CN116350215A - 一种基于惯性传感器的步态分析方法 - Google Patents
一种基于惯性传感器的步态分析方法 Download PDFInfo
- Publication number
- CN116350215A CN116350215A CN202310631042.4A CN202310631042A CN116350215A CN 116350215 A CN116350215 A CN 116350215A CN 202310631042 A CN202310631042 A CN 202310631042A CN 116350215 A CN116350215 A CN 116350215A
- Authority
- CN
- China
- Prior art keywords
- time
- alignment
- moment
- bipedal
- inertial
- 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
Links
- 230000005021 gait Effects 0.000 title claims abstract description 70
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 210000002683 foot Anatomy 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000006073 displacement reaction Methods 0.000 claims abstract description 17
- 239000004973 liquid crystal related substance Substances 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 210000003423 ankle Anatomy 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000026676 system process Effects 0.000 claims description 3
- 210000003141 lower extremity Anatomy 0.000 abstract description 13
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000001360 synchronised effect Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 206010017577 Gait disturbance Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003319 supportive effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000004067 Flatfoot Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本申请公开了一种基于惯性传感器的步态分析方法。本方法包括:通过安装在用户双脚上的惯性传感器获取IMU数据;通过磁力计检测到双足对线发生时刻,并由该时刻在左右脚支撑时段和摆动时段中所处的时间点,得到双足对线的时间参数;对IMU数据进行惯性解算,获得摆动脚的随时间变化的位移轨迹,并基于双足对线时刻摆动脚在该位移轨迹上所处的位置点,得到双足对线的空间参数。本方法通过测量并输出用户在行走时双足对线瞬间的空间和时间域的相关描述参数,可有效建立双下肢协调运动数据,对实时全面监测双下肢同期运动状况提供了依据,为精准步态评估提供了新标准和新方法。
Description
技术领域
本申请涉及可穿戴传感器及康复医学交叉的技术领域,尤其涉及一种基于惯性传感器的步态分析方法。
背景技术
作为运动学重要分析方法,人体步态分析研究个体步行时其肢体运动的时间及空间变化规律。通过对步态周期特征信息的客观分析,揭示个体步态异常的关键环节及影响因素,为临床工作者提供相关诊疗及康复的评估数据,在骨科疾病、脑卒中、帕金森等下肢功能障碍的预警、治疗及康复监测中起到重要作用。步态分析是临床重要的定性观察指标,因其方便易行,目前已被广泛应用。为了方便观察,国内外专家将个体步态周期分为不同时期,一般包括摆动相和支撑相,并可进一步细分,例如四期分析法及RLA八分法(参见图1)。目前常用步态分析的定性观察,往往依赖于临床医生的主观经验,但在异常步态发生率不高或者步态存在潜在细微异常时,仅凭临床医生在治疗过程中的肉眼观察很难发现问题。大型步态分析系统的发展,开启了步态定量分析时代,如基于多个摄像机/红外光点捕捉器的三维运动捕捉系统(动捕系统)及仪器化的步态步道。但由于价格昂贵及需要专用布设空间进行动作捕捉等限制,尚不能实现在医疗需求场所的普及。近年来,相关领域学者探讨了基于多种传感器的便携式可穿戴步态分析设备,尝试在实时日常模式下进行步态数据收集,从而使得为个体步态识别提供客观量化分析成为可能,如常见的足底压力传感器(压力鞋垫),基于压力信号的步态检测可采集足部与地面接触时的数据,即单侧下肢支撑相步态数据。惯性传感器的发展使得基于惯性测量单元(IMU,即三轴加速度计和三轴陀螺仪)的可穿戴步态检测方案具有更低成本及更小规模的优势,成为临床研究中使用广泛的可穿戴健康设备设计。现有基于惯性传感器的步态分析设备,大多是依据加速度、角速度等传感器原始信号对单侧下肢(左侧或右侧)的步态进行各自信息收集及分析,借鉴RLA八分法等步态周期的定义,形成便于传感器测量的步态时相,如脚跟着地、脚尖着地、脚跟离地、脚尖离地、及摆动中点的步态时相,从而实现对步态时相的粗略但有效的识别。
前人相关技术如下:
中国专利文献CN114224325A的发明中提及一种利用惯性传感器计算关节力矩和角度的步态分析系统,依据加速度计及陀螺仪数据,利用深度学习网络,计算得出关节角度、地反力和关节力矩等步态信息。该发明提取实时步态信息,对运动评定指导有一定的借鉴意义,但未对惯性传感器数据进行导航解算,故无法获得更具临床使用价值的肢体位移、速度、姿态角等更直观的步态数据信息,这可能也是该专利不得不使用深度学习算法的原因。
中国专利文献CN115644858A的发明中提及一种基于多传感器数据融合技术的穿戴式智能化步态分析仪,运用惯性测量单元及足底薄膜压力传感器,采集下肢运动信息,并采用深度神经网络智能算法界定八个步态相位阶段。该发明通过深度学习方法将所有传感器采集到的数据送到网络模型进行处理,对不同疾病的不同功能障碍阶段的步态分析都需要专门训练不同网络模型,难以泛化使用,临床实际应用存在一定的难度。
中国专利文献CN114440883A的发明中提及一种基于脚部和腿部微惯性测量单元的行人定位方法,依据脚跟脚尖加速度的不同将步态周期分为站立阶段、摆动前阶段、摆动阶段、和摆动后阶段四个步态时相。例如,摆动前阶段的运动学特征是以脚尖为支点的摆动动作,当系统处于摆动前阶段时,脚跟处的加速度大于脚尖处,为获得较为准确的实时定位信息提供依据。该专利虽然对摆动时相进行了一定的界定,但在摆动相过程中,即脚跟脚尖保持加速度基本一致的情况下,无法对摆动相的步态改变进行检测和细分。另外,其步态周期的四阶段分法与传统临床使用的步态周期阶段概念存在一定分歧(如该发明中界定的摆动后阶段包含了RLA分法中的首次着地及负荷反应期,在传统步态分析中属于支撑/站立阶段),在后期临床应用中可能存在混淆和不兼容的情况。
中国专利文献CN114489073A的发明中提及基于步可穿戴传感器的步态分析与异常检测方法,通过提出基于数据融合技术的零速度区间检测方法,将步态周期划分为脚跟撞击、平足、脚跟离地、摆动阶段四个步态时相。同样,中国专利文献CN115530815A的发明中提及通过采集角速度信号及足底压力信号,将步态周期划分为承重反应期、支撑相中期、支撑相末期及摆动相四个步态时相。这两个专利都对传统步态周期中的支撑相进行了相应细化,但是尚不能满足当前临床上对摆动阶段步态细分及双足协调检测的需求。
综上,目前已有的相关技术和方法采用的多为惯性传感器的原始数据,没有进行导航解算以获得下肢各部分的位移、速度、姿态角等更直观和细致的步态信息;同时,由于只进行单侧下肢各自信息的采集和分析,忽视了双侧下肢协调及功能代偿的影响在步态异常康复中的作用。因此,在步态分析技术中,监测双下肢协调活动关系参数对步态异常的康复评估及干预效果评价有着重要意义。
发明内容
有鉴于此,本申请提供一种基于惯性传感器的步态分析方法,能够准确获得用户在行走时双足对线瞬间的步态空间参数和时间参数。
本申请提供一种基于惯性传感器的步态分析方法,包括:
通过安装在用户双脚上的惯性传感器获取IMU数据;
当通过磁力计检测到双足对线发生时刻,并由该发生时刻在左右脚支撑时段和摆动时段中所处的时间点得到双足对线的时间参数,所述时间参数包括支撑相时间参数和摆动相时间参数;
对所述IMU数据进行惯性解算,获得摆动脚的随时间变化的位移轨迹;
根据所述位移轨迹,并基于所述双足对线时刻摆动脚在该位移轨迹上所处的位置点,得到双足对线的空间参数。
可选地,通过磁力计检测到双足对线发生,具体为:
当磁力计信号变化达到预定程度时,确定双足对线发生。
可选地,得到双足对线的时间参数,包括:
基于所述IMU数据的波动情况,检测出支撑相的起止时刻和摆动相的起止时刻;
根据所述起止时刻,将双足对线发生时刻分别处于支撑时段和摆动时段中的时间点确定为时间参数。
其中,为双足对线发生时刻,/>为双足对线之前的摆动相的起始时刻,/>为双足对线之后的摆动相的终止时刻,/>为双足对线时刻与摆动相起始时刻的时间差,/>为摆动相终止时刻与摆动相起始时刻的时间差(即摆动时段长度),/>为摆动脚从摆动相起始时刻到双足对线时刻的时间差占整个摆动时段长度的比值。
可选地,所述惯性解算通过预设惯性解算模型来实现,该惯性解算模型由如下公式表示,
可选地,采用所述惯性解算模型进行惯性解算的过程中,还包括对支撑脚上的IMU在支撑时段内的惯性解算模型进行零速修正,所述零速修正通过以下公式表示,
式中,为系统状态,/>、/>、/>、/>和/>分别为惯性导航解算结果的位置误差、速度误差、姿态误差、加速计零偏和陀螺仪零偏;/>为状态转移矩阵;/>为惯性导航解算的速度向量;/>为零向量且维度为3×1;/>为量测矩阵;/>为系统过程噪声,/>为量测噪声,且二者均假设为互不相关的零均值高斯白噪声;/>为加速度计的相关时间,/>为陀螺仪的相关时间。
其中,为双足对线时刻与摆动相起始时刻的平面距离,/>为摆动脚的跨步长度,/>为摆动脚从摆动相起始时刻到双足对线时刻的平面距离占整个摆动相跨步长度的比值,/>为双足对线时刻摆动脚在x坐标轴的分量,/>为双足对线时刻摆动脚在y坐标轴的分量,/>为该双足对线时刻对应的摆动脚在运动轨迹上的平面位置。
可选地,所述惯性传感器安装在双脚的鞋子或脚踝上。
可选地,所述磁力计配备有磁铁,所述磁铁安装在磁力计所在脚的另一脚上。
以上提供的基于惯性传感器的步态分析方法,通过测量并输出用户在行走时双足对线瞬间的空间和时间域的相关描述参数,可有效建立双下肢协调运动数据,对实时全面监测双下肢同期运动状况提供了依据,为精准步态评估提供了新标准和新方法。而且,该步态参数检测基于现有惯性传感器的惯性导航解算和多源数据融合算法,能够最大限度地发挥传感器的运动感知能力,精准地解算出下肢各部分的位移、速度和角度等信息的连续变化,从而精确提取出丰富的步态参数。
与相关技术相比,本申请具有如下优点:
该步态参数检测基于现有惯性传感器的惯性导航解算和多源数据融合算法,能够最大限度地发挥传感器的运动感知能力,提供丰富完备的步态参数数据。
该方法简单易行,设备小巧便宜,使用不受空间限制并能够连续监测,具有很高的实用性及较好的推广前景。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其它有益效果显而易见。
图1为本申请实施例提供的双足对线点的示意图。
图2为本申请实施例提供的磁力计、惯性传感器安装的示意图。
具体实施方式
下面将结合本申请实施例,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接或可以相互通讯;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
下文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本申请。此外,本申请可以在不同例子中重复参考数字和参考字母,这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施方式和设置之间的关系。此外,本申请提供了的各种特定的工艺和材料的例子,但是本领域普通技术人员可以意识到其他工艺的应用和其他材料的使用。
如文本所用,双足对线参数的定义如下:
本文所提及双足对线参数是基于已被公知的RLA八分法,RLA八分法中对于摆动相、支撑相等作出过明确界定或表示,参见“任珊,肖品圆.康复评定技术[M].长沙:中南大学出版社.2020”、或者“姜淑云(主译). 步态分析正常和病理功能[M][第2版].上海:上海科学技术出版社.2017”,又或者参见“南登崑,黄晓琳.实用康复医学[M].北京:人民卫生出版社.2009.”,这些现有技术文献。
参考图1,RLA八分法中,摆动初期及摆动中期的转换点可被称之为双足对线(right and left foot aligned),即双脚在前进方向垂直线上的重合。双足对线参数是指左右脚对齐时刻(瞬间)在步态周期中的位置,具体包括:1、双足对线时刻在一个步行周期中的时间点(时间参数,包含在支撑相中的时间点和在摆动相中的时间点这两个参数);2、双足对线时刻的摆动脚在摆动相前进距离(即跨步长度)上的位置(空间参数)。
本申请实施例所公开的基于惯性传感器的步态分析方法,包括以下步骤:
S1、参考图2,安装惯性传感器。
左右脚鞋子上(或脚踝上)各装一套惯性传感器(即惯性测量单元,IMU)和磁力计,并在其中一侧安装一块磁铁(或两侧都装),同步采集用户左右脚的IMU数据和磁力计数据。
应当补充的是,IMU数据是惯性传感器输出信号在不同时刻对应的一系列瞬时值,具体采样时刻取决于惯性传感器的采集间隔周期;同步采集是指给所有采样数据赋予共同的时标。
S2 惯性导航解算。
对采集的用户IMU数据进行惯导解算,具体包括对每只脚上的IMU数据进行经典惯导解算。计算出每只脚每时每刻的位移、速度、姿态角,获得位移随着时间的变化,即为运动轨迹数据。惯导解算通过以下公式来表示:
在惯性解算过程中还辅以该脚处于支撑相时对IMU惯性解算结果进行零速修正,从而有效缓解低成本惯导的误差发散,零速修正计算每个历元惯性解算结果的位移误差、速度误差、姿态角误差的具体模型如下:
式中,式中,为系统状态,/>、/>、/>、/>和/>分别为惯性导航解算结果的位置误差、速度误差、姿态误差、加速计零偏和陀螺仪零偏;/>为状态转移矩阵;/>为惯性导航解算的速度向量;/>为零向量(即零速观测)且维度为3×1;为量测矩阵;/>为系统过程噪声,/>为量测噪声,且二者均假设为互不相关的零均值高斯白噪声;/>为加速度计零偏的相关时间,/>为陀螺仪零偏的相关时间。
S3 双足对线的确定,即当磁力计信号变化达到预定程度时,确定双足对线发生。
S4 双足对线的时间参数提取。
从当前支撑脚上的IMU数据能够提取出该脚支撑相的起止时刻(即起始时刻、终止时刻,二者构成时间区间),同时用摆动脚上的IMU数据检测出该脚摆动相的起止时刻(即起始时刻、终止时刻,二者构成时间区间),确定出双足对线时刻发生在支撑相、摆动相内的时间点,将双足对线时刻发生在支撑相内的时间点界定为支撑相时间参数,将双足对线时刻发生在摆动相内的时间点界定为摆动相时间参数,支撑相时间参数和摆动相时间参数统称为时间参数。
其中,为双足对线发生时刻,/>为双足对线之前的摆动相的起始时刻,/>为双足对线之后的摆动相的终止时刻,/>为双足对线时刻与摆动相起始时刻的时间差,/>为摆动相终止时刻与摆动相起始时刻的时间差(即摆动时段长度),/>为摆动脚从摆动相起始时刻到双足对线时刻的时间差占整个摆动相时间区间的比值。
S5、双足对线的空间参数提取。
其中,为双足对线时刻与摆动相起始时刻的平面距离,/>为摆动脚的跨步长度,/>为摆动脚从摆动相起始时刻到双足对线时刻的平面距离占整个摆动相跨步长度的比值,/>为双足对线时刻摆动脚在x坐标轴的分量,/>为双足对线时刻摆动脚在y坐标轴的分量,/>为该双足对线时刻对应的摆动脚在运动轨迹上的平面位置,如图1所示。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。
Claims (9)
1.一种基于惯性传感器的步态分析方法,其特征在于,包括:
通过安装在用户双脚上的惯性传感器获取IMU数据;
通过磁力计检测到双足对线发生时刻,并由该发生时刻在左右脚支撑时段和摆动时段中所处的时间点得到双足对线的时间参数,所述时间参数包括支撑相时间参数和摆动相时间参数;
对所述IMU数据进行惯性解算,获得摆动脚的随时间变化的位移轨迹,并基于所述双足对线时刻摆动脚在该位移轨迹上所处的位置点,得到双足对线的空间参数。
2.根据权利要求1所述基于惯性传感器的步态分析方法,其特征在于,通过磁力计检测到双足对线发生,具体为:
当磁力计信号变化达到预定程度时,确定双足对线发生。
3.根据权利要求1所述基于惯性传感器的步态分析方法,其特征在于,得到双足对线的时间参数,包括:
基于所述IMU数据的波动情况,检测出支撑相的起止时刻和摆动相的起止时刻;
根据所述起止时刻,将双足对线发生时刻分别处于支撑时段和摆动时段中的时间点确定为所述时间参数。
8.根据权利要求1所述基于惯性传感器的步态分析方法,其特征在于,所述惯性传感器分别安装在双脚的鞋子或脚踝上。
9.根据权利要求1所述基于惯性传感器的步态分析方法,其特征在于,所述磁力计配备有磁铁,所述磁铁安装在磁力计所在脚的另一脚上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310631042.4A CN116350215A (zh) | 2023-05-31 | 2023-05-31 | 一种基于惯性传感器的步态分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310631042.4A CN116350215A (zh) | 2023-05-31 | 2023-05-31 | 一种基于惯性传感器的步态分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116350215A true CN116350215A (zh) | 2023-06-30 |
Family
ID=86923377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310631042.4A Pending CN116350215A (zh) | 2023-05-31 | 2023-05-31 | 一种基于惯性传感器的步态分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116350215A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070123806A1 (en) * | 2003-10-10 | 2007-05-31 | Commissariat A L'energie Atomique | Stride-monitoring device |
EP2186478A1 (de) * | 2008-11-14 | 2010-05-19 | HASOMED Hard- und Software für Medizin GmbH | Verfahren und Vorrichtung zur Analyse des menschlichen Gangzyklus |
TWI613621B (zh) * | 2016-12-08 | 2018-02-01 | 財團法人工業技術研究院 | 姿勢感測裝置及其方法 |
CN108836346A (zh) * | 2018-04-16 | 2018-11-20 | 大连理工大学 | 一种基于惯性传感器的人体步态分析方法和系统 |
CN114623826A (zh) * | 2022-02-25 | 2022-06-14 | 南京航空航天大学 | 一种基于人体下肢dh模型的行人惯性导航定位方法 |
-
2023
- 2023-05-31 CN CN202310631042.4A patent/CN116350215A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070123806A1 (en) * | 2003-10-10 | 2007-05-31 | Commissariat A L'energie Atomique | Stride-monitoring device |
EP2186478A1 (de) * | 2008-11-14 | 2010-05-19 | HASOMED Hard- und Software für Medizin GmbH | Verfahren und Vorrichtung zur Analyse des menschlichen Gangzyklus |
TWI613621B (zh) * | 2016-12-08 | 2018-02-01 | 財團法人工業技術研究院 | 姿勢感測裝置及其方法 |
CN108836346A (zh) * | 2018-04-16 | 2018-11-20 | 大连理工大学 | 一种基于惯性传感器的人体步态分析方法和系统 |
CN114623826A (zh) * | 2022-02-25 | 2022-06-14 | 南京航空航天大学 | 一种基于人体下肢dh模型的行人惯性导航定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Panebianco et al. | Analysis of the performance of 17 algorithms from a systematic review: Influence of sensor position, analysed variable and computational approach in gait timing estimation from IMU measurements | |
Chen et al. | Toward pervasive gait analysis with wearable sensors: A systematic review | |
Lee et al. | The use of a single inertial sensor to identify stride, step, and stance durations of running gait | |
Sijobert et al. | Implementation and validation of a stride length estimation algorithm, using a single basic inertial sensor on healthy subjects and patients suffering from Parkinson’s disease | |
CN106667493A (zh) | 人体平衡性评估系统及评估方法 | |
Santhiranayagam et al. | A machine learning approach to estimate minimum toe clearance using inertial measurement units | |
CN109646009B (zh) | 基于便携式步态分析系统的步态时空参数的计算方法 | |
Ohtaki et al. | A method for gait analysis in a daily living environment by body-mounted instruments | |
Yang et al. | Inertial sensors in estimating walking speed and inclination: an evaluation of sensor error models | |
Anwary et al. | Validity and consistency of concurrent extraction of gait features using inertial measurement units and motion capture system | |
Tien et al. | Results of using a wireless inertial measuring system to quantify gait motions in control subjects | |
Ladetto et al. | Human walking analysis assisted by DGPS | |
CN114469073B (zh) | 基于可穿戴传感器的步态分析与异常检测方法 | |
CN113768471B (zh) | 一种基于步态分析的帕金森疾病辅助诊断系统 | |
Kong et al. | Comparison of gait event detection from shanks and feet in single-task and multi-task walking of healthy older adults | |
WO2023108315A1 (zh) | 基于步可穿戴传感器的步态分析与异常检测方法 | |
Reenalda et al. | Detection of foot contact in treadmill running with inertial and optical measurement systems | |
Duhaylungsod et al. | Detection of gait abnormality through leg symmetry and temporal parameters | |
Li et al. | Quantitative analysis of abnormal and normal gait based on inertial sensors | |
CN109331406A (zh) | 一种基于跑步机力台的下肢运动能力定量评价方法和系统 | |
Ghersi et al. | Gait-cycle segmentation method based on lower-trunk acceleration signals and dynamic time warping | |
CN116350215A (zh) | 一种基于惯性传感器的步态分析方法 | |
Alam et al. | Gait speed estimation using Kalman Filtering on inertial measurement unit data | |
Anwary et al. | Insole-based real-time gait analysis: Feature extraction and classification | |
Wang et al. | Inertial sensor based motion trajectory visualization and quantitative quality assessment of hemiparetic gait |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230630 |