[0156] 预处理设备可基于多个步态任务对多个步态模式进行分类，并分别将经分类的多 个步态模式作为步态数据存储在多个数据库1010、1020、1030、1040和1050中。例如，步态 数据1001、1002、1003、1004、1005、1006、1007和1008可W是与被分类的多个步态模式之一 相应的X轴加速度数据、Y轴加速度数据、Z轴加速度数据、X轴角速度数据、Y轴角速度数 据、Z轴角速度数据、R轴关节角数据和L轴关节角数据。例如，预处理设备可向量的形 式存储步态数据 1001、1002、1003、1004、1005、1006、1007 和 1008。
[0157] 此外，预处理设备可使用k-d树结构构造多个数据库1010、1020、1030、1040和 1050。当数据库1010、1020、1030、1040和1050基于k-d树结构被构造时，0(l〇gr〇的时 间可用于在多个数据库1010、1020、1030、1040和1050中捜索步态数据。因此，步态任务识 别设备可实时在多个数据库中捜索步态数据。
[0158] 图11示出根据示例实施例的在用于步态任务识别的预处理设备中的步态特征的 提取。 阳159] 参照图11，预处理设备可基于步态数据之间的相似度产生关于步态数据的每项的 步态特征。例如，当五个步态任务被定义时，预处理设备可构造五个数据库。为了产生包 括在第一数据库1121中的第一步态数据1111的步态特征，预处理设备可计算第一步态数 据1111与来自第一数据库1121的排除第一步态数据1111之外的其余步态数据之间的相 似度，并基于计算的相似度从第一数据库1121提取与第一步态数据1111相似的步态数据。 预处理设备可计算第一步态数据1111与包括在第二数据库1122至第五数据库1125中的 每个中的排除第一步态数据1111之外的其余步态数据之间的相似度，并基于计算的相似 度从第二数据库1122至第五数据库1125中的每个提取与第一步态数据1111相似的步态 数据。
[0160] 预处理设备可计算第一步态数据1111与从第一数据库1121至第五数据库1125 中的每个提取的相似的步态数据之间的相似度的平均值，并基于作为元素的计算的平均值 产生第一步态特征向量。例如，预处理设备可将分别与第一数据库1121至第五数据库1125 相应的第一平均值至第五平均值配置为第一步态特征向量的第一元素至第五元素。预处理 设备可通过对第一步态特征向量执行归一化1131来产生第一步态特征1141。与第一步态 数据1111类似，预处理设备可针对第二步态数据1112至第五步态数据1115分别产生第二 步态特征1142至第五步态特征1145。 阳161] 图12示出根据示例实施例的步态特征到特征空间的映射。 阳162] 参照图12,输入空间1210可包括5X1步态特征。步态特征1211和步态特征1212 可对应于不同的步态任务。然而，在输入空间1210中，步态特征1211和步态特征1212可W不彼此区分。
[0163] 步态任务识别设备可将步态特征1211和1212映射到期望的（或者可选地，预定 的）维度的特征空间1220。当步态任务识别设备使用SVR模型估计步态任务时，步态任务 识别设备可使用齐性核映射将步态特征1211和1212映射到15X1维度的特征空间1220。 当步态特征1211和1212被映射到特征空间1220时，步态特征1221和1222可在特征空间 1220中彼此区分。因此，步态任务识别设备可通过将步态特征应用于相对低维度的空间中 的非线性SVR模型来估计步态任务，从而用于估计步态任务的计算时间可减少。
[0164] 图13示出根据示例实施例的数据库捜索。
[01化]参照图13,步态任务识别设备可在操作1310基于感测数据提取步态模式。例 如，当处于停止状态的用户开始行走时，步态任务识别设备可基于感测数据提取步态模式 1311。 阳166] 步态任务识别设备可在操作1320基于步态模式1311捜索多个数据库1321，并在 操作1330从分别与多个步态任务相应的多个数据库1321中的每个提取与步态模式1311 相似的步态数据。例如，步态任务识别设备可使用k近邻捜索来捜索多个数据库1321。例 如，当基于k-d树结构配置多个数据库1321时，0(l〇gr〇的时间可用于捜索多个数据库 1321。运里，表示包括在多个数据库1321中的每个中的步态数据的项数，i表示多个数 据库1321中的相应的一个数据库的索引。例如，步态任务识别设备可从多个数据库1321 中的每个提取五个相似的步态数据1331。 阳167] 图14示出根据示例实施例的在步态任务识别设备中的步态特征的提取。
[0168] 参照图14,步态任务识别设备可计算步态模式1410与包括在五个数据库1421、 1422、1423、1424和1425中的每个数据库中的相似的步态数据之间的相似度。例如，步态任 务识别设备可从五个数据库1421、1422、1423、1424和1425中的每个提取与步态模式1410 具有相对高的相似度的五个步态数据，并计算步态模式1410与包括在五个数据库1421、 1422、1423、1424和1425中的每个中的五个相似的步态数据之间的相似度。
[0169] 步态任务识别设备可计算所计算的相似度的平均值。例如，用于识别步态任务的 设备可计算与步态模式1410和从第一数据库1421提取的五个相似的步态数据之间的相似 度的平均值相应的第一平均值1431。步态任务识别设备可计算与步态模式1410和分别从 第二数据库1422至第五数据库1425提取的五个相似的步态数据之间的相似度的平均值相 应的第二平均值1432至第五平均值1435。步态任务识别设备可分别将第一平均值1431至 第五平均值1435配置为步态特征向量的第一元素至第五元素。用于识别步态任务的设备 可通过对步态特征向量执行归一化1440来产生步态特征1450。
[0170] 图15示出根据示例实施例的步态任务识别设备的示例。 阳171] 参照图15,步态任务识别设备1510可包括在行走辅助设备中。当用户行走时，步 态任务识别设备1510可获得感测数据。感测数据可表示通过从包括在步态任务识别设备 1510中的传感器感测关于步态运动的用户的运动量或生物信号的变化所获得的数据。步态 任务识别设备1510可基于感测数据检测用户的步态模式，并从与多个步态任务中的每个 相应的多个数据库中的每个提取与检测到的步态模式相似的步态数据。步态任务识别设备 1510可计算步态模式与提取的相似的步态数据之间的相似度，并基于计算的相似度产生步 态模式的步态特征。步态任务识别设备1510可通过将步态特征应用于期望的（或者可选 地，预定的）学习模型来估计与步态模式相应的步态任务。步态任务识别设备1510可基于 估计的步态任务控制行走辅助设备的驱动。此外，步态任务识别设备1510可使用通信接口 与可穿戴装置1520或移动终端1530通信。例如，当步态任务识别设备1510估计出步态任 务时，步态任务识别设备1510可将关于估计出的步态任务的信息发送到可穿戴装置1520 或移动终端1530。 阳172] 图16示出根据示例实施例的步态任务识别设备的示例。 阳173] 参照图16,步态任务识别设备1610可被包括在行走辅助设备中。当用户行走时， 步态任务识别设备1610可获得感测数据。感测数据可表示通过从包括在步态任务识别设 备1610中的传感器感测关于步态运动的用户的运动量或生物信号的变化所获得的数据。 步态任务识别设备1610可基于感测数据检测用户的步态模式。服务器1620可包括分别与 多个步态任务相应的多个数据库。例如，多个数据库可由预处理设备预先产生，并被存储在 服务器1620中。步态任务识别设备1610可使用通信接口基于检测到的步态模式捜索包括 在服务器1620中的多个数据库。步态任务识别设备1610可从多个数据库中的每个提取与 步态模式相似的步态数据，并基于步态模式与相似的步态数据之间的相似度产生步态模式 的步态特征。
[0174] 步态任务识别设备1610可从服务器1620获得期望的（或者可选地，预定的）学 习参数。步态任务识别设备1610可将步态特征输入到期望的（或者可选地，预定的）学习 模型，并通过将从服务器1620获得的期望的（或者可选地，预定的）学习参数应用于期望 的（或者可选地，预定的）学习模型来估计与步态模式相应的步态任务。
[01巧]例如，步态任务识别设备1610可使用通信接口将关于估计的步态任务的信息发 送到服务器1620。 阳176] 图17是示出根据示例实施例的步态任务识别设备的框图。
[0177]参照图17,步态任务识别设备1710包括步态模式检测器1720、数据库构造器 1730、步态特征产生器1740、学习参数提取器1750、用户步态模式检测器1760、用户步态特 征产生器1770、步态任务估计器1780和驱动控制器1790。
[0178] 步态模式检测器1720可基于第一感测数据检测多个步态模式。
[0179] 数据库构造器1730可基于多个步态任务对多个步态模式进行分类，并将经分类 的多个步态模式作为步态数据存储在与多个步态任务中的每个相应的多个数据库中的每 个数据库中。
[0180] 步态特征产生器1740可基于步态数据之间的相似度产生关于每个步态数据的步 态特征。 阳181] 学习参数提取器1750可通过将关于每个步态数据的步态特征应用于期望的（或 者可选地，预定的）学习模型来提取关于期望的（或者可选地，预定的）学习模型的学习参 数。 阳182] 用户步态模式检测器1760可基于第二感测数据检测用户的步态模式。 阳183]用户步态特征产生器1770可从多个数据库中的每个提取与用户的步态模式相似 的步态数据，并基于用户的步态模式与相似的步态数据之间的相似度来产生用户的步态模 式的步态特征。 阳184] 步态任务估计器1780可通过将用户的步态特征应用于期望的（或者可选地，预定 的）学习模型来估计与用户的步态模式相应的步态任务。 阳185] 驱动控制器1790可基于估计的步态任务控制行走辅助设备的驱动。 阳186] 参照图1A至图16提供的描述可适用于如图17中所示的步态任务识别设备1710， 因此，为了简明，将省略详细描述。 阳187] 图18是示出根据示例实施例的识别步态任务的方法的流程图。
[0188]参照图18,在操作1810,步态任务识别设备可基于感测数据检测用户的步态模 式。 阳189] 在操作1820,步态任务识别设备可从与多个步态任务中的每个相应的多个数据库 中的每个提取与步态模式相似的步态数据，并基于步态模式与相似的步态数据之间的相似 度来产生步态模式的步态特征。
[0190]在操作1830,步态任务识别设备可通过将步态特征应用于期望的（或者可选地， 预定的）学习模型来估计与步态模式相应的步态任务。 阳191] 在操作1840,步态任务识别设备可基于估计的步态任务控制行走辅助设备的驱 动。 阳19引参照图1A至图16提供的描述可适用于如图18中所示的识别步态任务的方法，因 此，为了简明，将省略详细描述。 阳193] 图19是示出根据示例实施例的用于步态任务识别的预处理方法的流程图。 阳194] 参照图19,在操作1910,预处理设备可基于感测数据检测多个步态模式。
[0195]在操作1920,预处理设备可基于多个步态任务对多个步态模式进行分类，并将经 分类的多个步态模式作为步态数据存储在与多个步态任务中的每个相应的多个数据库中 的每个数据库中。 阳196] 在操作1930,预处理设备可基于步态数据之间的相似度来产生关于每个步态数据 的步态特征。
[0197]在操作1940,预处理设备可通过将关于每个步态数据的步态特征应用于期望的 (或者可选地，预定的）学习模型来提取关于期望的（或者可选地，预定的）学习模型的学 习参数。
[0198] 参照图1A至图16提供的描述可适用于如图19中所示的用于步态任务识别的预 处理方法，因此，为了简明，将省略详细描述。 阳199] 图20是示出根据示例实施例的识别步态任务的方法的流程图。 阳200] 参照图20,在操作2010,步态任务识别设备可基于第一感测数据检测多个步态模 式。 阳201] 在操作2020,步态任务识别设备可基于多个步态任务对多个步态模式进行分类， 并将经分类的多个步态模式作为步态数据存储在与多个步态任务中的每个相应的多个数 据库中的每个数据库中。 阳202] 在操作2030,步态任务识别设备可基于步态数据之间的相似度产生关于每个步态 数据的步态特征。 阳203]在操作2040,步态任务识别设备可通过将关于每个步态数据的步态特征应用于期 望的（或者可选地，预定的）学习模型来提取关于期望的（或者可选地，预定的）学习模型 的学习参数。 阳204]在操作2050,步态任务识别设备可基于第二感测数据检测用户的步态模式。 阳205]在操作2060,步态任务识别设备可从多个数据库中的每个提取与用户的步态模式 相似的步态数据，并基于用户的步态模式与相似的步态数据之间的相似度来产生用户的步 态模式的步态特征。 阳206]在操作2070,步态任务识别设备可通过将用户的步态特征应用