CN210228151U - 一种单加速度计人体步态检测装置和可穿戴设备 - Google Patents
一种单加速度计人体步态检测装置和可穿戴设备 Download PDFInfo
- Publication number
- CN210228151U CN210228151U CN201822131772.5U CN201822131772U CN210228151U CN 210228151 U CN210228151 U CN 210228151U CN 201822131772 U CN201822131772 U CN 201822131772U CN 210228151 U CN210228151 U CN 210228151U
- Authority
- CN
- China
- Prior art keywords
- gait
- human body
- human
- axis
- event
- 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
Links
Images
Abstract
本实用新型公开了一种基于单加速度计的人体步态检测装置和相应的可穿戴设备,装置包括运动测量设备和数据处理设备。运动测量设备获得人体在行走时的三轴加速度数据,数据处理设备根据所述三轴加速度数据检测步态事件发生的时间点,识别步态事件的左右特征,并根据所检测的步态事件发生的时间点及其左右特征,计算步态特征。本实用新型采用的单个惯性传感器体积小、能耗低,测量直接,造价经济,且本实用新型有较高的精度和适应性,使用方便,不受时空控制。
Description
技术领域
本申请涉及可穿戴检测技术领域,具体涉及一种单加速度计人体步态检测装置及包含该装置的可穿戴设备。
背景技术
人体运动在日常活动(Activities of daily living,ADL)中起着至关重要的作用,检测和分析人体运动,研究人在行走过程中的步态参数不仅对了解人体运动规律,发现肢体间的协调配合决策具有重要的意义,而且在临床诊断、康复医疗、体育科学以及仿生机构与类人机器人等领域也具有重要的意义。准确地确定步态时间参数能帮助我们理解对行走过程产生影响的病理变化。要做到这一点,就需要识别运动周期内可重复的时间特征。这些特征中最基本的是脚接触或离开地面的瞬间,这些瞬间使得步态周期被识别并划分为单支撑和双支撑阶段,可以用来分析健康和病理受试者的许多步行时间参数,并提供对人类步行病理变化的理解。
基于脚开关的力敏电阻(Force Sensitive Resistance,FSR)传感器已经被用于检测步态事件,包括脚跟着地(Heel strike,HS)和脚尖离地(Toe off,TO),以及控制功能电刺激系统的开/关时间,但这种FSR传感器在实时应用中存在一定的问题,传感器的开机和关机过程通常很复杂,常常会给佩戴者带来一定程度的不便和不适。此外,传感器有时是不可靠的,只能在有限的周期内使用。
除了FSR传感器,近年来,加速度计、陀螺仪等可穿戴惯性传感器也被广泛用于步态事件的检测,有很多研究使用放置在人体腿部、腰部、手腕、胸部等部位的可穿戴传感器测量步态时间参数,如步态事件、步态周期等。
例如,申请号为CN201710039236的发明专利申请公开了一种步态事件检测方法,将惯性测量单元(Inertial Measurement Unit,IMU)置于被试人员的小腿处,在被试人员于室内行走的过程中,惯性传感器中的角速度数据被获得,由此可利用角速度峰值检测方法确定步态事件。
再如,申请号为US201414269029的发明专利申请提出了一种利用加速度计检测步态事件的方法,其将加速度计安装在行人的鞋上,采集人在行走时的加速度数据,利用前后向和竖直向加速度数据阈值检测法确定步态事件。然而,典型的陀螺仪传感器功耗较大(通常为几毫安),限制了其在日常生活中的长期使用。并且,如果将惯性测量单元放置在脚上或腿上,则至少需要两个IMU用于确定步态事件。
还有,申请号为KR20160124602的发明专利申请公开了一种步态事件检测方法,其将三轴加速度计放在测试者第三腰椎到第四腰椎的位置,采集测试者行走时的加速度数据,对竖直向加速度滤波后利用峰值检测法确定步态事件。
但上述方法在实际使用过程中均存在步态测量精度较低,在不同人群中的适应能力差等缺陷。因此,有必要提出一种新型的、高精度的,在不同人群中适应能力强的步长测量方法。
实用新型内容
本实用新型的目的在于解决现有技术中步态测量精度较低,在人群中适应能力差等缺陷,并提供一种用于可穿戴设备的人体步态检测装置。
为解决上述技术问题,本实用新型提出一种人体步态检测装置,包括运动测量设备和数据处理设备,其中,所述运动测量设备用于获得人体在行走时的三轴加速度数据;所述数据处理设备与运动测量设备通信连接,用于根据所述三轴加速度数据检测步态事件发生的时间点,识别所述步态事件的左右特征,根据所检测的步态事件发生的时间点及其左右特征,计算步态特征。
根据本实用新型的优选实施方式,还包括预处理设备,所述预处理设备用于对所述运动测量设备获得的三轴加速度数据进行高通滤波。
根据本实用新型的优选实施方式,所述预处理设备采用EFIR带通滤波器对所述运动测量设备获得的三轴加速度数据进行高通滤波。
根据本实用新型的优选实施方式,所述运动测量设备包括惯性传感器、数据接口和通信接口。
根据本实用新型的优选实施方式,所述惯性传感器是单个加速度计,该加速度计放置于人体的胸前下方。
根据本实用新型的优选实施方式,所述数据处理设备检测的步态事件包括“脚跟着地”和“脚尖离地”。
根据本实用新型的优选实施方式,Y轴加速度信号发生变化的开始时刻,与X轴信号的交点是X轴信号由负到正的过零点,代表“脚跟着地”瞬间,这时前进方向加速度为零;Y轴加速度信号发生变化的结束时刻,与Z轴信号的交点是Z轴信号由正到负的过零点,表示另一个脚的“脚尖离地”瞬间,这时竖直方向加速度为零。
根据本实用新型的优选实施方式,所述数据处理设备根据所述三轴加速度数据的Y轴加速度来区分左右步。
根据本实用新型的优选实施方式,所述步态特征包括步态周期、双支撑相占比、单支撑相占比、站立相占比和摆动相占比中的至少一个。
本实用新型还提出一种可穿戴设备,包括所述的人体步态检测装置。
本实用新型采用的单个惯性传感器体积小、能耗低,测量直接,造价经济,且本实用新型有较高的精度和适应性,使用方便,不受时空控制。本实用新型采集的数据量小,能够进行数据实时处理和分析。并且,本实用新型不存在光线和遮挡问题,具有便携性和实用性的特点,非常适合做成穿戴式的运动捕获和分析装置。
附图说明
图1给出了一个走路步态周期的支撑相和摆动相;
图2示出了本实用新型的一个实施例的步态检测系统的逻辑架构;
图3示出了本实用新型的一个实施例的步态检测系统的运动测量设备的模块架构;
图4示出了本实用新型的一个实施例的人体方位及惯性传感器(加速度计)的佩戴位置;
图5示出了本实用新型的一个实施例的原始加速度频谱图;
图6示出了本实用新型的一个实施例的步态事件检测图。
具体实施方式
下面将参照附图更详细地描述本明的示例性实施例。虽然附图中显示了本实用新型的示例性实施例,然而应当理解,本实用新型可以以各种形式实现,实施例并不是用于限制本实用新型的范围。相反,提供这些实施例的目的是为了使本领域的技术人员更透彻地理解本实用新型。
本文中的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本实用新型中涉及的部分技术术语的含义如下:
“步态事件”是指人在行走过程中的每个步态周期中的重要时刻,主要有“脚跟着地”(Heel Strike,HS)和“脚尖离地”(Toe Off,TO)两个步态事件。人体走路步态中,由于下肢生物力学模型存在周期性的特性,人体走路过程中的步态周期可以描述为,在行走时一侧脚跟着地到该侧脚跟再次着地的过程。一个走路步态周期可以分为两个阶段,支撑相(stance phase)和摆动相(swing phase)。支撑相从脚跟着地(Heel Strike,HS)开始,到脚尖离地(Toe Off,TO)结束。摆动相从脚尖离地开始,到脚跟触地结束。支撑相大约占步态周期的60%,摆动相约占40%。
图1给出了一个走路步态周期的支撑相和摆动相,起止于右脚的脚跟着地。该步态周期可以分为(a)~(d)四个阶段,图中(a)所示阶段表示双支撑相:右腿摆动相终止,左腿支撑相终止;(b)所示阶段表示右腿单支撑相;(c)所示阶段表示双支撑相:右腿支撑相终止,左腿摆动相终止;(d)所示阶段表示左腿单支撑相。人体的走路动作是靠两腿的支撑相和摆动相的相互交替来实现的。在一个步态周期,存在单支撑相(Single support)和双支撑相(Double support),在单支撑相期间,只有单脚着地,在双支撑相期间,双脚都着地。
人的走路步态周期如图1所示,以右腿为例,左腿支撑人体,右腿向前迈出的这段时间为右腿的摆动相;右腿摆到左腿附近时为摆动中期;接着右脚落地,右腿开始支撑人体,左腿向前迈出的这段时间,为右腿的站立相;右腿以右踝关节为旋转中心,向前移动,到达接近于与地面垂直的位置,此时为站立中期;随后右脚离地,右腿向前迈出,完成一个步态周期。
为了实现本实用新型的目的,本实用新型提出的步态检测系统包括运动测量设备、预处理设备和数据处理设备,其中:
运动测量设备采用单个加速度计,其放置在人体的胸前下方的位置,用于获得人体在行走时的三轴加速度数据。
预处理设备,是对运动测量设备获取的三轴加速度数据进行高通滤波。人在行走过程中会不自觉的发生身体倾斜,这会导致加速度信号中的重力分量产生变化,即信号中的低频部分,要消除这一影响需要使用高通滤波器去除低频信号。由于传感器本身以及行走过程中传感器震动也会对加速度信号产生影响,主要表现在信号的高频噪声中,需要使用低通滤波器去除高频信号。因此采用等纹波有限长数字(Equal ripple Finite ImpulseResponse,EFIR)带通滤波器进行数据预处理,根据MATLAB自带的 fdatool工具箱设计EFIR带通滤波器。
数据处理设备可以是任何具有数据处理功能的设备,例如CPU、GPU、DSP或PLC 等,其可以自带缓存器或存储器。
数据处理设备一方面用于根据所述三轴加速度数据检测步态事件。一种实施方式是,根据Ziilstra和Hof的倒立摆模型,可以粗略地预测加速度信号的形状。单支撑时,当身体在中间站姿后向前和向下下落时,可以预期向前速度的减小。在单支撑向双支撑的过渡过程中(即脚跟着地),向前运动速度减小到最小值,身体开始向前加速。在双支撑向单支撑过渡时(即脚尖离地),向上速度达到最大值,身体开始向上减速。零交叉法检测步态事件,就是基于这个原理。
数据处理设备还用于区分检测到的步态事件是左脚发生还是右脚发生的,即步态事件的左右特征。可利用Ziilstra和Hof描述的倒立摆模型,可以预测人体重心在右支撑阶段向右加速,在左支撑阶段向左加速。在单次支撑时,人体重心达到其朝向站立腿的最大侧向位置。因此,判断左右足接触可以基于中外侧加速度。
最后,数据处理设备根据检测的左右脚步态事件和人体行走时的步态特征划分计算步态事件参数,包括平均步态周期时间、左脚双支撑时间百分比、左脚单支撑时间百分比、左脚摆动时间百分比、右脚双支撑时间百分比、右脚单支撑时间百分比和右脚摆动时间百分比。
下面参照附图2描述本实用新型的一个具体实施例,该实施例为包括一个惯性测量传感器的可穿戴设备,其采用一种基于零交叉法的方法来检测人体在行走时的步态。图2是该实施例的逻辑方框图,如图2中所示,该实施例的人体步态检测装置包括有运动测量设备100、预处理设备200和数据处理设备300,其中:
运动测量设备100集成于一个可穿戴设备,其包括单个惯性传感器,该惯性传感器附着在人体胸前下方上,用于测量并得到运动数据。
图3示出了运动测量设备100的模块架构,如图3所示,运动测量设备100包括:惯性传感器、数据接口、通信接口等。惯性传感器中使用的是MPU6050芯片,其中包含一个三维加速度计,用于采集人体在行走过程中的三维加速数据,采样频率为 100Hz。惯性传感器通过带弹性的固定带固定在用户的胸前下方。
图4示出了人体三维方向的定义。如图4所示:X轴正向对应人体前方、Y轴正向对应人体左方、Z轴正向对应人体下方,放置在人体上的惯性传感器的坐标轴应该与人体保持一致,以用来采集相应坐标轴的数据。在该实施例中,手机通过蓝牙通信协议与惯性传感器通信,控制它们采样并收集它们采集的加速度数据,随后存储入内存中,后续各个过程中使用的传感器数据均为存入内存中的数据。
预处理设备200是对原始信号进行滤波处理,减小重力分量、传感器本身和传感器震动等干扰所带来的影响。对采集的加速度数据进行傅里叶变换,得到三轴信号的频谱图,如图5所示,为了在消除干扰的同时,尽可能的保持信号的原始特征,尤其是信号过零点的时刻,本实用新型使用的带通频率范围分别是:X轴和Z轴信号为 1.5Hz到6Hz,Y轴信号为1Hz到4Hz。该实施例中,带通滤波器为EFIR带通滤波器,其采样频率为200Hz。
数据处理设备300根据零交叉法检测步态事件的原理,对滤波后的三轴加速度信号进行分析。图6为滤波后4s内的三轴加速度信号,从图6中可以看出:竖直虚线穿过Y轴加速度信号发生变化的开始时刻,与X轴信号的交点是X轴信号由负到正的过零点,即图中的A点和B点,代表“脚跟着地”瞬间,这时前进方向加速度为零;竖直实线经过Y轴加速度信号发生变化的结束时刻,与Z轴信号的交点是Z轴信号由正到负的过零点,即图中的D点和E点,表示另一个脚的“脚尖离地”瞬间,这时竖直方向加速度为零。定义步态周期为一只脚“脚跟着地”到这只脚再次“脚跟着地”的时间间隔,在本实用新型的算法中,选取步态周期内X轴加速度峰值超过0.3的信号作为“有效”步伐,参与计算步态特征参数。
数据处理设备300还根据Y轴加速度来区分左右脚。从图6中可以看出:每一步,在双支撑期时,会发生重心的偏移,即Y轴加速度会发生明显变化;其中一只腿处于单支撑期(另一只腿处于摆动期)时,重心基本保持不变,即Y轴加速度基本保持不变。在本实用新型的算法中,选取单支撑期间Y轴加速度的极值正负来判断左右步,由于人体左侧为Y轴正方向,则左脚单支撑时,Y轴加速度为基本保持为正;右脚单支撑时,Y轴加速度基本保持为负。
数据处理设备300据图1中对人体行走过程中一个步态周期的划分,根据步态事件的时间点和左右特征的结果分别计算左右脚的平均步态周期,双支撑时间百分比、单支撑事件百分比和摆动时间百分比。参照图6计算公式为:
步态周期=C点-A点;
(1)双支撑相所占比例=(D点-A点)/步态周期
(2)单支撑相所占比例=(B点-D点)/步态周期
(3)站立相所占比例=(B点-A点)/步态周期
(4)摆动相所占比例=1-站立相所占比例
完成步态参数计算后,我们利用实测数据进一步验证了测量精度。本实用新型中,实验者无下肢运动障碍,在每一次实验中,实验者以舒适的速度行走约40步。通过与每一个实验者实际的步态参数对比,该方法测量的正确步伐检测率为98.84%,单支撑时间平均相对误差为5.31%,摆动时间平均相对误差为:5.31%。由此可见,本实用新型的方法相对于现有技术而言,拥有较高的精度;另一方面,由于使用EFIR对加速度数据进行滤波,本方法受个人行走状态影响较小,因此拥有较好的在不同人群中的适应性。
本实用新型采用附着在人体胸前下方的单个加速度计节点,采集人体行走时的运动数据,使用一种基于零交叉方法检测步态事件,有较高的精度和适应性。本实用新型采用的单个惯性传感器,体积小、能耗低,测量直接,造价经济;使用方便,不受时空控制;数据量小,能够进行数据实时处理和分析;并且不存在光线和遮挡问题,具有便携性和实用性的特点,非常适合做成穿戴式的运动捕获和分析装置,在诸多领域具有广泛应用,具有较强的实用价值和应用前景。
应当理解,为了精简本实用新型并帮助本领域的技术人员理解本实用新型的各个方面,在上面对本实用新型的示例性实施例的描述中,本实用新型的各个特征有时在单个实施例中进行描述,或者参照单个图进行描述。但是,不应将本实用新型解释成示例性实施例中包括的特征均为本专利权利要求的必要技术特征。
应当理解,可以对本实用新型的一个实施例的设备中包括的模块、单元、组件等进行自适应性地改变以把它们设置在与该实施例不同的设备中。可以把实施例的设备包括的不同模块、单元或组件组合成一个模块、单元或组件,也可以把它们分成多个子模块、子单元或子组件。
本实用新型的实施例中的模块、单元或组件可以以硬件方式实现,也可以以一个或者多个处理器上运行的软件方式实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本实用新型实施例。本实用新型还可以实现为用于执行这里所描述的方法的一部分或者全部的计算机程序产品或计算机可读介质上。
Claims (7)
1.一种人体步态检测装置,其特征在于,包括运动测量设备和数据处理设备,其中,
所述运动测量设备包括惯性传感器、数据接口和通信接口,用于获得人体在行走时的三轴加速度数据,其中,所述惯性传感器是单个加速度计,该加速度计放置于人体的胸前下方;
所述数据处理设备与运动测量设备通信连接,用于根据所述三轴加速度数据检测步态事件发生的时间点,识别所述步态事件的左右特征,根据所检测的步态事件发生的时间点及其左右特征,计算步态特征,其中,所述步态事件包括“脚跟着地”和“脚尖离地”。
2.如权利要求1所述的人体步态检测装置,其特征在于,还包括预处理设备,所述预处理设备用于对所述运动测量设备获得的三轴加速度数据进行高通滤波。
3.如权利要求2所述的人体步态检测装置,其特征在于,所述预处理设备采用EFIR带通滤波器对所述运动测量设备获得的三轴加速度数据进行高通滤波。
4.如权利要求1所述的人体步态检测装置,其特征在于,Y轴加速度信号发生变化的开始时刻,与X轴信号的交点是X轴信号由负到正的过零点,代表“脚跟着地”瞬间,这时前进方向加速度为零;Y轴加速度信号发生变化的结束时刻,与Z轴信号的交点是Z轴信号由正到负的过零点,表示另一个脚的“脚尖离地”瞬间,这时竖直方向加速度为零。
5.如权利要求1所述的人体步态检测装置,其特征在于,所述数据处理设备根据所述三轴加速度数据的Y轴加速度来区分左右步。
6.如权利要求1所述的人体步态检测装置,其特征在于,所述步态特征包括步态周期、双支撑相占比、单支撑相占比、站立相占比和摆动相占比中的至少一个。
7.一种可穿戴设备,包括权利要求1至6中任一项所述的人体步态检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201822131772.5U CN210228151U (zh) | 2018-12-19 | 2018-12-19 | 一种单加速度计人体步态检测装置和可穿戴设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201822131772.5U CN210228151U (zh) | 2018-12-19 | 2018-12-19 | 一种单加速度计人体步态检测装置和可穿戴设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN210228151U true CN210228151U (zh) | 2020-04-03 |
Family
ID=69962630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201822131772.5U Active CN210228151U (zh) | 2018-12-19 | 2018-12-19 | 一种单加速度计人体步态检测装置和可穿戴设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN210228151U (zh) |
-
2018
- 2018-12-19 CN CN201822131772.5U patent/CN210228151U/zh active Active
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 | |
Mannini et al. | Walking speed estimation using foot-mounted inertial sensors: Comparing machine learning and strap-down integration methods | |
Gujarathi et al. | Gait analysis using imu sensor | |
McGrath et al. | Gyroscope-based assessment of temporal gait parameters during treadmill walking and running | |
CN106539587A (zh) | 一种基于多运动传感器的跌倒风险评估以及监测系统及评估方法 | |
CN109498027A (zh) | 一种单加速度计人体步态检测系统及方法 | |
KR102010898B1 (ko) | 관성센서를 이용한 보행 분석 시스템 및 방법 | |
Wagenaar et al. | Continuous monitoring of functional activities using wearable, wireless gyroscope and accelerometer technology | |
CN108186021B (zh) | 一种基于多模态信息融合的步态零速检测方法及系统 | |
CN104757976A (zh) | 一种基于多传感器融合的人体步态分析方法和系统 | |
CN110420029A (zh) | 一种基于多传感器融合的行走步态无线检测系统 | |
CN108836344A (zh) | 步长步频估算方法和装置及步态检测仪 | |
Kong et al. | Comparison of gait event detection from shanks and feet in single-task and multi-task walking of healthy older adults | |
Yodpijit et al. | The use of smartphone for gait analysis | |
Fida et al. | Real time event-based segmentation to classify locomotion activities through a single inertial sensor | |
Grecheneva et al. | Estimation of human biomechanics during registration with a wearable device | |
Ye et al. | An adaptive method for gait event detection of gait rehabilitation robots | |
Digo et al. | Gait Phases Detection in Elderly using Trunk-MIMU System. | |
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 | |
JP6586173B2 (ja) | 歩行状態検出装置及び歩行状態検出プログラム | |
CN110916639B (zh) | 获取运动心率恢复率的方法、系统、可穿戴设备和计算机可读存储介质 | |
CN210228151U (zh) | 一种单加速度计人体步态检测装置和可穿戴设备 | |
CN110693501A (zh) | 一种基于多传感器融合的行走步态无线检测系统 | |
CN114440883A (zh) | 一种基于脚部和腿部微惯性测量单元的行人定位方法 | |
Gonçalves et al. | Real-time tool for human gait detection from lower trunk acceleration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |