CN114052718A - 步态评估系统及步态评估方法 - Google Patents

Abstract

本发明公开了一种步态评估系统及步态评估方法。步态评估系统包括步态评估装置，其经配置以：从压力检测装置取得用户行走在其上的多个压力数值；基于所述多个压力数值取得用户的多个步伐特征数值；基于肢体感测装置提供的感测数据取得用户行走在压力检测装置上时的多个行走肢体特征数值；基于所述多个步伐特征数值及所述多个行走肢体特征数值评估用户的步态。因此，本发明可让用户在进行少量的步行之后，即相应地掌握用户的健康状态。

Description

步态评估系统及步态评估方法

技术领域

本发明涉及一种人体评估技术，且尤其涉及一种步态评估方法及步态评估系统。

背景技术

随着出生率的降低和/或预期寿命的延长等趋势，世界上已有许多国家进入(超)高龄化社会。在与高龄人口相关的照护问题中，如何避免高龄人口跌倒已是相当重要的议题之一。

经研究，目前已知人们行走时步态的相关参数可用于预测日后出现跌倒的情形。例如，某人的正规化步幅(normalized stride length)可以用于预测此人在往后6个月或12个月内有无反复跌倒的情形发生。此外，走路速度较慢的人也具有较高的死亡率。另外，随着年龄的增长，人们躯干前倾的角度也会逐渐增加，而对于患有神经性疾病(例如帕金森氏症、阿兹海默症等)的人而言，其躯干角度还会出现前倾或侧向倾斜的情形。

因此，对于本领域技术人员而言，若能设计一种可以对人们的步态进行分析以判断人们的步态是否正常的机制，应能有助于掌握人们的健康状况，进而达到避免跌倒的效果。

发明内容

有鉴于此，本发明提供一种步态评估方法及步态评估系统，其可以用于解决上述技术问题。

本发明提供一种步态评估方法，其包括：由步态评估装置从一压力检测装置取得一用户行走于其上的多个压力数值，其中所述多个压力数值对应于用户的多个步伐；由步态评估装置基于所述多个压力数值取得用户的多个步伐特征数值；由步态评估装置基于肢体感测装置提供的感测数据取得用户行走于压力检测装置上时的多个行走肢体特征数值；由步态评估装置基于所述多个步伐特征数值及所述多个行走肢体特征数值评估用户的一步态。

本发明提供一种步态评估系统，包括步态评估装置，其经配置以：从一压力检测装置取得一用户行走于其上的多个压力数值，其中所述多个压力数值对应于用户的多个步伐；基于所述多个压力数值取得用户的多个步伐特征数值；基于肢体感测装置提供的感测数据取得用户行走于压力检测装置上时的多个行走肢体特征数值；基于所述多个步伐特征数值及所述多个行走肢体特征数值评估用户的一步态。

附图说明

包含附图以便进一步理解本发明，且附图并入本说明书中并构成本说明书的一部分。附图说明本发明的实施例，并与描述一起用于解释本发明的原理。

图1示意性示出了依据本发明的实施例的步态评估系统示意图。

图2A示意性示出了依据本发明第一实施例的步态评估系统示意图。

图2B示意性示出了依据图2A的另一步态评估系统示意图。

图3示意性示出了依据本发明第一实施例的筛选整合骨架图的示意图。

图4示意性示出了依据本发明第二实施例的压力检测装置示意图。

图5示意性示出了依据本发明的实施例的步态评估方法流程图。

图6示意性示出了依据本发明的实施例的数个步伐特征数值的示意图。

图7示意性示出了依据本发明的实施例的决定第一特定数值的多个参考基准的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

图1示意性示出了依据本发明的实施例的步态评估系统示意图。在图1中，步态评估系统100可包括步态评估装置110、压力检测装置120及肢体感测装置131～13Z(Z为正整数)。在不同的实施例中，步态评估装置110例如可以是各式计算机装置和/或智能型装置，但不限于此。

如图1所示，步态评估装置110可包括存储电路112和处理器114。存储电路112例如可以是任意型式的固定式或可移动式随机存取内存(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、闪存(Flash memory)、硬盘或其他类似装置或这些装置的组合，可以用于记录多个程序代码或模块。

处理器114耦接于存储电路112，可以为一般用途处理器、特殊用途处理器、传统的处理器、数字信号处理器、多个微处理器(microprocessor)、一个或多个结合数字信号处理器核心的微处理器、控制器、微控制器、特殊应用集成电路(Application SpecificIntegrated Circuit，ASIC)、现场可以程序门阵列电路(Field Programmable GateArray，FPGA)、任何其他种类的集成电路、状态机、基于进阶精简指令集机器(AdvancedRISC Machine，ARM)的处理器以及类似品。

在不同的实施例中，压力检测装置120可以实现为包括多个压力传感器的压力检测地垫，并可以用于让用户(例如是待进行步态评估的人)行走在其上，以检测用户的每一步伐施加在压力检测装置120上的压力分布情形或数值。

在一些实施例中，肢体感测装置131～13Z可以个别实现为一摄像机，用以拍摄用户行走在压力检测装置120上的行走影像。

图2A示意性示出了依据本发明第一实施例的步态评估系统示意图。在图2A中，压力检测装置120可以实现为一压力检测地垫，而用户199可以经要求而依行走方向D1而行走在压力检测装置120上。

在一实施例中，压力检测装置120可以包括呈现一维分布的多个压力传感器120a。在另一实施例中，压力检测装置120也可以包括呈现二维分布的多个压力传感器120b，但不限于此。在一些实施例中，上述压力检测地垫的长度可以大于等于3公尺，宽度可以大于等于0.4公尺。此外，在一些实施例中，上述压力检测地垫可以每50平方公分(或更小)设置一个压力传感器120a(或压力传感器120b)。在一些实施例中，上述压力检测地垫也可以每6.25平方公分设置一个压力传感器120a(或压力传感器120b)，但不限于此。

在第一实施例中，当用户199行走在压力检测装置120上时，分布在压力检测装置120上的各压力传感器即可以检测到对应在用户199的各步伐的多个压力数值PV，而压力检测装置120可以将这些压力数值PV提供在步态评估装置110，以供步态评估装置110作进一步的分析。

在第一实施例中，肢体感测装置131和132可以分别实现为第一摄像机和第二摄像机，其中第一摄像机可以用于拍摄用户199行走在压力检测装置120上时的第一行走影像IM1，而第二摄像机可以用于拍摄用户199行走在压力检测装置120上时的第二行走影像IM2。

如图2A所示，肢体感测装置131(即，第一摄像机)的取像方向可以相反于用户199的行走方向D1，从而拍摄用户199行走时的正面影像。另外，肢体感测装置132(即，第二摄像机)的取像方向可以垂直于用户199的行走方向D1，从而拍摄用户199行走时的侧面(例如右侧)影像。

在第一实施例中，对于第一摄像机和第二摄像机在第t个时间点(t为时间索引值)所取得的第一行走影像IM1和第二行走影像IM2，步态评估装置110可以分别在第一行走影像IM1和第二行走影像IM2中取得第一骨架图210和第二骨架图220。在本发明的实施例中，步态评估装置110可以基于任何已知的图像处理算法而分别在第一行走影像IM1和第二行走影像IM2中取得第一骨架图210和第二骨架图220，例如“Z.Cao,G.Hidalgo,T.Simon,S.-E.Wei and Y.Sheikh,“OpenPose:Realtime Multi-Person 2D Pose Estimation UsingPart Affinity Fields,”in IEEE Transactions on Pattern Analysis and MachineIntelligence,vol.43,no.1,pp.172-186,1Jan.2021”文献，但不限于此。

在第一实施例中，第一骨架图210和第二骨架图220例如可以对应于用户199在所述第t个时间点时的人体姿态，且其个别可以包括对应于用户199身上多个关节点的参考点(例如对应于用户199腕部的参考点210a)。

在一实施例中，步态评估装置110可以基于第一摄像机和第二摄像机之间的相对位置将第一骨架图210和第二骨架图220投影为第一整合骨架图，而相关的投影技术可以参考“Z.Cao,G.Hidalgo,T.Simon,S.-E.Wei and Y.Sheikh,“OpenPose:Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields,”in IEEE Transactions onPattern Analysis and Machine Intelligence,vol.43,no.1,pp.172-186,1Jan.2021”文献。

在一实施例中，此第一整合骨架图可以包括在所述第t个时间点的多个关节夹角(例如颈部夹角、肩部夹角、肘部夹角、腕部夹角、髋部夹角、膝部夹角及踝部夹角等)，其中这些关节夹角对应于用户199上的多个关节点(例如颈部、肩部、肘部、腕部、髋部、膝部及踝部等)。之后，步态评估装置110可以取得上述关节夹角的多个角度值，并以上述角度值作为用户199在所述第t个时间点的多个行走肢体特征数值。

在一些实施例中，在取得第一骨架图210、第二骨架图220和/或第一整合骨架图之后，步态评估装置110可以基于中值滤波器(median filter)或其他类似的降噪技术来将这些骨架图中的离群值(outlier)去除，并可以再通过快速傅利叶转换(Fast FourierTransform，FFT)将这些骨架图中的高频跳动去除。之后，步态评估装置110还可以再通过多项式拟合(polyfitting)将不同时间点的骨架图之间的移动进行平滑化，但不限于此。

图2B示意性示出了依据图2A的另一步态评估系统示意图。在图2B中，除了肢体感测装置131和132的取像方向与图2A不同之外，其余配置大致与图2A相同。

具体而言，在图2B中，肢体感测装置131(即，第一摄像机)和肢体感测装置132(即，第二摄像机)可以分别从用户199的斜前方拍摄用户199依行走方向D1行走在压力感测装置120上时的第一行走影像IM1和第二行走影像IM2。之后，步态评估装置110同样可以基于先前的启示而分别从第一行走影像IM1和第二行走影像IM2取得第一骨架图210和第二骨架图220，并将第一骨架图210和第二骨架图220投影为第一整合骨架图。

在一实施例中，当第一行走影像IM1及第二行走影像IM2中存在其他非用户199的人体时，可能使得步态评估装置110无法正确取得对应于用户199的整合骨架图。因此，本发明实施例可以通过特定的机制将非用户199的人体排除，从而提升步态评估的准确性。

在一实施例中，在取得第一整合骨架图之后，步态评估装置110可以进一步判断此第一整合骨架图是否满足一指定条件。若是，则步态评估装置110可以再取得上述关节夹角的多个角度值，并以上述角度值作为用户199在所述第t个时间点的多个行走肢体特征数值。

在一实施例中，步态评估装置110可以判断第一行走影像IM1和第二行走影像IM2中是否未包括对应于其他人体的骨架图。若是，即代表第一骨架图210和第二骨架图220即对应于当下所欲进行步态评估的人体(即，用户199)，故步态评估装置110可以相应地判定上述第一整合骨架满足指定条件。若否，此即代表第一行走影像IM1和第二行走影像IM2中存在对应于其他人体的骨架图，因此步态评估装置110可以作进一步的筛选，以找出实际对应于用户199的整合骨架图。相关细节将借助图3作进一步辅助说明。

图3示意性示出了依据本发明第一实施例的筛选整合骨架图的示意图。在本实施例中，假设在第t个时间点所取得的第一行走影像IM1和第二行走影像IM2如图3所示。

由图3可以看出，第一行走影像IM1中包括第一骨架图310和第三骨架图330，而第二行走影像IM2包括第二骨架图320和第四骨架图340，其中第一骨架图310和第二骨架图320对应于当下欲进行步态评估的用户，而第三骨架图330和第四骨架图330则对应于另一人体。

在此情况下，步态评估装置110可以将第一骨架图310和第二骨架图320投影为第一整合骨架图352，并将第三骨架图330和第四骨架图340投影为第二整合骨架图354。

接着，步态评估装置110可以取得第一整合骨架图352的第一投影误差和第二整合骨架图354的第二投影误差，并判断第一投影误差是否小于第二投影误差。

在图3情境中，假设第一投影误差经判定为小于第二投影误差，则步态评估装置110可以判定第一整合骨架图352满足指定条件，并可以取得第一整合骨架图352中的多个关节夹角的多个角度值。之后，步态评估装置110可以再以上述角度值作为用户199在所述第t个时间点的多个行走肢体特征数值。

在其他实施例中，反应于判定第一投影误差不小于第二投影误差，此即代表第一整合骨架图352并非对应于欲进行步态评估的人体，因此步态评估装置110可以判定第一整合骨架图352未满足指定条件。之后，步态评估装置110可以基于第二整合骨架图354取得用户199在所述第t个时间点的多个行走肢体特征数值。

即便第一实施例中的步态评估系统100被设置于非专用在进行步态检测的一般场域中，本发明实施例仍可以在排除其他无关的人体后，对欲进行步态评估的对象进行评估。因此，可以达到无感检测的效果。

在其他实施例中，图2A及图2B中的步态评估系统100还可以包括更多的摄像机，通过从不同的角度拍摄用户199的影像。在此情况下，步态评估装置199可以相应地得到更为准确的整合骨架图，但不限于此。

图4示意性示出了依据本发明第二实施例的压力检测装置示意图。在图4中，压力检测装置120可以实现为包括多个压力传感器的压力检测鞋垫。在一实施例中，压力检测装置120可以设置在用户199的鞋中，以供用户199穿戴并行走。在此情况下，所述压力检测鞋垫即可以在用户199行走时检测用户199的每一步伐的压力数值PV，并可以将各步伐对应的压力数值PV提供予于步态评估装置110。在第二实施例中，相关的测量手段可以参照”“S.J.M.Bamberg,A.Y.Benbasat,D.M.Scarborough,D.E.Krebs and J.A.Paradiso,"“GaitAnalysis Using a Shoe-Integrated Wireless Sensor System,"”in IEEETransactions on Information Technology in Biomedicine,vol.12,no.4,pp.413-423,July 2008”文献的内容，在此不另赘述。

在第三实施例中，肢体感测装置131～13Z也可以实现为可以穿戴在用户199身上的多个动态捕捉组件(例如惯性测量单元)，而这些动态捕捉组件例如可以分布于用户199身上的多个关节点(例如颈部、肩部、肘部、腕部、髋部、膝部及踝部等)，藉以因此捕捉这些关节点的移动情形。

举例而言，步态评估装置110可以在第t个时间点取得上述动态捕捉组件的多个三度空间位置，并依此建立上述动态捕捉组件在所述第t个时间点的空间分布图，其中所述第t个时间点的空间分布图可以包括对应在上述动态捕捉组件的多个参考点。

之后，步态评估装置110可以依据用户199身上关节点之间的相对位置将上述空间分布图中的参考点连接为用户199在所述第t个时间点的骨架图(其可以具有相似于图3的第一整合骨架图352的态样)，其中此骨架图可以包括上述关节点在所述第t个时间点的多个关节夹角。接着，步态评估装置110可以取得上述关节夹角的多个角度值，并以这些角度值作为用户199在所述第t个时间点的多个行走肢体特征数值。

在第三实施例中，通过上述动态捕捉组件进行检测的细节可以参照“Schlachetzki JCM,Barth J,Marxreiter F,Gossler J,Kohl Z,Reinfelder S,GassnerH,Aminian K,Eskofier BM,Winkler J,Klucken J.Wearable sensors objectivelymeasure gait parameters in Parkinson’s disease.PLoS One.2017Oct 11”和“QilongYuan,I.Chen and Ang Wei Sin,“Method to calibrate the skeleton model usingorientation sensors,”2013 IEEE International Conference on Robotics andAutomation,2013”等文献的内容，在此不另赘述。

在一实施例中，用户199身上的各关节点可以预设有对应的可动角度范围。在取得用户199在第t个时间点的骨架图之后，步态评估装置110可以判定此骨架图中的任一关节夹角的角度值是否未位于对应的可动角度范围内。若是，即代表当下的骨架图可能出现检测错误，因此步态评估装置110可以相应地舍弃第t个时间点的骨架图。

举例而言，假设肘关节对应的可动角度范围为30度至180度。在此情况下，若步态评估装置110判定第t个时间点的骨架图中肘关节的关节夹角小于30度或大于180度，则步态评估装置110可以相应地舍弃第t个时间点的骨架图，但不限于此。

在本发明的实施例中，处理器114可以存取存储电路112中记录的模块、程序代码来实现本发明提出的步态评估方法，其细节详述如下。

图5示意性示出了依据本发明的实施例的步态评估方法流程图。本实施例的方法可以由图1的步态评估系统100执行，以下即搭配图1所示的组件说明图5各步骤的细节。

首先，在步骤S510中，处理器114可以从压力检测装置120取得用户199行走在其上的多个压力数值PV。在不同的实施例中，处理器114取得压力数值PV的方式可以参照先前实施例中的说明，在此不另赘述。

在步骤S520中，处理器114可以基于所述多个压力数值PV取得用户199的多个步伐特征数值。在不同的实施例中，处理器114可以基于上述压力数值PV取得用户199的步速(gait speed)、步长(step length)、步幅(stride length)、步频(cadence)、步宽(stepwidth)、步行周期(gait cycle)、站立时间(stance time)、摆动时间(swing time)、压力中心(center of pressure)、移动轨迹、双脚同时站立(double support)时间、足压分布的至少其中之一作为上述步伐特征数值。

在一些实施例中，处理器114还可以基于上述压力数值PV取得用户199的步间变异系数(stride-to-stride variation)，其可以包括摆动时间变异系数、双脚同时站立时间变异系数、步长时间变异系数、步幅时间变异系数的至少其中之一，但不限于此。

在一些实施例中，用户199可以经要求而在压力检测装置120上执行一坐站起走测试(time up and go test，TUG)。在此情况下，处理器114还可以基于上述压力数值PV取得用户199在此坐站起走测试中的起身时间、转身时间、坐下时间、行走速度、行走时间、总运行时间的至少其中之一作为上述步伐特征数值的一部分，但不限于此。

图6示意性示出了依据本发明的实施例的数个步伐特征数值的示意图。由图6可以看出步长、步幅、步宽等名词之间的差异，而上述步伐特征数值的进一步细节可以参照“Pirker W,Katzenschlager R.Gait disorders in adults and the elderly:Aclinical guide.Wien Klin Wochenschr.2017；129(3-4):81-95.doi:10.1007/s00508-016-1096-4”和“Bohannon RW,Williams Andrews A.Normal walking speed:adescriptive meta-analysis.Physiotherapy.2011”等文献，在此不另赘述。

此外，基于压力数值PV得到上述步伐特征数值的细节可以参照“Yoo SD,Kim HS,Lee JH,Yun DH,Kim DH,Chon J,Lee SA,Han YJ,Soh YS,Kim Y,Han S,Lee W,HanYR.Biomechanical Parameters in Plantar Fasciitis Measured by Gait AnalysisSystem With Pressure Sensor.Ann Rehabil Med.2017Dec”和“Greene BR,O'Donovan A,Romero-Ortuno R,Cogan L,Scanaill CN,Kenny RA.Quantitative falls riskassessment using the timed up and go test.IEEE Trans Biomed Eng.2010Dec”等文献，在此不另赘述。

在步骤S530中，处理器114可以基于多个肢体感测装置131～13Z提供的感测数据取得用户199行走在压力检测装置上时的多个行走肢体特征数值。在不同的实施例中，处理器114基于肢体感测装置131～13Z提供的感测数据(例如第一行走影像IM1和第二行走影像IM2)取得上述行走肢体特征数值(例如，用户199身上多个关节夹角的多个角度值)的方式可以参照先前实施例中的说明，在此不另赘述。

接着，在在步骤S540中，处理器114可以基于所述多个步伐特征数值及所述多个行走肢体特征数值评估用户199的步态。在不同的实施例中，处理器114可以基于不同的方式来评估用户199的步态，以下将做进一步说明。

在第四实施例中，处理器114可以判断用户199的上述步伐特征数值及上述行走肢体特征数值是否未满足对应的第一统计性标准。反应于判定用户199的上述步伐特征数值及上述行走肢体特征数值中的Y者(Y为一指定数量)未满足对应的第一统计性标准，处理器114可以判定用户199的步态属于异常步态，反之则可以判定用户199的步态属于正常步态。

在不同的实施例中，上述步伐特征数值及上述行走肢体特征数值对应的第一统计性标准可以采用不同方式决定。

举例而言，一般60-69岁的男性平均步速经统计为1.34m/s，则当用户199为介于60～69岁的男性时，其步速对应的第一统计性标准即可以设定为1.34m/s。此外，由于健康老人的步速平均值经统计为1.1m/s至1.5m/s，因此当用户199为老人时，其步速对应的第一统计性标准可以设定为1.1m/s，但不限于此。

在一实施例中，一般人的正常步幅平均约为76-92cm，因此用户199的步幅对应的第一统计性标准可以设定为76cm，但不限于此。

基于相似于上述启示的概念，处理器114还可以基于相关的文献/统计数据(例如“Gong H,Sun L,Yang R,Pang J,Chen B,Qi R,Gu X,Zhang Y,Zhang TM.Changes ofupright body posture in the sagittal plane of men and women occurring withaging-a cross sectional study.BMC Geriatr.2019Mar5”、“Oeda T,Umemura A,TomitaS,Hayashi R,Kohsaka M,Sawada H.Clinical factors associated with abnormalpostures in Parkinson’s disease.PLoS One.2013 Sep 19”及“Schlachetzki JCM,Barth J,Marxreiter F,Gossler J,Kohl Z,Reinfelder S,Gassner H,Aminian K,Eskofier BM,Winkler J,Klucken J.Wearable sensors objectively measure gaitparameters in Parkinson's disease.PLoS One.2017 Oct 11”的内容)而相应地决定诸如步频、TUG时间、躯干倾斜角度、步间变异系数、脚跟着地角(heel strike angle)、脚趾离地角(toe-off angle)等步伐特征数值及行走肢体特征数值对应的第一统计标准。

例如，步频对应的第一统计性标准可以是1.2次/s，TUG时间对应的第一统计性标准可以是低于20秒。另外，躯干倾斜角度的第一统计性标准例如可以是前后或左右总倾角的平方和开根号需小于10度。步间变异系数的第一统计性标准例如可以是步长时间变异系数需小于4％、摆动时间变异系数需小于5％、双脚同时站立时间变异系数需小于8％、步幅时间变异系数需小于4％等，但不限于此。

此外，脚跟着地角的第一统计性标准例如可以是需大于20度，而脚趾离地角的第一统计性标准例如可以是需大于55度，但不限于此。

在一实施例中，当用户199属于包括多个成员的某个特定群体时，处理器114还可以基于此特定群体的特性来决定各步伐特征数值及行走肢体特征数值对应的第一统计标准。

举例而言，处理器114可以取得此特定群体的多个成员个别的多个参考步伐特征数值及多个参考行走肢体特征数值，并依此估计上述步伐特征数值和上述行走肢体特征数值个别的第一统计性标准。在一些实施例中，各成员的多个参考步伐特征数值及多个参考行走肢体特征数值可以对应于用户A的步伐特征数值和行走肢体特征数值。

举例而言，在取得对应于步幅的第一统计性标准时，处理器114可以取得各成员的步幅，再以各成员步幅的前90％作为步幅的第一统计性标准。在此情况下，当用户199的步幅落在所述特定群体的后10％时，处理器114即可以判定用户199的步幅未满足对应的第一统计性标准。针对其他的步伐特征数值及行走肢体特征数值，处理器114可以基于相似的原则决定对应的第一统计性标准，其细节在此不另赘述。

在一实施例中，处理器114还可以基于用户199先前所测得的历史步伐特征数值和历史行走肢体特征数值来决定各步伐特征数值和行走肢体特征数值对应的第一统计标准。

在一实施例中，处理器114可以取得用户199在前一次测试时测得的步伐特征数值及行走肢体特征数值作为用户199的多个历史步伐特征数值及多个历史行走肢体特征数值。之后，处理器114可以基于上述历史步伐特征数值及上述历史行走肢体特征数值个别的特定比率决定用户199的步伐特征数值及行走肢体特征数值个别的第一统计性标准。

举例而言，在决定用户199的步幅的第一统计性标准时，处理器114可以取得用户199前一次所测得的步幅(下称历史步幅)，并以此历史步幅的特定比率(例如90％)作为用户199的步幅的第一统计性标准。当处理器114判定用户199的步幅未满足对应的第一统计性标准时(例如用户199的步幅低于历史步幅的90％)，即代表用户199的步幅已出现一定程度的退步(例如已退步超过10％)，因此可以作为判定用户199的步态出现异常的依据。针对其他的步伐特征数值及行走肢体特征数值，处理器114可以基于相似的原则决定对应的第一统计性标准，其细节在此不另赘述。

在不同的实施例中，设计者可以根据需要而设定Y的数值。举例而言，当Y设定为1时，处理器114可以在用户199的上述步伐特征数值和上述行走肢体特征数值中的任意一个未满足对应的第一统计性标准即判定用户199的步态属于异常步态。另外，当Y设定为2时，处理器114可以在用户199的上述步伐特征数值和上述行走肢体特征数值中的任意两个未满足对应的第一统计性标准即判定用户199的步态属于异常步态，但不限于此。

在第五实施例中，处理器114可以从用户199的上述步伐特征数值和上述行走肢体特征数值中挑选N个特定数值，并依据各特定数值对应的K个参考基准将这些特定数值映射为多个映射值，其中N、K为正整数，且各映射值落于默认值域内。

之后，处理器114可以对这些映射值进行一加权运算，以取得一加权运算结果。接着，反应于判定此加权运算结果未满足第二统计性标准，处理器114可以判定用户199的步态属于异常步态，反之则可以判定用户199的步态属于正常步态，但不限于此。

在一实施例中，对于上述特定数值中的一第一特定数值而言，处理器114可以取得对应于此第一特定数值的参考平均值及参考差异因子，并依此估计对应于第一特定数值的所述多个参考基准。

在一实施例中，参考平均值可以表征为M，参考差异因子可以表征为S。在一实施例中，对应于第一特定数值的所述多个参考基准可以表征为M+iS，其中i为整数，i∈[-a,…,+a]，且a为正整数。

图7示意性示出了依据本发明的实施例的决定第一特定数值的多个参考基准的示意图。在图7中，假设a为2，因此所述多个参考基准可以分别为M-2S、M-S、M、M+S及M+2S，但不限于此。

基于图7的架构，处理器114即可以将第一特定数值映像为所述多个映射值中的第一映射值。在一实施例中，反应于判定第一特定数值介于第j个参考基准及第j+1个参考基准之间，处理器114可以判定第一映射值为j+1+b，其中1≤j≤K-1，b为常数。反应于判定第一特定数值小于第1个参考基准(例如M-2S)，处理器114可以判定第一映射值为1+b。反应于判定第一特定数值大于第K个参考基准(例如M+2S)，处理器114可以判定第一映射值为K+1+b。

为便于说明，以下假设b为0，但本发明不限于此。在此情况下，当第一特定数值小于第1个参考基准(例如M-2S)时，处理器114可以将第一特定数值映射为1。当第一特定数值介于第1个参考基准(即，M-2S)及第2个参考基准(即，M-S)之间时，处理器114可以将第一特定数值映射为2。当第一特定数值介于第2个参考基准(即，M-S)及第3个参考基准(即，M)之间时，处理器114可以将第一特定数值映射为3。当第一特定数值介于第3个参考基准(即，M)及第4个参考基准(即，M+S)之间时，处理器114可以将第一特定数值映射为4；当第一特定数值介于第4个参考基准(即，M+S)及第5个参考基准(M+2S)之间时，处理器114可以将第一特定数值映射为5。当第一特定数值大于第5个参考基准(例如M+2S)时，处理器114可以将第一特定数值映射为6，但不限于此。

在图7的情境中，可以看出第一映像值的默认值域可以是1+b、2+b、3+b、4+b、5+b及6+b。在其他实施例中，对于其他的特定数值而言，处理器114可以基于上述启示将这些特定数值个别映射为对应的映射值，且这些映射值可以与第一映射值具有相同的默认值域，但不限于此。

在不同的实施例中，处理器114可以基于不同的原则决定第一特定数值的参考平均值(即，M)及参考差异因子(即，S)。

举例而言，假设所考虑的第一特定数值为步速，则处理器114可以基于相关文献(例如“Bohannon RW,Williams Andrews A.Normal walking speed:a descriptive meta-analysis.Physiotherapy.2011 Sep”或“Studenski S,Perera S,Patel K,Rosano C,Faulkner K,Inzitari M,Brach J,Chandler J,Cawthon P,Connor EB,Nevitt M,VisserM,Kritchevsky S,Badinelli S,Harris T,Newman AB,Cauley J,Ferrucci L,GuralnikJ.Gait speed and survival in older adults.JAMA.2011Jan 5”)取得一般正常步速的平均值作为此第一特定数值的参考平均值，再以此平均值的特定比率作为参考差异因子。举例而言，假设上述特定比率为10％，则对应于步速的多个参考基准例如可以是M的80％、90％、100％、110％及120％，但不限于此。

举另一例而言，假设所考虑的第一特定数值为躯干前倾角度，则处理器114可以基于相关文献(例如“Gong H,Sun L,Yang R,Pang J,Chen B,Qi R,Gu X,Zhang Y,ZhangTM.Changes of upright body posture in the sagittal plane of men and womenoccurring with aging-a cross sectional study.BMC Geriatr.2019 Mar 5”)取得一般正常躯干前倾角度的平均值作为此第一特定数值的参考平均值，再以此平均值的特定比率作为参考差异因子。举例而言，假设上述特定比率为10％，则对应于躯干前倾角度的多个参考基准例如可以是M的80％、90％、100％、110％及120％，但不限于此。针对其他的第一特定数值，处理器114可以基于上述启示而决定对应的多个参考基准，其细节在此不另赘述。

在一些实施例中，处理器114还可以从上述特定群体中各成员的参考步伐特征数值及参考行走肢体特征数值找出对应于第一特定数值的第一参考数值。之后，处理器114可以再取得各成员的第一参考数值的平均值及标准偏差，并将此平均值及此标准偏差分别定义为第一特定数值的参考平均值(即，M)及参考差异因子(即，S)。

举例而言，假设第一特定数值为用户199的步幅，则处理器114可以找出各成员的步幅作为各成员的第一参考数值，并依此估计各成员的步幅的平均值及标准偏差。之后，处理器114可以以此平均值及标准偏差作为第一特定数值的参考平均值(即，M)及参考差异因子(即，S)，并依此决定对应于步幅的多个参考基准。

举另一例而言，假设第一特定数值为用户199的步速，则处理器114可以找出各成员的步速作为各成员的第一参考数值，并依此估计各成员的步速的平均值及标准偏差。之后，处理器114可以以此平均值及标准偏差作为第一特定数值的参考平均值(即，M)及参考差异因子(即，S)，并依此决定对应于步速的多个参考基准。

在取得所述N个特定数值的N个映射值之后，处理器114可以对这些映射值进行加权运算，以产生加权运算结果。在一实施例中，所述N个映射值个别的权重可以由设计者依需求而定。举例而言，假设所述N个特定数值为用户199的步速及躯干倾斜角度，则处理器114可以在将用户199的步速及躯干倾斜角度映射为对应的2个映射值之后，基于“P₁×W₁+P₂×W₂”的式子取得对应的加权运算结果，其中P₁、P₂分别是对应于步速及躯干倾斜角度的映射值，W₁、W₂是分别对应于P₁、P₂的权重(例如可以皆为50％)，但不限于此。

之后，处理器114可以判断此加权运算结果是否满足第二统计性标准。在一些实施例中，处理器114可以基于以下机制决定所述第二统计性标准。

举例而言，处理器114可以从上述特定群体的各成员的参考步伐特征数值及参考行走特征数值中取得对应于所述N个特定数值的N个参考数值。承上例，假设所考虑的N个特定数值为用户199的步速及躯干倾斜角度，则处理器114可以取得各成员的步速及躯干倾斜角度作为各成员的所述N个参考数值。

之后，处理器114可以依据各特定数值对应的参考基准将各成员的所述N个参考数值映射为多个参考映射值，其中各参考映射值落于上述默认值域内。在一实施例中，处理器114将各成员的所述N个参考数值映射为对应的多个参考映像值的方式可以参照处理器114将用户199的第一特定数值映像为对应的第一映像值的方式，故其细节在此不另赘述。

接着，处理器114可以对各成员的N个参考映射值进行加权运算，以产生各成员的参考加权运算结果。承上例，处理器114可以在将某成员的步速及躯干倾斜角度映射为对应的2个参考映射值之后，基于“P′₁×W₁+P′₂×W₂”的式子取得对应的参考加权运算结果，其中P′₁、P′₂分别是对应于所述某成员的步速及躯干倾斜角度的参考映射值。

之后，处理器114可以基于各成员的参考加权运算结果决定第二统计性标准。在一实施例中，处理器114可以采用各成员的参考加权运算结果的后90％作为第二统计性标准。在此情况下，反应于判定用户199的加权运算结果落于各成员的参考加权运算结果的后90％，处理器114可以判定用户199的加权运算结果满足第二统计性标准。另一方面，反应于判定用户199的加权运算结果落于各成员的参考加权运算结果的前10％，则处理器114可以判定用户199的加权运算结果未满足第二统计性标准，但不限于此。

在一实施例中，在判定用户199的步态属于异常步态的情况下，处理器114还可以进一步判定用户199的步态属于非神经性病变步态或神经性病变步态。

在一实施例中，处理器114可以判断用户199的步间变异系数是否满足一第三统计性标准。若是，则处理器114可以判定用户的199的步态属于神经性病变步态，反之则可以判定用户的步态属于非神经性病变步态。

在一实施例中，处理器114可以基于上述特定群体中各成员的步间变异系数决定上述第三统计性标准。举例而言，处理器114可以以各成员的步间变异系数的前70％作为上述第三统计性标准。在此情况下，反应于判定用户199的步间变异系数落于各成员的步间变异系数的前70％，处理器114可以判定用户199的步间变异系数满足第三统计性标准。另一方面，反应于判定用户199的步间变异系数落于各成员的步间变异系数的后30％，处理器114可以判定用户199的步间变异系数未满足第三统计性标准，但不限于此。

在一实施例中，反应于判定用户199的步态属于异常步态，处理器114还可以提供相应的赋能建议。

举例而言，假设用户199的步态属于非神经性病变步态(例如因O型腿、X型腿等原因所导致的步态异常)，处理器114可以提供对应于非神经性病变步态的肌力训练建议作为赋能建议。在一实施例中，上述肌力训练建议的内容可以基于相关的物理治疗文献(例如治疗O型腿、X型腿的肌力训练文献)给出，但不限于此。

另外，假设用户199的步态属于神经性病变步态(例如因帕金森氏症、阿兹海默症而引起的步态异常)，则处理器114可以提供对应于神经性病变步态的步态节奏训练建议作为赋能建议。上述步态节奏训练建议的内容可以参考“Pacchetti C.,Mancini F.,AglieriR.,Fundaro C.,Martignoni E.,Nappi G.,Active musictherapy in Parkinson’sdisease:An integrative method for motor and emotionalrehabilitation.PsychosomMed 2000；62(3):386–93”和“deDreu MJ.,van der Wilk AS.,Poppe E.,Kwakkel G.,vanWegen EE.,Rehabilitation,exercise therapy and music in patients withParkinson's disease:A meta-analysis of the effects of music-based movementtherapy on walking ability,balance and quality of life.ParkinsonismRelatDisord.2012；18Suppl 1:S114-9”等文献，但不限于此。

综上所述，本发明可以在通过压力检测装置及肢体感测装置取得用户行走时的步伐特征数值及行走肢体特征数值之后，整合这些特征数值以评估用户的步态。因此，本发明可以让用户在进行少量的步行之后，即相应地掌握用户的健康状态，进而让相关照护人员能够基于用户的健康状态采取相应的手段，从而达到避免用户出现跌倒等情形的效果。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (28)

1.一种步态评估方法，适于包括步态评估装置的步态评估系统，其特征在于，包括：

由所述步态评估装置从压力检测装置取得用户行走于其上的多个压力数值，其中所述多个压力数值对应于所述用户的多个步伐；

由所述步态评估装置基于所述多个压力数值取得所述用户的多个步伐特征数值；

由所述步态评估装置基于至少一肢体感测装置提供的感测数据取得所述用户行走于所述压力检测装置上时的多个行走肢体特征数值；

由所述步态评估装置基于所述多个步伐特征数值及所述多个行走肢体特征数值评估所述用户的步态。

2.根据权利要求1所述的方法，其中由所述步态评估装置基于所述多个压力数值取得所述用户的所述多个步伐特征数值的步骤包括：

基于所述多个压力数值取得所述用户的步长、步速、步幅、步频、步宽、步行周期、站立时间、摆动时间、压力中心、移动轨迹、双脚同时站立时间、足压分布及步间变异系数的至少其中之一作为所述多个步伐特征数值。

3.根据权利要求1所述的方法，其中所述用户经要求而在所述压力检测装置上执行坐站起走测试(time up and go test，TUG)，且由所述步态评估装置基于所述多个压力数值取得所述用户的所述多个步伐特征数值的步骤包括：基于所述多个压力数值取得所述用户在所述坐站起走测试中的起身时间、转身时间、坐下时间、行走速度、行走时间、总运行时间的至少其中之一作为所述多个步伐特征数值。

4.根据权利要求1所述的方法，其中所述至少一肢体感测装置包括穿戴于所述用户身上的多个动态捕捉组件，且所述多个动态捕捉组件分布于所述用户身上的多个关节点，其中由所述步态评估装置基于所述至少一肢体感测装置提供的感测数据取得所述用户行走于所述压力检测装置上时的所述多个行走肢体特征数值的步骤包括：

在第t个时间点取得所述多个动态捕捉组件的多个三度空间位置作为所述多个感测数据，并依此建立所述多个动态捕捉组件在所述第t个时间点的空间分布图，其中所述第t个时间点的所述空间分布图包括对应于所述多个动态捕捉组件的多个参考点；

依据所述多个关节点之间的相对位置将所述空间分布图中的所述多个参考点连接为所述用户在所述第t个时间点的骨架图，其中所述骨架图包括所述多个关节点在所述第t个时间点的多个关节夹角；

取得所述多个关节夹角的多个角度值，并以所述多个角度值作为所述用户在所述第t个时间点的所述多个行走肢体特征数值。

5.根据权利要求1所述的方法，其中各所述关节点预设有对应的可动角度范围，且所述方法还包括：

反应于判定所述多个关节夹角之一者的角度值未位于对应的所述可动角度范围内，舍弃所述用户在所述第t个时间点的所述骨架图。

6.根据权利要求1所述的方法，其中所述至少一肢体感测装置至少包括具有不同取像范围的第一摄像机及第二摄像机，其中由所述步态评估装置基于所述至少一肢体感测装置提供的感测数据取得所述用户行走于所述压力检测装置上时的所述多个行走肢体特征数值的步骤包括：

在第t个时间点取得所述第一摄像机拍摄的所述用户行走于所述压力检测装置上时的第一行走影像，并取得所述第一行走影像中的第一骨架图；

在所述第t个时间点取得所述第二摄像机拍摄的所述用户行走于所述压力检测装置上时的第二行走影像，并取得所述第二行走影像中的第二骨架图，其中所述第一骨架图及所述第二骨架图对应于第一人体；

基于所述第一摄像机及所述第二摄像机之间的相对位置将所述第一骨架图及所述第二骨架图投影为第一整合骨架图，且所述第一整合骨架图包括在所述第t个时间点的多个关节夹角，其中所述多个关节夹角对应于所述第一人体上的多个关节点；

反应于判定所述第一整合骨架图满足指定条件，取得所述多个关节夹角的多个角度值，并以所述多个角度值作为所述用户在所述第t个时间点的所述多个行走肢体特征数值。

7.根据权利要求6所述的方法，其中反应于判定所述第一行走影像及所述第二行走影像未分别包括对应于第二人体的第三骨架图及第四骨架图，判定所述第一整合骨架图满足所述指定条件。

8.根据权利要求5所述的方法，还包括：

反应于判定所述第一行走影像及所述第二行走影像还分别包括所述第三骨架图及所述第四骨架图，基于所述第一摄像机及所述第二摄像机之间的所述相对位置将所述第三骨架图及所述第四骨架图投影为第二整合骨架图；

取得所述第一整合骨架图的第一投影误差及所述第二整合骨架图的第二投影误差；

反应于判定所述第一投影误差小于所述第二投影误差，判定所述第一整合骨架图满足所述指定条件；

反应于判定所述第一投影误差不小于所述第二投影误差，判定所述第一整合骨架图未满足所述指定条件，并基于所述第二整合骨架图取得所述用户在所述第t个时间点的所述多个行走肢体特征数值。

9.根据权利要求1所述的方法，其中由所述步态评估装置基于所述多个步伐特征数值及所述多个行走肢体特征数值评估所述用户的所述步态的步骤包括：

由所述步态评估装置基于所述多个步伐特征数值及所述多个行走肢体特征数值评估所述用户的所述步态涉及正常步态或异常步态，其中所述异常步态包括非神经性病变步态或神经性病变步态。

10.根据权利要求9所述的方法，其中反应于判定所述用户的所述步态涉及所述非神经性病变步态或所述神经性病变步态，提供赋能建议。

11.根据权利要求10所述的方法，其中反应于判定所述用户的所述步态涉及所述非神经性病变步态，提供对应于所述非神经性病变步态的肌力训练建议作为所述赋能建议。

12.根据权利要求10所述的方法，其中反应于判定所述用户的所述步态涉及所述神经性病变步态，提供对应于所述神经性病变步态的步态节奏训练建议作为所述赋能建议。

13.根据权利要求9所述的方法，其中由所述步态评估装置基于所述多个步伐特征数值及所述多个行走肢体特征数值评估所述用户的所述步态涉及所述正常步态或所述异常步态的步骤包括：

反应于判定所述用户的所述多个步伐特征数值及所述多个行走肢体特征数值中的Y者未满足对应的第一统计性标准，判定所述用户的所述步态涉及所述异常步态，其中Y为指定数量。

14.根据权利要求13所述的方法，其中所述用户涉及特定群体，且所述方法包括：

取得所述特定群体的多个成员个别的多个参考步伐特征数值及多个参考行走肢体特征数值，并依此估计所述多个步伐特征数值及所述多个行走肢体特征数值个别的所述第一统计性标准。

15.根据权利要求13所述的方法，还包括：

取得所述用户的多个历史步伐特征数值及多个历史行走肢体特征数值，其中所述多个历史步伐特征数值及所述多个历史行走肢体特征数值对应于所述用户的所述多个步伐特征数值及所述多个行走肢体特征数值；

基于所述多个历史步伐特征数值及所述多个历史行走肢体特征数值个别的特定比率决定所述多个步伐特征数值及所述多个行走肢体特征数值个别的所述第一统计性标准。

16.根据权利要求9所述的方法，其中由所述步态评估装置基于所述多个步伐特征数值及所述多个行走肢体特征数值评估所述用户的所述步态涉及所述正常步态或所述异常步态的步骤包括：

从所述多个步伐特征数值及所述多个行走肢体特征数值挑选N个特定数值，并依据各所述特定数值对应的K个参考基准将所述多个特定数值映射为多个映射值，其中N、K为正整数，且各所述映射值落于默认值域内；

对所述多个映射值进行加权运算，以取得加权运算结果；

反应于判定所述加权运算结果未满足第二统计性标准，判定所述用户的所述步态涉及所述异常步态。

17.根据权利要求16所述的方法，其中所述多个特定数值包括第一特定数值，且所述方法包括：

取得对应于所述第一特定数值的参考平均值及参考差异因子，并依此估计对应于所述第一特定数值的所述多个参考基准。

18.根据权利要求17所述的方法，其中所述多个特定数值包括第一特定数值，所述用户涉及特定群体，所述特定群体包括多个成员，且各所述成员具有多个参考步伐特征数值及多个参考行走肢体特征数值，且所述方法包括：

从各所述成员个别的所述多个参考步伐特征数值及所述多个参考行走肢体特征数值找出对应于所述第一特定数值的第一参考数值；

取得各所述成员的所述第一参考数值的平均值及标准偏差，并将所述平均值及所述标准偏差分别定义为所述第一特定数值的所述参考平均值及所述参考差异因子。

19.根据权利要求17所述的方法，其中所述多个映射值包括对应于所述第一特定数值的第一映射值，所述参考平均值表征为M，所述参考差异因子表征为S，且对应于所述第一特定数值的所述多个参考基准表征为M+iS，其中i为整数，i∈[-a,…,+a]，且a为正整数，且所述方法包括：

反应于判定所述第一特定数值介于所述多个参考基准中的第j个参考基准及第j+1个参考基准之间，判定所述第一映射值为j+1+b，其中1≤j≤K-1，b为常数；

反应于判定所述第一特定数值小于所述多个参考基准中的第1个参考基准，判定所述第一映射值为1+b；以及

反应于判定所述第一特定数值大于所述多个参考基准中的第K个参考基准，判定所述第一映射值为K+1+b。

20.根据权利要求16所述的方法，其中所述用户涉及特定群体，所述特定群体包括多个成员，且各所述成员具有多个参考步伐特征数值及多个参考行走肢体特征数值，且所述方法包括：

从各所述成员的所述多个参考步伐特征数值及所述多个参考行走特征数值取得对应于所述多个特定数值的N个参考数值；

依据各所述特定数值对应的所述多个参考基准将各所述成员的所述多个参考数值映射为多个参考映射值，其中各所述参考映射值落于所述默认值域内；

对各所述成员的所述多个参考映射值进行所述加权运算，以产生各所述成员的参考加权运算结果；以及

基于各所述成员的所述参考加权运算结果决定所述第二统计性标准。

21.根据权利要求1所述的方法，其中所述多个步伐特征数值及所述多个行走肢体特征数值包括步间变异系数，且所述方法包括：

反应于判定所述用户的所述步态属于异常步态，且所述步间变异系数满足第三统计性标准，判定所述用户的所述步态属于神经性病变步态。

22.根据权利要求21所述的方法，其中所述用户属于特定群体，所述特定群体包括多个成员，且各所述成员具有对应的所述步间变异系数，且所述方法包括：

基于各所述成员的所述步间变异系数决定所述第三统计性标准。

23.一种步态评估系统，其特征在于，包括：

步态评估装置，其经配置以：

从压力检测装置取得用户行走于其上的多个压力数值，其中所述多个压力数值对应于所述用户的多个步伐；

基于所述多个压力数值取得所述用户的多个步伐特征数值；

基于至少一肢体感测装置提供的感测数据取得所述用户行走于所述压力检测装置上时的多个行走肢体特征数值；

基于所述多个步伐特征数值及所述多个行走肢体特征数值评估所述用户的步态。

24.根据权利要求23所述的系统，还包括所述压力检测装置及所述至少一肢体感测装置。

25.根据权利要求23所述的系统，其中所述压力检测装置包括穿戴于所述用户的足部的压力检测鞋垫，其中所述压力检测鞋垫检测所述用户的所述多个步伐的所述多个压力数值。

26.根据权利要求23所述的系统，所述压力检测装置包括分布有多个压力传感器的压力检测地垫，其中所述压力检测地垫通过所述多个压力传感器检测所述用户的所述多个步伐的所述多个压力数值。

27.根据权利要求23所述的系统，其中所述至少一肢体感测装置包括穿戴于所述用户身上的多个动态捕捉组件，且所述多个动态捕捉组件分布于所述用户身上的多个关节点，其中所述步态评估装置经配置以：

在第t个时间点取得所述多个动态捕捉组件的多个三度空间位置作为所述多个感测数据，并依此建立所述多个动态捕捉组件在所述第t个时间点的空间分布图，其中所述第t个时间点的所述空间分布图包括对应于所述多个动态捕捉组件的多个参考点；

依据所述多个关节点之间的相对位置将所述空间分布图中的所述多个参考点连接为所述用户在所述第t个时间点的骨架图，其中所述骨架图包括所述多个关节点在所述第t个时间点的多个关节夹角；

取得所述多个关节夹角的多个角度值，并以所述多个角度值作为所述用户在所述第t个时间点的所述多个行走肢体特征数值。

28.根据权利要求23所述的系统，其中所述至少一肢体感测装置至少包括具不同取像范围的第一摄像机及第二摄像机，且所述步态评估装置经配置以：

在第t个时间点取得所述第一摄像机拍摄的所述用户行走于所述压力检测装置上时的第一行走影像，并取得所述第一行走影像中的第一骨架图；

在所述第t个时间点取得所述第二摄像机拍摄的所述用户行走于所述压力检测装置上时的第二行走影像，并取得所述第二行走影像中的第二骨架图，其中所述第一骨架图及所述第二骨架图对应于第一人体；

基于所述第一摄像机及所述第二摄像机之间的相对位置将所述第一骨架图及所述第二骨架图投影为第一整合骨架图，且所述第一整合骨架图包括在所述第t个时间点的多个关节夹角，其中所述多个关节夹角对应于所述第一人体上的多个关节点；

反应于判定所述第一整合骨架图满足指定条件，取得所述多个关节夹角的多个角度值，并以所述多个角度值作为所述用户在所述第t个时间点的所述多个行走肢体特征数值。

Images