技有限公司 一种基于智能穿戴设备的跌倒检测预警方法
US20190269352A1 (en) * 2018-03-05 2019-09-05 International Business Machines Corporation Providing corrective feedback for gait modification
CN109938740A (zh) * 2019-03-08 2019-06-28 深圳大学 一种步态周期检测方法、装置及计算机可读存储介质
WO2021084614A1 (ja) * 2019-10-29 2021-05-06 日本電気株式会社 歩容計測システム、歩容計測方法、およびプログラム記録媒体
CN111329484A (zh) * 2020-02-24 2020-06-26 华南理工大学 基于足底压力信息时空域特征的糖尿病足风险预警装置
CN111568436A (zh) * 2020-05-29 2020-08-25 常州大学 一种基于回归旋转角的步态对称性评价方法
CN112244819A (zh) * 2020-11-10 2021-01-22 浙大宁波理工学院 基于足底压力阵列检测的儿童异常步态识别系统及方法
CN113274039A (zh) * 2021-05-19 2021-08-20 福州市第二医院（福建省福州中西医结合医院、福州市职业病医院） 一种基于表面肌电信号和运动信号的预测分类方法和装置

Also Published As

Publication number Publication date
CN113662535B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
US20180300791A1 (en) Method and system for recommending fitting footwear
US7089152B2 (en) System and method for assisting shoe selection
CN112437616B (zh) 无标记脚尺寸推断装置、方法以及计算机可读存储介质
US20190150796A1 (en) Walking state determination device, walking state determination system, walking state determination method, and storage medium
Ciniglio et al. The design and simulation of a 16-sensors plantar pressure insole layout for different applications: From sports to clinics, a pilot study
Ostadabbas et al. A knowledge-based modeling for plantar pressure image reconstruction
Merry et al. Classifying sitting, standing, and walking using plantar force data
Oliveira et al. Towards an efficient and robust foot classification from pedobarographic images
KR102111129B1 (ko) 발 아치부 유형 데이터 획득 시스템 및 이를 이용한 맞춤 인솔 제조방법
KR20170019984A (ko) 걸음유형분석장치 및 걸음유형분석방법
CN114343620A (zh) 目标步态体态评估方法、装置、设备及介质
JP7153495B2 (ja) 足状態分析方法
CN114648441B (zh) 根据动态足压分布进行鞋体设计的方法和装置
CN113662535B (zh) 步态检测方法、装置、设备及存储介质
EP3359036A1 (en) Generating orthotic product recommendations
CN114627345A (zh) 人脸属性的检测方法及装置、存储介质、终端
KR20210031178A (ko) 스마트 인솔을 통한 보행 데이터 분석 시스템
CN111354463A (zh) 人体健康测量方法、装置、计算机设备及存储介质
CN113658707A (zh) 一种足内翻角度检测建模方法及系统
CN111528852B (zh) 一种基于足底压力的步态检测方法及系统
KR102346095B1 (ko) 지능형 3d 모델 기초 방식의 발 건강 관리 시스템
KR101798955B1 (ko) 무지외반증을 포함한 발의 질병을 예방하기 위한 보행 패턴을 분석하는 장치 및 방법
CN112102951A (zh) 一种基于人体体态估计算法的健康监测方法和装置
CN113679380B (zh) 步态监测方法、装置、设备及存储介质
CN110706767A (zh) 数据处理方法、装置、设备及存储介质

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