本发明涉及步态识别技术领域，尤其涉及一种步态识别方法和步态辅助设备。
背景技术：
随着科学技术的进步，越来越多的设备被用来取代人的繁琐工作，例如：在医疗康复领域，各种类型的康复设备被使用，以此来减轻或甚至接替康复医师繁重的工作；步态辅助设备可以辅助患者进行行动能力恢复的训练，不再需要康复医师帮助。
目前，现有的步态辅助设备大多通过遥控的方式控制运行速度，或者按照预先设定的运行速度运行，由于无法识别患者的行走步态参数，往往不能够根据患者的行走速度进行自适应调节，因此，实际使用过程中由于步态辅助设备的运行速度与患者的行走速度不匹配而对患者造成二次伤害的风险极高。
技术实现要素：
本发明实施例的主要目的在于提供一种步态识别方法和步态辅助设备，可以解决现有技术中的步态辅助设备无法识别患者行走时的步态参数的技术问题。
为实现上述目的，本发明实施例第一方面提供一种步态识别方法，应用于步态辅助设备，该步态辅助设备包括外骨骼组件、传感器组件和数据处理器；所述传感器组件设置于所述外骨骼组件上，用于测量获得所述外骨骼组件的运动数据，且所述传感器组件与所述数据处理器通信连接；上述方法包括：
所述数据处理器接收所述传感器组件测量获得的所述外骨骼组件的运动数据；
所述数据处理器根据所述运动数据，并利用预设的步态识别算法确定步态参数，所述步态参数用于表征所述步态辅助设备的使用者的行动姿态和行为特征。
为实现上述目的，本发明实施例第二方面提供一种步态辅助设备，包括外骨骼组件、传感器组件和数据处理器；所述传感器组件设置于所述外骨骼组件上，用于测量获得所述外骨骼组件的运动数据，且所述传感器组件与所述数据处理器通信连接；
所述数据处理器用于接收所述传感器组件测量获得的所述外骨骼组件的运动数据，根据所述运动数据，并利用预设的步态识别算法确定步态参数，所述步态参数用于表征所述步态辅助设备的使用者的行动姿态和行为特征。
本发明实施例提供的一种步态识别方法和步态辅助设备，相较于现有技术而言，步态辅助设备包括外骨骼组件、传感器组件和数据处理器；其中，传感器组件设置于外骨骼组件上，用于测量获得外骨骼组件的运动数据，且传感器组件与上述数据处理器通信连接，数据处理器可以根据运动数据，并利用预设的步态识别算法确定步态参数，由于该步态参数能够与步态辅助设备的使用者的行动姿态和行为特征相匹配，因此有助于步态辅助设备根据使用者的步态参数进行自适应调节，使得步态辅助设备的运行速度能够与使用者的行走速度相匹配。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明第一实施例中步态识别方法的步骤流程示意图；
图2为本发明第二实施例中步态识别方法的步骤流程示意图；
图3为本发明第四实施例中步态辅助设备的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例中，提出一种步态识别方法，该方法应用于步态辅助设备，该步态辅助设备包括外骨骼组件、传感器组件和数据处理器；其中，传感器组件设置于外骨骼组件上，用于测量获得外骨骼组件的运动数据，且传感器组件与数据处理器通信连接。
具体的，参照图1，图1为本发明第一实施例中步态识别方法的步骤流程示意图，上述方法包括以下步骤：
步骤101、数据处理器接收传感器组件测量获得的外骨骼组件的运动数据；
步骤102、数据处理器根据运动数据，并利用预设的步态识别算法确定步态参数，该步态参数用于表征步态辅助设备的使用者的行动姿态和行为特征。
其中，外骨骼组件采用可穿戴式设计，可以固定在使用者的肢体上，并且还可以实现不同的下肢关节的组合，如简单地配置成双腿/单腿，或者单个的下肢关节，以适应不同病情病人的需求。上述步态辅助设备可以用于亚急性和慢性中风患者的日常康复训练和行走辅助，在患者行走训练中提供助力或阻力，改善患者步态轨迹。另外，外骨骼组件可以调节伸缩长度，以此适应不同身高的人体。
其中，传感器组件可以测量出外骨骼组件在三维空间中的运动数据，例如角速度、加速度等。数据处理器接收传感器组件测量出的运动数据，然后通过预设的步态识别算法，确定出外骨骼组件的步态参数，用来表征步态辅助设备使用者行走时的行动姿态和行为特征。
具体的，可以理解的是，人体在行走时，主要是通过髋、膝、踝、足趾的一系列连续活动，使身体沿着一定方向移动，而身体移动过程的行动姿态和行为特征则可以用步态参数来表征。例如，人体常用的步态参数通包括步态周期、时间参数、距离参数、时间-空间参数等。其中，步态周期表示在人体在行走时一侧足跟着地到该侧足跟再次着地的过程，通常用时间秒(s)表示，行走中每个步态周期都包含着一系列典型姿位的转移，人们通常把这种典型姿位变化划分出一系列时段，称之为步态时相。一个步态周期可分为支撑相和摆动相，细分又可以分成8个时相，如首次触地期、承重反应期、支撑相中期、支撑相末期、摆动前期等。时间参数指与步行相关的时间事件，包括单步时间、跨步时间、步频、步速等。距离参数包括步长、跨步长、步宽、足夹角等。时间-空间参数是步行中髋、膝、踝关节的运动规律(角度变化或位移、速度、加速度等)。
其中，在建立步态识别算法时，先采集正常人在平地行走、斜坡行走、上下楼梯时的运动数据，例如双侧下肢的运动轨迹、惯性、角速度和输出的力矩等，以及脚底的压力分布情况、人体重心分布情况等。然后对采集的运动数据进行模型训练操作，获得正常人对应的步态参数模型，并保存至数据处理器。数据处理器在接收传感器组件测量获得的外骨骼组件的运动数据之后，输入训练后的步态参数模型，即可确定出步态辅助设备使用者的步态参数。
本发明实施例所提供的步态识别方法，相较于现有技术而言，步态辅助设备包括外骨骼组件、传感器组件和数据处理器；其中，传感器组件设置于外骨骼组件上，用于测量获得外骨骼组件的运动数据，且传感器组件与上述数据处理器通信连接，数据处理器可以根据运动数据，并利用预设的步态识别算法确定步态参数，由于该步态参数能够与步态辅助设备的使用者的行动姿态和行为特征相匹配，因此有助于步态辅助设备根据使用者的步态参数进行自适应调节，使得步态辅助设备的运行速度能够与使用者的行走速度相匹配。
进一步地，基于本发明第一实施例，参照图2，图2为本发明第二实施例中步态识别方法的步骤流程示意图，本发明实施例中，步态辅助设备还包括用于驱动外骨骼组件运动的驱动组件，该驱动组件与数据处理器连接，步态识别方法包括以下步骤：
步骤201、数据处理器接收传感器组件测量获得的外骨骼组件的运动数据；
步骤202、数据处理器根据接收的运动数据，并利用预设的步态识别算法确定步态参数，该步态参数用于表征步态辅助设备的使用者的行动姿态和行为特征；
步骤203、数据处理器根据获得的步态参数，生成控制指令并发送给驱动组件，该控制指令用于控制驱动组件输出相应的力矩驱动相应的外骨骼组件运动。
其中，驱动组件采用柔性驱动组件，设置于外骨骼组件上，具体可以设置于外骨骼组件的一个或多个关节部位。例如，驱动组件可以设置于外骨骼组件的膝关节，由此来驱动使用者的小腿运动。
上述驱动组件采用阻抗控制的方式来对人体提供助力，该阻抗控制不同于传统的位置控制，强制人体下肢跟踪某特定的轨迹，而是仅在人体偏离了参照轨迹时才提供助力，且助力的大小与偏离的程度成正比。阻抗控制可以最大程度上激发患者的主动意愿，以此达到最优的康复效果。
本发明实施例所提供的步态识别方法，相较于现有技术而言，步态辅助设备包括外骨骼组件、传感器组件、数据处理器和用于驱动外骨骼组件运动的驱动组件；其中，传感器组件设置于外骨骼组件上，用于测量获得外骨骼组件的运动数据，且传感器组件与上述数据处理器通信连接，数据处理器可以根据运动数据，并利用预设的步态识别算法确定步态参数，以及根据获得的步态参数，生成控制指令并发送给驱动组件，该控制指令用于控制驱动组件输出相应的力矩驱动相应的外骨骼组件运动，由于上述步态参数能够与使用者的行动姿态和行为特征相匹配，因此，驱动组件驱动外骨骼组件运动的行动姿态和行为特征也能够与使用者的行动姿态和行为特征相匹配，从而使得步态辅助设备的运行速度能够与使用者的行走速度相匹配。
基于本发明第二实施例，提出本发明第三实施例，在本发明第三实施例中，外骨骼组件包括腿部外骨骼组件，该腿部外骨骼组件包括左侧大腿构件、左侧小腿构件、右侧大腿构件、右侧小腿构件中的至少一个；传感器组件包括用于测量腿部惯性的第一传感器组件，该第一传感器组件对应设置在腿部外骨骼组件的各构件上，传感器组件测量获得的外骨骼组件的运动数据包括第一传感器组件测量获得的腿部惯性测量参数。
其中，在建立步态识别算法时，预先采集正常人在平地行走、斜坡行走、上下楼梯时的运动数据，包括双侧下肢大腿、小腿的运动轨迹以及惯性、角速度等。然后对采集的运动数据进行模型训练操作，获得正常人对应的步态参数模型，并保存至数据处理器。数据处理器在接收到第一传感器组件测量获得的腿部惯性测量参数之后，输入训练后的步态参数模型，即可确定出步态辅助设备使用者的步态参数。
驱动组件包括腿部骨骼驱动组件，且腿部骨骼驱动组件与腿部外骨骼组件的各构件对应设置，用于分别驱动对应的构件运动。
数据处理器根据获得的步态参数，生成包括用于控制腿部骨骼驱动组件力矩输出的第一控制指令，并发送给驱动组件，用于控制驱动组件输出相应的力矩驱动相应的腿部外骨骼组件运动。
其中，第一传感器组件可以采用imu(inertialmeasurementunit，惯性测量单元)，用于测量腿部外骨骼组件在三维空间中的运动数据，例如角速度、加速度等。
具体的，在确定步态辅助设备使用者的步态参数之后，继续检测腿部外骨骼组件的运动数据，然后以已确定的步态参数作为参照，分析外骨骼组件的运动数据，确定步态辅助设备使用者腿部的行动姿态和行为特征是否出现偏离或者异常，如果有偏离或者异常，则数据处理器生成控制指令并发送给驱动组件，该控制指令用于控制驱动组件输出相应的力矩驱动腿部外骨骼组件运动，以使腿部外骨骼组件的运行轨迹与确定的步态参数相匹配。
例如，按照已确定的步态参数，步态辅助设备使用者的左腿当前应该向正前方移动50厘米，而步态辅助设备使用者的左腿实际只向正前方移动了30厘米，此时，数据处理器便会生成第一控制指令并发送给驱动组件，该控制指令用于控制驱动组件输出相应的力矩驱动左侧大腿构件和/或左侧小腿构件，使步态辅助设备使用者的左腿再向正前方移动20厘米。另外，驱动组件除了可以提供助力以外，还可以提供阻力，例如，步态辅助设备使用者的左腿在移动时，如果不是沿着正前方运动，而是有向其它方向移动的迹象，则驱动组件会输出相应的阻力来阻止步态辅助设备使用者的左腿向其它方向运动。
本发明实施例所提供的步态识别方法，相较于现有技术而言，外骨骼组件包括腿部外骨骼组件，传感器组件包括用于测量腿部惯性的第一传感器组件，且该第一传感器组件对应设置在腿部外骨骼组件的各构件上，用于测量获得腿部惯性测量参数作为外骨骼组件的运动数据；驱动组件包括腿部骨骼驱动组件，且该腿部骨骼驱动组件与腿部外骨骼组件的各构件对应设置，用于分别驱动对应的构件运动，从而使得步态辅助设备能够根据使用者的行走时的步态参数，为使用者腿部提供合适的辅助力。
基于本发明第三实施例，提出本发明第四实施例，在本发明第四实施例中，传感器组件还包括用于测量脚部运动数据的第二传感器组件；数据处理器在接收到第一传感器组件测量获得的腿部惯性测量参数、第二传感器组件测量获得的脚部运动数据之后，利用预设的步态识别算法确定步态参数。
其中，在建立步态识别算法时，预先采集正常人在平地行走、斜坡行走、上下楼梯时的运动数据，包括双侧下肢大腿、小腿的运动轨迹以及惯性、角速度、双脚脚底的压力分布及变化情况等。然后对采集的运动数据进行模型训练操作，获得正常人对应的步态参数模型，并保存至数据处理器。数据处理器在接收到第一传感器组件测量获得的腿部惯性测量参数、第二传感器组件测量获得的脚部运动数据之后，输入训练后的步态参数模型，即可确定出步态辅助设备使用者的步态参数。
具体的，外骨骼组件还包括脚部外骨骼组件，该脚部外骨骼组件包括左脚构件、右脚构件中的至少一个，第二传感器组件对应设置在脚部外骨骼组件的各构件上。
驱动组件还包括脚部骨骼驱动组件，且脚部骨骼驱动组件与脚部外骨骼组件的各构件对应设置，用于分别驱动对应的构件运动。
数据处理器根据获得的步态参数，还生成用于控制脚部骨骼驱动组件力矩输出的第二控制指令，并发送给驱动组件，用于控制驱动组件输出相应的力矩驱动相应的脚部外骨骼组件运动。
具体的，在确定步态辅助设备使用者的步态参数之后，继续检测外骨骼组件的运动数据，然后以确定的步态参数作为参照，分析腿部外骨骼组件与脚部外骨骼组件的运动数据，确定步态辅助设备使用者的步态是否出现偏离或者异常，如果有偏离或者异常，则数据处理器生成第一控制指令和/或第二控制指令并发送给驱动组件，用于控制驱动组件输出相应的力矩驱动腿部外骨骼组件和/或脚部外骨骼组件运动，以使腿部外骨骼组件和/或脚部外骨骼组件的运行轨迹与确定的步态参数相匹配。
例如，按照已确定的步态参数，步态辅助设备使用者的左脚脚跟当前应该离地，而步态辅助设备使用者的左脚脚跟实际仍然受力，此时，数据处理器便会生成第二控制指令并发送给驱动组件，该控制指令用于控制驱动组件输出相应的力矩驱动左脚构件，使步态辅助设备使用者的左脚脚跟离地。
其中，第二传感器组件可以采用压力传感器，主要分布在脚掌与地面的着力点，如脚跟与脚前掌，通过分析压力传感器检测到的压力值即可确定使用者抬脚、落脚、站立等行动姿态和行为特征。当然，第二传感器组件也可以采用imu或其他类型的传感器，总之，能实现检测脚部运动数据的传感器应当也都适用于本发明的实施例。
为了更好的理解本发明实施例，参照图3，图3为本发明第四实施例中步态辅助设备的结构示意图，在图3中，腿部外骨骼组件包括左侧大腿构件10、左侧小腿构件20、右侧大腿构件30、右侧小腿构件40、第一传感器组件50、左脚构件60、右脚构件70，设置于左脚构件60、右脚构件70上的第二传感器组件(图3中未示出)。
另外，步态辅助设备还包括控制箱80，该控制箱80内设置了数据处理器、电池、散热风扇及外设接线口等。
本发明实施例所提供的步态识别方法，相较于现有技术而言，外骨骼组件包括腿部外骨骼组件与脚部外骨骼组件，传感器组件包括用于测量腿部惯性的第一传感器组件，与用于测量脚部运动数据的第二传感器组件，驱动组件包括腿部骨骼驱动组件与脚部骨骼驱动组件，从而使得步态辅助设备能够根据使用者行走时的步态参数，为使用者的腿部和脚部提供合适的辅助力。
基于本发明第四实施例，提出本发明第五实施例，在本发明第五实施例中，传感器组件还包括用于测量腿部以上身体惯性的第三传感器组件；数据处理器在接收到第一传感器组件测量获得的腿部惯性测量参数、第二传感器组件测量获得的脚部运动数据、以及第三传感器组件测量获得的腿部以上身体惯性测量参数之后，利用预设的步态识别算法确定步态参数。
其中，在建立步态识别算法时，预先采集正常人在平地行走、斜坡行走、上下楼梯时的运动数据，包括双侧下肢大腿、小腿的运动轨迹以及惯性、角速度、双脚脚底的压力分布及变化情况、人体重心的分布情况等。然后对采集的运动数据进行模型训练操作，获得正常人对应的步态参数模型，并保存至数据处理器。数据处理器在接收到第一传感器组件测量获得的腿部惯性测量参数、第二传感器组件测量获得的脚部运动数据、第三传感器组件测量获得的腿部以上身体惯性测量参数之后，输入训练后的步态参数模型，即可确定出步态辅助设备使用者的步态参数。
其中，第三传感器组件也可以采用imu，可以测量患者上半身在三维空间中的运动数据，例如角速度、加速度等。
具体的，在确定步态辅助设备使用者的步态参数之后，检测外骨骼组件的运动数据，然后以确定的步态参数作为参照，分析外骨骼组件的运动数据，确定步态辅助设备使用者的行走速度是否出现异常，如果有异常，则数据处理器生成控制指令并发送给驱动组件，用于控制驱动组件输出相应的力矩驱动相关骨骼组件运动，以使步态辅助设备使用者的行走速度与确定的步态参数相匹配。
本发明实施例所提供的步态识别方法，相较于现有技术而言，传感器组件包括用于测量腿部惯性的第一传感器组件，用于测量脚部运动数据的第二传感器组件、以及用于测量腿部以上身体惯性的第三传感器组件，数据处理器可以根据第一传感器组件、第二传感器组件及第三传感器组件测量获得的腿部惯性、脚部运动数据及腿部以上身体惯性，利用预设的步态识别算法确定步态参数，该步态参数能够表征步态辅助设备使用者的腿部、脚部以及腿部以上身体的行动姿态和行为特征，从而更加有助于步态辅助设备根据使用者的步态参数进行自适应调节，使得步态辅助设备的运行速度能够与使用者的行走速度相匹配。
基于本发明第二实施例至第五实施例中的任意一个实施例，提出本发明第六实施例，在本发明第六实施例中，外骨骼组件还包括大腿构件和小腿构件之间形成的膝关节组件、大腿构件和腿部以上的构件之间形成的髋关节组件、小腿构件和脚部构件之间形成的踝关节组件中的至少一个。
传感器组件包括设置于各关节组件处的第四传感器组件，用于测量各关节组件的旋转角度。
其中，第四传感器组件可以采用旋转编码盘来测量各关节组件的旋转角度。
进一步地，数据处理器根据第一传感器组件测量获得的腿部惯性测量参数、第二传感器组件测量获得的脚部运动数据、第三传感器组件测量获得的腿部以上身体惯性测量参数、以及第四传感器组件测量获得的各关节组件的旋转角度，并利用预设的步态识别算法确定步态参数。
其中，在建立步态识别算法时，预先采集正常人在平地行走、斜坡行走、上下楼梯时的运动数据，包括双侧下肢大腿、小腿的运动轨迹以及惯性、角速度、双脚脚底的压力分布及变化情况、人体重心的分布情况以及人体髋关节、膝关节、踝关节的旋转角度。然后对采集的运动数据进行模型训练操作，获得正常人对应的步态参数模型，并保存至数据处理器。数据处理器在接收到第一传感器组件测量获得的腿部惯性测量参数、第二传感器组件测量获得的脚部运动数据、第三传感器组件测量获得的腿部以上身体惯性测量参数、以及第四传感器组件测量获得的各关节组件的旋转角度之后，输入训练后的步态参数模型，即可确定出步态辅助设备使用者的步态参数。
可以理解的是，数据处理器还可以从腿部惯性测量参数、脚部运动数据、腿部以上身体惯性测量参数、以及各关节组件的旋转角度中选择其中的若干个，利用预设的步态识别算法确定出步态参数。
具体的，在确定步态辅助设备使用者的步态参数之后，检测外骨骼组件的运动数据，然后以确定的步态参数作为参照，分析外骨骼组件的运动数据，确定步态辅助设备使用者的步长与行走姿态是否出现异常，如果有异常，则数据处理器生成控制指令并发送给驱动组件，用于控制驱动组件输出相应的力矩驱动相关骨骼组件运动，以使步态辅助设备使用者的步长和行走姿态与确定的步态参数相匹配。
本发明实施例所提供的步态识别方法，相较于现有技术而言，外骨骼组件还包括膝关节组件、髋关节组件、踝关节组件中的至少一个，传感器组件还包括用于测量各关节组件旋转角度的第四传感器组件，数据处理器可以根据第一传感器组件、第二传感器组件及第三传感器组件测量获得的腿部惯性测量参数、脚部运动数据及腿部以上身体惯性测量参数中的一个或多个，结合第四传感器组件测量的各关节组件的旋转角度，利用预设的步态识别算法确定步态参数，该步态参数能够表征步态辅助设备使用者的腿部、脚部、腿部以上身体以及各个关节的行动姿态和行为特征，从而更加有助于步态辅助设备根据使用者的步态参数进行自适应调节，使得步态辅助设备的运行姿态能够与使用者的行动姿态和行为特征更加协调。
进一步的，本发明实施例中还提供一种步态辅助设备，该步态辅助设备包括外骨骼组件、传感器组件和数据处理器；传感器组件设置于外骨骼组件上，用于测量获得所述外骨骼组件的运动数据，且传感器组件与数据处理器通信连接；数据处理器用于接收传感器组件测量获得的所述外骨骼组件的运动数据，根据运动数据，并利用预设的步态识别算法确定步态参数，该步态参数用于表征所述步态辅助设备的使用者的行动姿态和行为特征。
进一步的，步态辅助设备还包括用于驱动外骨骼组件运动的驱动组件，连接数据处理器；数据处理器还用于根据获得的步态参数，生成控制指令并发送给驱动组件，用于控制驱动组件输出相应的力矩驱动相应的外骨骼组件运动。
具体的，本发明实施例中的步态辅助设备为本发明第一实施例至本发明第六实施例中所描述的步态辅助设备，具体可参照本发明第一实施例至本发明第六实施例中的描述，在此不再赘述。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上为对本发明所提供的一种步态识别方法与步态辅助设备的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。