专利名称：一种基于足底压力的步态分析方法
技术领域：
本发明涉及一种步态模式识别领域，特别是关于一种基于足底压力的步态分析方法。
背景技术：
随着近年来中国人口结构老龄化加剧，自然灾难、安全事故频发，下肢残疾人数逐渐增加。作为截肢者重新获得部分生活能力的重要工具，假肢得到了广泛的使用。新技术的发展使人们已经不再满足于只能起到支撑作用和增强美观性的传统下肢假肢，智能下肢假肢正在成为康复研究的热点。智能下肢假肢可以根据人体生物信号和外部环境信息，识别人体运动趋势，代替缺失的肢体实现正常行走。脚底压力作为人体和外部环境的交互作 用，提供人体步态相位和下肢运动模式等多方面的步态模式的信息，并且物理含义明确、直观，信号采集、处理、分析简单，便于用于智能下肢假肢的控制。目前，脚底压力在智能下肢假肢中已经有了较为广泛的应用，但是多用于提供脚底开关量信息。如中国专利CN101947151A，此专利中智能下肢假肢将脚底压力信息与给定的阈值作比较，得到的脚底开关量用来识别步态相位，制定控制策略。脚底压力信号中包含的其他运动信息如运动模式和身体状态等没有得到充分利用。与此同时，步态分析多采用人体生物信号，如中国专利CN101587546A中所用信号主要是表面肌肉电信号，脚底压力信息仍然只用来提供开关量，判断脚底着地与否。而人体生物信号最大的缺点是信号微弱、不稳定，因此无论信号采集、处理还是分析，都十分复杂。
发明内容
针对上述问题，本发明的目的是提供一种基于足底压力的步态分析方法，分析人体运动信息。本发明通过实时分析足底压力分布随时间的变化，以识别人体步态相位和下肢运动模式信息，为后续智能下肢假肢的控制提供丰富的决策依据，促进智能下肢假肢更加智能化，更好地代替人体缺失肢体，实现自由运动。为实现上述目的，本发明采取以下技术方案一种基于足底压力的步态分析方法，其包括以下步骤(1)通过设置在每个脚底处的四个压力传感器采集脚底压力信号，进行步态分析；(2)对采集到的脚底压力信号进行步态相位分析比较四个压力传感器采集到的压力和与预设阈值的大小，当四个压力传感器采集到的压力和小于预设阈值时，脚底处于摆动相；反之，脚底处于支撑相；(3)根据脚底压力信号判断本次步态相位分析结果与前一次步态相位分析结果是否发生切换若发生步态相位的切换，则在此时间点进入下一步；反之，返回步骤(I) ; (4)在步态相位发生切换的时间进行基于步态相位的下肢运动模式分析；(5)根据下肢运动模式分析结果判断是否需要结束步态分析，若不需要结束，则返回步骤(I);反之，结束。所述步骤(4)中，基于所述步态相位的下肢运动模式分析包括以下步骤①在步态相位发生切换时，选取步态相位发生切换时间点前一段时间内的数据或切换时间点后一段时间内的数据作为一个分析窗口数据；②在分析窗口中，分别取静态参数、三次回归模型系数和各个位置压力曲线之间的相关性系数作为特征值；③采用一层决策树分类器与一层线性分类器相结合的两层次分类方法，对所述步骤②中的三类特征值进行分类，实现对下肢运动模式的识别。
所述步骤①中，所述切换时间点前一段时间或后一段时间的时间点均为140 200ms之间任意一点。所述步骤②中，所述静态参数为对所述分析窗口中每个位置压力传感器压力曲线变化量中的最大值；所述三次回归模型系数是对所述分析窗口中每个位置压力传感器的压力曲线做三次回归，得到表征脚底压力变化曲线的回归模型系数；所述各个位置压力曲线之间的相关性系数用于表征脚底不同位置着地的时序关系。所述步骤③中，基于所述两层次分类方法的下肢运动模式识别如下(a)提取分析窗口数据中的足底压力特征值静态参数、三次回归模型系数和各个位置压力曲线之间的相关性系数；(b)采用决策树分类器，使用特征值中的静态参数作为判断量进行决策分类，当静态参数小于预设静态阈值时，足底压力特征值被分类为静止状态特征集；当静态参数大于预设静态阈值时，足底压力特征值被分类为运动状态特征集；(C)足底压力特征值被分类为静止状态特征集时，采用线性分类器进行第二次分类，识别出下肢运动模式为静坐或原地站立；(d)足底压力特征值被分类为运动状态特征集时，采用线性分类器进行第二次分类，识别出下肢运动模式为平地行走、上楼梯或者下楼梯和上下斜坡；(e)结束本次分析窗口的下肢运动模式分析。所述步骤(C)和步骤(d)中，所述线性分类器使用三次回归模型系数和各个位置压力曲线之间的相关性系数作为分类依据。本发明由于采取以上技术方案，其具有以下优点1、本发明由于通过实时分析足底压力分布随时间的变化，以识别人体步态相位和下肢运动模式信息，为后续智能下肢假肢的控制提供丰富的决策依据，促进智能下肢假肢更加智能化，更好地代替残疾人缺失的肢体，实现自由运动。2、本发明针对智能假肢需要控制信号处理分析简单且信息量大的特点，深入研究了基于足底压力的步态分析。足底压力信号物理意义明确，并且能够同时提供人体步态相位和下肢运动模式信息。足底压力的研究将为智能假肢的控制提供更加丰富并且易用的信息。3、在分类策略的选择中，本发明采用基于步态相位的下肢运动模式识别。一方面，步态相位信息可以直接由足底压力同时得到；另一方面，下肢在行走过程中体现的节律运动规律使得识别的难度和错误率都大大降低。4、本发明在分类器的选择时，采用决策树分类器和线性分类器相结合的两层次分类方法。静态状态和运动状态首先区分出来，再分别对其进行线性分类识别，明显增加了识别的准确率。因此，本发明可以为智能下肢假肢的控制提供丰富的人体运动信息，可以广泛应用于步态模式识别领域中。
图I是本发明的总体流程示意图；图2是本发明的步态相位分析示意图；图3是本发明在步态相位切换时间点的后一段时间内选取的分析窗口示意图；图4是本发明基于两层次分类方法的下肢运动模式识别流程示意图。
具体实施例方式下面结合附图和实施例对本发明进行详细的描述。本发明用于分析人体步态相位和下肢运动模式信息，供智能假肢制定控制决策。如图I所示，本发明包括以下步骤I)通过设置在每个脚底处的四个压力传感器采集脚底压力信号，进行步态分析。2)对采集到的脚底压力信号进行步态相位分析比较每个脚底四个压力传感器采 集到的压力和与预设阈值的大小，当四个压力传感器采集到的压力和小于预设阈值时，脚底处于摆动相；反之，脚底处于支撑相。3)根据脚底压力信号判断本次步态相位分析结果与前一次步态相位分析结果是否发生切换若没有发生，则返回步骤1)，重新采集脚底压力信号；若发生步态相位的切换，则在此时间点进入下一步。4)在步态相位发生切换的时间进行基于步态相位的下肢运动模式分析。5)根据下肢运动模式分析结果判断是否需要结束步态分析，若不需要结束，则返回步骤I )，重新进行数据采集，反之，结束。上述步骤2)中，通过一个具体实施例对本发明的步态相位分析作进一步的说明。如图2所示，其中曲线表示随时间变化的单脚足底压力和的值，包含四个步态周期的数据，每个步态周期内均有一次脚底着地(FO)和一次脚底离地(FC);方波表示步态相位，高相位表示支撑相，低相位表示摆动相。在本实施例中，将方波的峰值设置为预设阈值。将单脚足底压力和与预设阈值相比较，大于阈值的认为脚底处于支撑相；反之认为处于摆动相。由此可以看出在四个步态周期中，步态相位发生了八次切换，其中有四次为F0，四次为FC。上述步骤4)中，基于步态相位的下肢运动模式分析包括以下步骤(I)在步态相位发生切换时，选取步态相位发生切换时间点前一段时间内的数据或切换时间点后一段时间内的数据作为一个分析窗口数据，进行模式识别。其中，本发明的切换时间点前一段时间的时间点可以为140 200ms之间任意一点，切换时间点后一段时间的时间点也可以为140 200ms之间任意一点。人类在行走时，下肢呈现一种典型的节律运动，脚底压力的变化也随之呈现周期性规律。在一种运动模式的不同步态周期中，相同的步态相位对应的脚底压力变化呈现相同规律。由步骤2)中的步态相位分析可以得到步态相位发生改变时的FC、FO信息，而在FC、F0时刻前后，脚底压力的变化最为显著且呈现上述规律，因此在FC、F0时刻前后取一定数据量的分析窗，对脚底压力变化进行分析，识别不同运动模式的。如图3所示，可以看出在步态相位发生切换时取到的分析窗口是脚底压力值变化最明显、信息量最大的阶段。(2)在分析窗口中，分别取静态参数、三次回归模型系数和各个位置压力曲线之间的相关性系数作为特征值，即使用少量数据对一个分析窗中大量数据呈现的规律进行的归纳和表征。在一个分析窗口中，首先计算每个位置压力传感器压力曲线变化量，即压力曲线最大值与最小值的差，将这些变化量中的最大值作为静态参数；其次，对该分析窗口中每个位置压力传感器的压力曲线做三次回归，用回归模型系数表征脚底压力变化曲线；最后，用该分析窗口中各个位置压力传感器压力曲线之间的相关性系数反映脚底不同位置着地的时序关系。根据压力曲线的物理含义，这三类特征值在同一种运动模式下比较接近而对于不同的运动模式差异性大。(3)采用一层决策树分类器与一层线性分类器相结合的两层次分类方法，对步骤
(2)中的三类特征值进行分类，进而实现对下肢运动模式的识别。上述步骤(3)中，如图4所示，基于两层次分类方法的下肢运动模式识别如下a)提取分析窗口数据中的足底压力特征值静态参数、三次回归模型系数和各个位置压力曲线之间的相关性系数。b)采用决策树分类器，使用特征值中的静态参数作为判断量进行决策分类，当静态参数小于预设静态阈值时，足底压力特征值被分类为静止状态特征集；当静态参数大于预设静态阈值时，足底压力特征值被分类为运动状态特征集。其中，静态阈值可以通过训练数据得到。
c)足底压力特征值被分类为静止状态特征集时，采用线性分类器进行第二次分类，识别出下肢运动模式可能为静坐或原地站立。d)足底压力特征值被分类为运动状态特征集时，采用线性分类器进行第二次分类，识别出下肢运动模式可能为平地行走、上楼梯或者下楼梯和上下斜坡等运动状态。e)结束本次分析窗口的下肢运动模式分析。上述步骤c)和步骤d)中，线性分类器使用三次回归模型系数和各个位置压力曲线之间的相关性系数这两类特征值作为分类依据。上述各实施例仅用于说明本发明，各部件的连接和结构都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别部件的连接和结构进行的改进和等同变换，均不应排除在本发明的保护范围之外。
权利要求
1.一种基于足底压カ的步态分析方法，其包括以下步骤 (1)通过设置在每个脚底处的四个压カ传感器采集脚底压カ信号，进行步态分析； (2)对采集到的脚底压カ信号进行步态相位分析 比较四个压カ传感器采集到的压カ和与预设阈值的大小，当四个压カ传感器采集到的压カ和小于预设阈值时，脚底处于摆动相；反之，脚底处于支撑相； (3)根据脚底压カ信号判断本次步态相位分析结果与前一次步态相位分析结果是否发生切換若发生步态相位的切換，则在此时间点进入下一歩；反之，返回步骤(I); (4)在步态相位发生切換的时间进行基于步态相位的下肢运动模式分析； (5)根据下肢运动模式分析结果判断是否需要结束步态分析，若不需要结束，则返回步骤(I);反之，结束。
2.如权利要求I所述的ー种基于足底压カ的步态分析方法，其特征在于所述步骤(4)中，基于所述步态相位的下肢运动模式分析包括以下步骤 ①在步态相位发生切换时，选取步态相位发生切换时间点前一段时间内的数据或切換时间点后一段时间内的数据作为ー个分析窗ロ数据； ②在分析窗口中，分别取静态參数、三次回归模型系数和各个位置压カ曲线之间的相关性系数作为特征值； ③采用一层决策树分类器与ー层线性分类器相结合的两层次分类方法，对所述步骤②中的三类特征值进行分类，实现对下肢运动模式的识别。
3.如权利要求2所述的ー种基于足底压カ的步态分析方法，其特征在于所述步骤①中，所述切换时间点前一段时间或后一段时间的时间点均为140 200ms之间任意一点。
4.如权利要求2所述的ー种基于足底压カ的步态分析方法，其特征在于所述步骤②中，所述静态參数为对所述分析窗口中每个位置压カ传感器压力曲线变化量中的最大值；所述三次回归模型系数是对所述分析窗口中每个位置压カ传感器的压カ曲线做三次回归，得到表征脚底压カ变化曲线的回归模型系数；所述各个位置压カ曲线之间的相关性系数用于表征脚底不同位置着地的时序关系。
5.如权利要求3所述的ー种基于足底压カ的步态分析方法，其特征在于所述步骤②中，所述静态參数为对所述分析窗口中每个位置压カ传感器压力曲线变化量中的最大值；所述三次回归模型系数是对所述分析窗口中每个位置压カ传感器的压カ曲线做三次回归，得到表征脚底压カ变化曲线的回归模型系数；所述各个位置压カ曲线之间的相关性系数用于表征脚底不同位置着地的时序关系。
6.如权利要求2或3或4或5所述的ー种基于足底压カ的步态分析方法，其特征在于所述步骤③中，基于所述两层次分类方法的下肢运动模式识别如下 (a)提取分析窗口数据中的足底压カ特征值静态參数、三次回归模型系数和各个位置压カ曲线之间的相关性系数； (b)采用决策树分类器，使用特征值中的静态參数作为判断量进行决策分类，当静态參数小于预设静态阈值时，足底压カ特征值被分类为静止状态特征集；当静态參数大于预设静态阈值时，足底压カ特征值被分类为运动状态特征集； (C)足底压カ特征值被分类为静止状态特征集吋，采用线性分类器进行第二次分类，识别出下肢运动模式为静坐或原地站立；(d)足底压力特征值被分类为运动状态特征集时，采用线性分类器进行第二次分类，识别出下肢运动模式为平地行走、上楼梯或者下楼梯和上下斜坡； (e)结束本次分析窗口的下肢运动模式分析。
7.如权利要求6所述的一种基于足底压力的步态分析方法，其特征在于所述步骤(c)和步骤(d)中，所述线性分类器使用三次回归模型系数和各个位置压力曲线之间的相关性系数作为分类依据。
全文摘要
本发明涉及一种基于足底压力的步态分析方法，其步骤为(1)通过四个压力传感器采集脚底压力信号；(2)对采集到的脚底压力信号进行步态相位分析比较四个压力传感器采集到的压力和与预设阈值的大小，当四个压力传感器采集到的压力和小于预设阈值时，脚底处于摆动相；反之，脚底处于支撑相；(3)根据脚底压力信号判断本次步态相位分析结果与前一次步态相位分析结果是否发生切换若发生步态相位的切换，则在此时间点进入下一步；(4)在步态相位发生切换的时间进行基于步态相位的下肢运动模式分析；(5)根据下肢运动模式分析结果判断是否需要结束步态分析，若不需要结束，则返回步骤(1)。本发明能为智能下肢假肢的控制提供丰富的人体运动信息，可广泛应用于步态模式识别领域。
文档编号A61B5/11GK102670207SQ201210150499
公开日2012年9月19日 申请日期2012年5月15日 优先权日2012年5月15日
发明者王启宁, 王雪刚, 王龙, 陈保君, 魏坤琳 申请人:北京大学