KR20180058999A - 보행 분석 시스템, 방법 및 컴퓨터 판독 가능한 기록매체 - Google Patents

Abstract

보행 분석 시스템, 방법 및 컴퓨터 판독 가능한 기록매체가 개시된다. 본 발명의 일 실시예에 따른 보행 분석 방법은, 보행자 신체에 부착되는 관성 측정장치를 통해 상기 보행자의 하지 관절각을 측정하는 단계, 상기 관성 측정장치를 통해 획득되는 자이로스코프 데이터를 이용하여 보행 이벤트를 추출하는 단계, 상기 보행 이벤트로부터 보행 단계를 검출하고, 상기 관절각을 상기 보행 단계별로 세분화하는 단계, 상기 보행 단계별로 세분화된 상기 관절각에 대한 기계학습을 수행하여 데이터 특성에 따른 복수의 그룹으로 분류하는 단계 및 상기 복수의 그룹에 대한 슬관절 질환의 중증도를 판단하는 단계를 포함한다.

Description

보행 분석 시스템, 방법 및 컴퓨터 판독 가능한 기록매체{SYSTEM AND METHOD FOR GAIT ANALYZING AND COMPUTER READABLE RECORD MEDIUM THEREOF}

본 발명은 보행 분석 시스템, 방법 및 컴퓨터 판독 가능한 기록매체에 관한 것으로, 보다 구체적으로는 보행자 신체에 부착되는 관성 측정장치를 이용하여 획득되는 관절각 데이터로부터 보행자의 슬관절 질환 여부와 중증도를 판단하고, 이를 판단할 수 있는 모델을 생성할 수 있는 보행 분석 시스템, 방법 및 컴퓨터 판독 가능한 기록매체에 관한 것이다.

보행자 신체에 부착되는 관성 센서를 이용하여 보행자의 보행 패턴을 판단하는 방법이 사용되고 있으며, 이러한 방법을 통해 관절의 손상을 측정하거나 분석하는 것이 가능하다.

다만, 보행 분석을 통해 보행자가 가지고 있는 질환이 어느 정도로 심각한지 여부를 판단하는 방법은 연구가 진행중이나 실효성 있는 방법이 등장하지 않은 상황이다.

이에, 보행 분석을 통해 관절 질환의 중증도를 판단할 수 있는 방법 개발의 필요성이 대두되고 있다.

본 발명은 보행자의 관절각 정보에 대한 기계학습을 통해 슬관절 질환의 중증도를 판단할 수 있는 유의미한 모델을 생성할 수 있는 보행 분석 시스템, 방법 및 컴퓨터 판독 가능한 기록매체를 제공하는 것을 목적으로 한다.

본 발명의 일 실시예에 따른 보행 분석 방법은, 보행자 신체에 부착되는 관성 측정장치를 통해 상기 보행자의 하지 관절각을 측정하는 단계, 상기 관성 측정장치를 통해 획득되는 자이로스코프 데이터를 이용하여 보행 이벤트를 추출하는 단계, 상기 보행 이벤트로부터 보행 단계를 검출하고, 상기 관절각을 상기 보행 단계별로 세분화하는 단계, 상기 보행 단계별로 세분화된 상기 관절각에 대한 기계학습을 수행하여 데이터 특성에 따른 복수의 그룹으로 분류하는 단계 및 상기 복수의 그룹에 대한 슬관절 질환의 중증도를 판단하는 단계를 포함한다.

또한, 상기 관성 측정장치는 3축 가속도 센서, 3축 자이로 센서 및 지자계 센서를 포함할 수 있다.

또한, 상기 슬관절 질환의 중증도를 판단하는 단계에서는 정상인의 보행 단계별 관절각 정보와 상기 그룹 분류 단계에서 분류된 복수의 그룹 각각에 대응하는 보행 단계별 관절각 정보의 공간상에서의 상대적인 거리를 비교할 수 있다.

또한, 상기 슬관절 질환의 중증도를 판단하는 단계에서는 슬관절 질환을 판단하기 위한 파라미터를 선별할 수 있다.

또한, 상기 보행 이벤트는 보행 주기에 대한 시간정보로서 상기 보행 단계는 입각기(Stance Phase)와 유각기(Swing Phase)를 포함하거나, 초기 지지단계(Initial Support)와 말기 지지단계(Terminal Support)를 포함할 수 있다.

또한, 본 발명에 따른 보행 분석 방법을 실행하기 위한 프로그램이 기록되어 있는 컴퓨터 판독 가능한 기록 매체가 제공될 수 있다.

한편, 본 발명의 일 실시예에 따른 보행 분석 시스템은, 보행자 신체에 부착되어 상기 보행자의 하지 관절각을 측정하는 관성 측정장치, 상기 관성 측정장치를 통해 획득되는 자이로스코프 데이터를 이용하여 보행 이벤트를 추출하는 보행 이벤트 추출부, 상기 보행 이벤트로부터 보행 단계를 검출하고, 상기 관절각을 상기 보행 단계별로 세분화하는 보행 단계 검출부, 상기 보행 단계별로 세분화된 상기 관절각에 대한 기계학습을 수행하여 데이터 특성에 따른 복수의 그룹으로 분류하는 클러스터링부 및 상기 복수의 그룹에 대한 슬관절 질환의 중증도를 판단하는 판단부를 포함한다.

또한, 상기 관성 측정장치는 3축 가속도 센서, 3축 자이로 센서 및 지자계 센서를 포함할 수 있다.

또한, 상기 판단부는 정상인의 보행 단계별 관절각 정보와 상기 클러스터링부에서 분류된 복수의 그룹 각각에 대응하는 보행 단계별 관절각 정보의 공간상에서의 상대적인 거리를 비교함으로써 상기 중증도를 판단할 수 있다.

또한, 상기 판단부는 슬관절 질환을 판단하기 위한 파라미터를 선별할 수 있다.

또한, 상기 보행 이벤트는 보행 주기에 대한 시간정보로서 상기 보행 단계는 입각기(Stance Phase)와 유각기(Swing Phase)를 포함하거나, 초기 지지단계(Initial Support)와 말기 지지단계(Terminal Support)를 포함할 수 있다.

본 발명은 보행자의 관절각 정보에 대한 기계학습을 통해 슬관절 질환의 중증도를 판단할 수 있는 유의미한 모델을 생성할 수 있는 보행 분석 시스템, 방법 및 컴퓨터 판독 가능한 기록매체를 제공할 수 있다.

도 1은 본 발명의 일 실시예에 따른 보행 분석 방법의 흐름을 개략적으로 나타내는 순서도이다.
도 2는 본 발명의 다른 실시예에 따른 보행 분석 방법의 흐름을 개략적으로 나타내는 순서도이다.
도 3은 본 발명의 일 실시예에 따른 관성 측정장치의 부착 위치를 예시적으로 나타내는 도면이다.
도 4는 보행 분석 결과를 이용한 3D 시뮬레이션을 예시적으로 타나내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 클러스터링과 중증도 판단 과정을 예시적으로 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 보행 분석 시스템의 구성을 개략적으로 나타내는 도면이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우, 그 상세한 설명을 생략한다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

도 1은 본 발명의 일 실시예에 따른 보행 분석 방법의 흐름을 개략적으로 나타내는 순서도이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 보행 분석 방법은, 관절각 측정 단계(S110), 보행 이벤트 추출 단계(S120), 보행 단계 검출 단계(S130), 그룹 분류 단계(S140) 및 중증도 판단 단계(S150)를 포함한다.

관절각 측정 단계(S110)에서는 보행자 신체에 부착되는 관성 측정장치를 통해 상기 보행자의 하지 관절각을 측정한다. 상기 관성 측정장치는 3축 가속도 센서, 3축 자이로 센서 및 지자계 센서를 포함할 수 있다. 상기 관성 측정장치는 상기 보행자의 고관절, 슬관절 및 발목에 부착될 수 있으며, 따라서 상기 관성 측정장치는 상기 보행자의 신체에 복수 개가 부착될 수 있다.

상기 관성 측정장치는 각각의 위치에서의 각속도, 가속도, 속도 등의 데이터를 획득할 수 있으며, 획득되는 상기 데이터는 상기 보행자의 보행 특성을 판단하거나 상기 보행자의 슬관절 질환 중증도를 판단하는데에 이용될 수 있다.

또한, 상기 관성 측정장치는 상기 3축 가속도 센서, 3축 자이로 센서 및 지자계 센서에서 측정되는 데이터를 이용하여 상기 관성 측정장치의 3차원 위치를 판단할 수 있다. 한편, 상기 3축 자이로 센서는 회전 정보와 위치 정보에 대응하는 데이터를 측정할 수 있다.

보행 이벤트 추출 단계(S120)에서는 상기 관성 측정장치를 통해 획득되는 자이로스코프 이용하여 보행 이벤트를 추출한다. 상기 자이로스코프 데이터는 상기 관성 측정장치에 포함되는 상기 3축 자이로 센서로부터 획득될 수 있다.

상기 보행 이벤트는 보행 주기에 대한 특정한 시간 정보로 이해할 수 있으며, 한 걸음을 걸을때의 시간 정보를 포함한다. 상기 보행 이벤트는 한 번의 걸음(stride)을 세분화하여 나타내는 데이터로 이해할 수 있으며, 예를 들어 positive peak는 발뒤꿈치에서 시작하여 발가락에서 종료되는 유각기(swing phase)를 표현할 수 있다.

즉, 상기 보행 이벤트는 하나의 보행 주기(gait phase)를 구성하는 개개의 이벤트를 의미하는 것으로 이해할 수 있다.

보행 단계 검출 단계(S130)에서는 상기 보행 이벤트로부터 보행 단계를 검출하고, 상기 관절각을 상기 보행 단계별로 세분화한다.

상기 보행 단계는 앞서 설명한 상기 보행 주기와 실질적으로 동일한 의미를 갖는 것으로 이해할 수 있으며, 입각기(stance phase)와 유각기(swing phase)포함한다.

상기 입각기(stance phase)는 발이 지면에 닿아있는 기간으로 발뒤꿈치 닿기(initial contact, heel strike), 발바닥 닿기(foot flat, loading response), 중간 입각기(mid stance), 발뒤꿈치 들어올리기(terminal stance, heel off) 및 발끝 밀기(pre-swing, hoe off)를 포함할 수 있다.

그리고, 상기 유각기(swing phase)는 발이 지면에서 떨어져있는 기간으로, 가속기(acceleration), 중간 유각기(mid swing) 및 감속기(deceleration)를 포함할 수 있다.

한편, 상기 보행 단계는 초기 지지단계(Initial Support)와 말기 지지단계(Termianl Support)를 포함할 수 있으며, 보다 구체적으로 상기 초기 지지단계는 Initial Single Support와 Initial Double Support를 포함하며, 상기 말기 지지단계는 Terminal Single Support와 Terminal Double Support를 포함한다.

따라서, 상기 관성 측정장치에서 측정된 데이터를 통해 상기 보행 이벤트 추출 단계(S120)에서 상기 보행 이벤트가 추출되면, 상기 보행 단계 검출 단계(S130)에서는 상기 보행 이벤트를 입각기와 유각기로 구분하거나, 초기 지지단계와 말기 지지단계로 구분할 수 있다.

여기서, 입각기와 유각기는 각각 보행 주기의 60%와 40%를 담당하는 것으로 이해할 수 있으나, Initial Single Support, Initial Double Support, Terminal Single Support 및 Terminal Double Support의 보행 주기 분담 비율은 이와 다를 수 있다.

따라서, 상기 보행 단계 검출 단계(S130)에서는 서로 다른 보행 이벤트를 포함하는 2개의 보행 단계를 검출할 수 있으며, 또는 서로 다른 보행 이벤트를 포함하는 4개의 보행 단계를 검출할 수 있다.

앞서 설명한 바와 같이, 상기 보행 이벤트는 상기 3축 자이로 센서를 통해 획득되는 데이터를 이용하여 검출될 수 있고 동시에 상기 3축 가속도 센서와 상기 지자계 센서에서 측정되는 데이터로부터 각 관절의 관절각이 측정될 수 있다. 따라서, 각각의 상기 보행 이벤트에 대응하는 관절각 정보가 생성되고, 상기 보행 이벤트로부터 검출되는 상기 보행 단계에 대응하는 관절각 정보가 생성될 수 있다.

즉, 상기 보행 단계 검출 단계(S130)에서는 발뒤꿈치 닿기(initial contact, heel strike), 발바닥 닿기(foot flat, loading response), 중간 입각기(mid stance), 발뒤꿈치 들어올리기(terminal stance, heel off), 발끝 밀기(pre-swing, hoe off), 가속기(acceleration), 중간 유각기(mid swing) 및 감속기(deceleration)에 대응하는 관절각 정보가 생성된다.

그룹 분류 단계(S140)에서는 상기 보행 단계별로 세분화된 상기 관절각에 대한 기계학습(machine learning)을 수행하여 데이터 특성에 따른 복수의 그룹으로 분류한다. 본 명세서에는 상기 복수의 그룹으로 분류하는 동작을 클러스터링(clustering)으로 정의하여 설명하도록 한다.

상기 그룹 분류 단계(S140)에서는 상기 보행 단계 검출 단계(S130)에서 각각의 보행 단계별로 획득되는 관절각 정보에 대해 기계학습을 수행한다. 여기서, 상기 보행 단계는 앞서 설명한 바와 같이 2개 또는 4개로 구분될 수 있으며, 상기 2개 또는 4개로 구분되는 보행 단계를 종합하여 6개의 보행 단계로 나뉘어질 수 있다. 이때, 기계학습의 대상이 되는 상기 관절각 정보는 복수의 보행자로부터 획득되는 데이터일 수 있으며, 상기 기계학습을 통하여 유사한 관절각 특징을 갖는 보행자가 동일한 그룹으로 클러스터링될 수 있다.

예를 들어, 100명의 보행자로부터 획득한 보행 단계별 관절각 정보에 대해 기계학습을 수행하면 시간에 따른 보행 단계별 관절각 변화가 서로 유사한 집단이 분류되어 상기 100명의 보행자를 복수 개의 그룹으로 클러스터링할 수 있다.

중증도 판단 단계(S150)에서는 상기 복수의 그룹에 대한 슬관절 질환의 중증도를 판단한다. 상기 슬관절 질환의 중증도를 판단하기 위해서는 정상 보행자의 보행 단계별 관절각 정보가 필요하다. 상기 중증도 판단 단계(S150)에서는 상기 그룹 분류 단계(S140)에서 분류된 상기 복수의 그룹의 관절각 정보와 상기 정상 보행자의 관절각 정보를 비교하여 상기 슬관절 질환의 중증도를 판단한다. 따라서, 상기 정상 보행자의 관절각 정보와의 차이가 클수록 중증도가 높은 것으로 판단될 수 있다.

한편, 상기 중증도 판단 단계(S150)에서는 정상인의 보행 단계별 관절각 정보에 대한 상기 보행 단계별 관절각 정보의 공간상에서의 상대적인 거리를 비교함으로써 슬관절 질환의 중증도를 판단할 수 있다.

도 2는 본 발명의 다른 실시예에 따른 보행 분석 방법의 흐름을 개략적으로 나타내는 순서도이다.

도 2를 참조하면, 본 발명의 다른 실시예에 따른 보행 분석 방법은, 본 발명의 일 실시예에 따른 보행 분석 방법은, 관절각 측정 단계(S210), 보행 이벤트 추출 단계(S220), 보행 단계 검출 단계(S230), 그룹 분류 단계(S240) 및 파라미터 선별 및 중증도 판단 단계(S250)를 포함한다.

관절각 측정 단계(S210), 보행 이벤트 추출 단계(S220), 보행 단계 검출 단계(S230) 및 그룹 분류 단계(S240)에서는 도 1을 참조로 하여 설명한, 관절각 측정 단계(S110), 보행 이벤트 추출 단계(S120), 보행 단계 검출 단계(S130) 및 그룹 분류 단계(S140)에서와 실질적으로 동일한 동작이 수행되므로 중복되는 내용에 한하여 구체적인 설명은 생략하도록 한다.

상기 파라미터 선별 및 중증도 판단 단계(S250)에서는, 도 1을 참조로 하여 설명한 중증도 판단 단계(S150)에서와 같이 상기 그룹 분류 단계(S240)에서 분류된 상기 복수의 그룹의 관절각 정보와 상기 정상 보행자의 관절각 정보를 비교하여 상기 슬관절 질환의 중증도를 판단한다.

본 발명의 다른 실시예에 따른 보행 분석 방법에서 상기 파라미터 선별 및 중증도 판단 단계(S250)에서는 보행자의 슬관절 질환 여부를 판단하기에 유용한 파라미터를 선별할 수 있다. 정상 보행자의 관절각 정보와 상기 복수의 그룹의 관절각 정보를 비교함으로써 각각의 그룹에 대하여 질환의 중증도를 판단할 수 있으며, 정상 보행자와 슬관절 질환자 그룹을 구분할 수 있는 유의미한 파라미터, 즉 가장 유의미한 관절각 정보를 선별할 수 있다.

예를 들어, 정상 보행자와 슬관절 질환자의 관절각 정보 중 중간 입각기(mid stance)에서의 관절각 정보가 가장 크게 차이가 나는 경우, 중간 입각기에서의 관절각 정보가 유의미한 파라미터로 선별될 수 있을 것이다.

또한, 상기 파라미터 선별 및 중증도 판단 단계(S250)에서 복수의 유의미한 파라미터가 선별되는 경우, 슬관절 질환의 중증도와의 연관도에 대응하여 각각의 파라미터에 대하여 우선순위(priority)를 부여할 수 있다.

한편, 상기 파라미터 선별 및 중증도 판단 단계(S250)에서 선별되는 파라미터는 복수 개일 수 있으며 선별된 상기 파라미터는 슬관절 질환자의 중증도를 분류할 수 있는 모델을 생성하는데 사용될 수 있다.

도 3은 본 발명의 일 실시예에 따른 관성 측정장치의 부착 위치를 예시적으로 나타내는 도면이다.

도 3을 참조하면, 상기 관성 측정장치는 보행자의 요추, 고관절, 무릎(슬관절) 및 발목에 부착될 수 있다. 도 3에 도시되는 바와 같이, 본 발명의 일 실시예에 따른 보행 분석 방법은 총 7개의 관성 측정장치(S1 내지 S7)가 사용될 수 있으며, 도 1을 참조로 하여 설명한 보행 이벤트 추출 단계(S120)에서는 관성 측정장치(S1)와 관성 측정장치(S3) 사이의 거리, 관성 측정장치(S3)와 관성 측정장치(S5) 사이의 거리를 계산한다.

관성 측정장치(S1, S3, S5)는 보행자의 오른쪽에 부착되며, 상기 보행 이벤트 추출 단계(S120)에서는 상기 보행자의 왼쪽에 부착되는 관성 측정장치(S2, S4, S6)에 대해서도 관성 측정장치 사이의 거리를 계산한다.

한편, 도 1을 참조로 하여 설명한 바와 같이 상기 관성 측정장치는 각각의 위치에서의 각속도, 가속도, 속도 등의 데이터를 획득할 수 있으며, 획득되는 상기 데이터는 상기 보행자의 보행 특성을 판단하거나 상기 보행자의 슬관절 질환 중증도를 판단하는데에 이용될 수 있다.

또한, 상기 관성 측정장치는 상기 3축 가속도 센서, 3축 자이로 센서 및 지자계 센서에서 측정되는 데이터를 이용하여 상기 관성 측정장치의 3차원 위치를 판단할 수 있다. 한편, 상기 3축 자이로 센서는 회전 정보와 위치 정보에 대응하는 데이터를 측정할 수 있다.

보다 구체적으로 상기 관성 측정장치를 이용하여, 고관절, 슬관절 및 발목의 3차원 공간상의 위치가 판단되면, 관성 측정장치 상호간의 기하학적 해석을 통하여 각 관절의 관절각을 계산할 수 있다.

도 4는 보행 분석 결과를 이용한 3D 시뮬레이션을 예시적으로 타나내는 도면이다.

도 4는 보행 분석의 대상이 되는 보행자의 보행 중 골격의 모습을 나타낸다. 도 4에서 상기 보행자의 대퇴골과 정강이뼈의 길이는 보행 분석에 앞서 미리 측정되어 시뮬레이션 모델에 반영될 수 있으며, 또는 상기 보행자의 신체에 부착되는 관성 측정장치 사이의 거리가 반영될 수 있다.

상기 보행자의 대퇴골과 정강이뼈의 길이는 하나의 값을 결정되어 있으므로, 관성 측정장치 사이의 거리의 시간에 다른 변화를 이용하여 상기 보행자의 대퇴골과 정강이뼈가 지면에 수직인 방향을 기준으로 기울어진 각도를 계산할 수 있다. 또한, 관성 측정장치의 3차원 상의 위치를 이용하여 디딤발과 내딛는 발을 구분하고, 상기 보행자의 이동 방향을 판단할 수 있다.

관성 측정장치에서 측정된 가속도와 관절각, 및 관성 측정장치 사이의 거리를 이용하여 도 4에 도시되는 바와 같이 시뮬레이션 모델을 생성할 수 있으며, 시간에 따른 보행 분석이 가능하다.

도 5는 본 발명의 일 실시예에 따른 클러스터링과 중증도 판단 과정을 예시적으로 나타내는 도면이다.

도 5를 참조하면, 보행자 신체에 부착되는 관성 측정장치를 통해 획득된 관절각 정보를 보행 단계별로 세분화하고, 세분화된 상기 관절각 정보에 대한 기계학습을 통해 복수의 보행자를 제1 클러스터(Cluster 1) 내지 제3 클러스터(Cluster 3)로 분류하는 과정을 확인할 수 있다.

기계학습 과정을 거친 관절각 정보가 상기 제1 내지 제3 클러스터로 분류되면 정상 보행자 그룹(Normal Gait Group)과 상기 제1 내지 제3 클러스터 사이의 공간상의 거리(Euclidean Distance)를 비교하여 각각의 클러스터에 대하여 슬관절 질환의 중증도(Severity)가 판단될 수 있다.

도 6은 본 발명의 일 실시예에 따른 보행 분석 시스템의 구성을 개략적으로 나타내는 도면이다.

도 6을 참조하면, 본 발명의 일 실시예에 따른 보행 분석 시스템(100)은 관성 측정장치(110), 보행 이벤트 추출부(120), 보행 단계 검출부(130), 클러스터링부(140) 및 판단부(150)를 포함한다.

관성 측정장치(110)는 보행자 신체에 부착되어 상기 보행자의 하지 관절각을 측정한다. 관성 측정장치(110)는 3축 가속도 센서, 3축 자이로 센서 및 지자계 센서를 포함할 수 있으며, 상기 보행자의 고관절, 슬관절 및 발목에 부착될 수 있고, 따라서 관성 측정장치(110)는 상기 보행자의 신체에 복수 개가 부착될 수 있다.

관성 측정장치(110)는 각각의 위치에서의 각속도, 가속도, 속도 등의 데이터를 획득할 수 있으며, 획득되는 상기 데이터는 상기 보행자의 보행 특성을 판단하거나 상기 보행자의 슬관절 질환 중증도를 판단하는데에 이용될 수 있다.

또한, 관성 측정장치(110)는 상기 3축 가속도 센서, 3축 자이로 센서 및 지자계 센서에서 측정되는 데이터를 이용하여 관성 측정장치(110)의 3차원 위치를 판단할 수 있다. 한편, 상기 3축 자이로 센서는 회전 정보와 위치 정보에 대응하는 데이터를 측정할 수 있다.

보행 이벤트 추출부(120)는 관성 측정장치(110)를 통해 획득되는 자이로스코프 데이터를 이용하여 보행 이벤트를 추출한다. 상기 자이로스코프 데이터는 관성 측정장치(110)에 포함되는 상기 3축 자이로 센서로부터 획득될 수 있다.

상기 보행 이벤트는 보행 주기에 대한 특정한 시간 정보로 이해할 수 있으며, 한 걸음을 걸을때의 시간 정보를 포함한다. 상기 보행 이벤트는 한 번의 걸음(stride)을 세분화하여 나타내는 데이터로 이해할 수 있으며, 예를 들어 positive peak는 발뒤꿈치에서 시작하여 발가락에서 종료되는 유각기(swing phase)를 표현할 수 있다.

즉, 상기 보행 이벤트는 하나의 보행 주기(gait phase)를 구성하는 개개의 이벤트를 의미하는 것으로 이해할 수 있다.

보행 단계 검출부(130)는 상기 보행 이벤트로부터 보행 단계를 검출하고, 상기 관절각을 상기 보행 단계별로 세분화한다. 상기 보행 단계는 앞서 설명한 상기 보행 주기와 실질적으로 동일한 의미를 갖는 것으로 이해할 수 있으며, 입각기(stance phase)와 유각기(swing phase)포함한다.

상기 입각기(stance phase)는 발이 지면에 닿아있는 기간으로 발뒤꿈치 닿기(initial contact, heel strike), 발바닥 닿기(foot flat, loading response), 중간 입각기(mid stance), 발뒤꿈치 들어올리기(terminal stance, heel off) 및 발끝 밀기(pre-swing, hoe off)를 포함할 수 있다.

그리고, 상기 유각기(swing phase)는 발이 지면에서 떨어져있는 기간으로, 가속기(acceleration), 중간 유각기(mid swing) 및 감속기(deceleration)를 포함할 수 있다.

한편, 상기 보행 단계는 초기 지지단계(Initial Support)와 말기 지지단계(Termianl Support)를 포함할 수 있으며, 보다 구체적으로 상기 초기 지지단계는 Initial Single Support와 Initial Double Support를 포함하며, 상기 말기 지지단계는 Terminal Single Support와 Terminal Double Support를 포함한다.

따라서, 관성 측정장치(110)에서 측정된 데이터를 통해 보행 이벤트 추출부(120)에서 상기 보행 이벤트가 추출되면, 보행 단계 검출부(130)는 상기 보행 이벤트를 입각기와 유각기로 구분하거나, 초기 지지단계와 말기 지지단계로 구분할 수 있다.

여기서, 입각기와 유각기는 각각 보행 주기의 60%와 40%를 담당하는 것으로 이해할 수 있으나, Initial Single Support, Initial Double Support, Terminal Single Support 및 Terminal Double Support의 보행 주기 분담 비율은 이와 다를 수 있다.

따라서, 보행 단계 검출부(130)는 서로 다른 보행 이벤트를 포함하는 2개의 보행 단계를 검출할 수 있으며, 또는 서로 다른 보행 이벤트를 포함하는 4개의 보행 단계를 검출할 수 있다.

앞서 설명한 바와 같이, 상기 보행 이벤트는 상기 3축 자이로 센서를 통해 획득되는 데이터를 이용하여 검출될 수 있고 동시에 상기 3축 가속도 센서와 상기 지자계 센서에서 측정되는 데이터로부터 각 관절의 관절각이 측정될 수 있다. 따라서, 각각의 상기 보행 이벤트에 대응하는 관절각 정보가 생성되고, 상기 보행 이벤트로부터 검출되는 상기 보행 단계에 대응하는 관절각 정보가 생성될 수 있다.

즉, 보행 단계 검출부(130) 는 발뒤꿈치 닿기(initial contact, heel strike), 발바닥 닿기(foot flat, loading response), 중간 입각기(mid stance), 발뒤꿈치 들어올리기(terminal stance, heel off), 발끝 밀기(pre-swing, hoe off), 가속기(acceleration), 중간 유각기(mid swing) 및 감속기(deceleration)에 대응하는 관절각 정보를 생성한다.

클러스터링부(140)는 상기 보행 단계별로 세분화된 상기 관절각에 대한 기계학습을 수행하여 데이터 특성에 따른 복수의 그룹으로 분류한다. 여기서, 상기 보행 단계는 앞서 설명한 바와 같이 2개 또는 4개로 구분될 수 있으며, 상기 2개 또는 4개로 구분되는 보행 단계를 종합하여 6개의 보행 단계로 나뉘어질 수 있다. 이때, 기계학습의 대상이 되는 상기 관절각 정보는 복수의 보행자로부터 획득되는 데이터일 수 있으며, 상기 기계학습을 통하여 유사한 관절각 특징을 갖는 보행자가 동일한 그룹으로 클러스터링될 수 있다.

예를 들어, 100명의 보행자로부터 획득한 보행 단계별 관절각 정보에 대해 기계학습을 수행하면 시간에 따른 보행 단계별 관절각 변화가 서로 유사한 집단이 분류되어 상기 100명의 보행자를 복수 개의 그룹으로 클러스터링할 수 있다.

판단부(150)는 상기 복수의 그룹에 대한 슬관절 질환의 중증도를 판단한다. 상기 슬관절 질환의 중증도를 판단하기 위해서는 정상 보행자의 보행 단계별 관절각 정보가 필요하다. 판단부(150)는 클러스터링부(140)에서 분류된 상기 복수의 그룹의 관절각 정보와 상기 정상 보행자의 관절각 정보를 비교하여 상기 슬관절 질환의 중증도를 판단한다. 따라서, 상기 정상 보행자의 관절각 정보와의 차이가 클수록 중증도가 높은 것으로 판단될 수 있다.

또한, 판단부(150)는 정상인의 보행 단계별 관절각 정보에 대한 상기 보행 단계별 관절각 정보의 공간상에서의 상대적인 거리를 비교함으로써 상기 중증도를 판단할 수 있으며, 슬관절 질환을 판단하기 위한 파라미터를 선별할 수 있다.

보다 구체적으로, 판단부(150)는 정상 보행자의 관절각 정보와 상기 복수의 그룹의 관절각 정보를 비교함으로써 각각의 그룹에 대하여 질환의 중증도를 판단할 수 있으며, 정상 보행자와 슬관절 질환자 그룹을 구분할 수 있는 유의미한 파라미터, 즉 가장 유의미한 관절각 정보를 선별할 수 있다.

예를 들어, 정상 보행자와 슬관절 질환자의 관절각 정보 중 중간 입각기(mid stance)에서의 관절각 정보가 가장 크게 차이가 나는 경우, 중간 입각기에서의 관절각 정보가 유의미한 파라미터로 선별될 수 있을 것이다.

또한, 판단부(150)에서 복수의 유의미한 파라미터가 선별되는 경우, 슬관절 질환의 중증도와의 연관도에 대응하여 각각의 파라미터에 대하여 우선순위(priority)를 부여할 수 있다.

한편, 판단부(150)에서 선별되는 파라미터는 복수 개일 수 있으며 선별된 상기 파라미터는 슬관절 질환자의 중증도를 분류할 수 있는 모델을 생성하는데 사용될 수 있다.

한편, 본 발명은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장 장치 등이 있다.

또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.

본 발명에서 모든 예들 또는 예시적인 용어(예를 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한 해당 기술 분야의 통상의 기술자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터(factor)에 따라 구성될 수 있음을 알 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐만 아니라, 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

100: 보행 분석 시스템 110: 관성 측정 장치
120: 보행 이벤트 추출부 130: 보행 단계 검출부
140: 클러스터링부 150: 판단부

Claims (11)

1. 보행자 신체에 부착되는 관성 측정장치를 통해 상기 보행자의 하지 관절각을 측정하는 단계;
   상기 관성 측정장치를 통해 획득되는 자이로스코프 데이터를 이용하여 보행 이벤트를 추출하는 단계;
   상기 보행 이벤트로부터 보행 단계를 검출하고, 상기 관절각을 상기 보행 단계별로 세분화하는 단계;
   상기 보행 단계별로 세분화된 상기 관절각에 대한 기계학습을 수행하여 데이터 특성에 따른 복수의 그룹으로 분류하는 단계; 및
   상기 복수의 그룹에 대한 슬관절 질환의 중증도를 판단하는 단계;
   를 포함하는 보행 분석 방법.
2. 제1항에 있어서,
   상기 관성 측정장치는 3축 가속도 센서, 3축 자이로 센서 및 지자계 센서를 포함하는 보행 분석 방법.
3. 제1항에 있어서,
   상기 슬관절 질환의 중증도를 판단하는 단계에서는 정상인의 보행 단계별 관절각 정보와 상기 그룹 분류 단계에서 분류된 복수의 그룹 각각에 대응하는 보행 단계별 관절각 정보의 공간상에서의 상대적인 거리를 비교하는 보행 분석 방법.
4. 제1항에 있어서,
   상기 슬관절 질환의 중증도를 판단하는 단계에서는 슬관절 질환을 판단하기 위한 파라미터를 선별하는 보행 분석 방법.
5. 제1항에 있어서,
   상기 보행 이벤트는 보행 주기에 대한 시간정보로서 상기 보행 단계는 입각기(Stance Phase)와 유각기(Swing Phase)를 포함하거나,
   초기 지지단계(Initial Support)와 말기 지지단계(Terminal Support)를 포함하는 보행 분석 방법.
6. 제1항 내지 제5항에 따른 보행 분석 방법을 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체.
7. 보행자 신체에 부착되어 상기 보행자의 하지 관절각을 측정하는 관성 측정장치;
   상기 관성 측정장치를 통해 획득되는 자이로스코프 데이터를 이용하여 보행 이벤트를 추출하는 보행 이벤트 추출부;
   상기 보행 이벤트로부터 보행 단계를 검출하고, 상기 관절각을 상기 보행 단계별로 세분화하는 보행 단계 검출부;
   상기 보행 단계별로 세분화된 상기 관절각에 대한 기계학습을 수행하여 데이터 특성에 따른 복수의 그룹으로 분류하는 클러스터링부; 및
   상기 복수의 그룹에 대한 슬관절 질환의 중증도를 판단하는 판단부;
   를 포함하는 보행 분석 시스템.
8. 제7항에 있어서,
   상기 관성 측정장치는 3축 가속도 센서, 3축 자이로 센서 및 지자계 센서를 포함하는 보행 분석 시스템.
9. 제7항에 있어서,
   상기 판단부는 정상인의 보행 단계별 관절각 정보와 상기 클러스터링부에서 분류된 복수의 그룹 각각에 대응하는 보행 단계별 관절각 정보의 공간상에서의 상대적인 거리를 비교함으로써 상기 중증도를 판단하는 보행 분석 시스템.
10. 제7항에 있어서,
    상기 판단부는 슬관절 질환을 판단하기 위한 파라미터를 선별하는 보행 분석 시스템.
11. 제7항에 있어서,
    상기 보행 이벤트는 보행 주기에 대한 시간정보로서 상기 보행 단계는 입각기(Stance Phase)와 유각기(Swing Phase)를 포함하거나,
    초기 지지단계(Initial Support)와 말기 지지단계(Terminal Support)를 포함는 보행 분석 시스템.

Images