一种用于测量足压的鞋垫和检测足压的方法与流程

本发明涉及通过足底压力传感器检测足底压力，然后通过蓝牙技术一对一将数据无线传输至手机APP，进行运动步态的显示与分析，特别是一种用于测量足压的鞋垫和检测足压的方法。
背景技术：
：由于人体足底的结构的特征，人体在踩下地面的时候，足底各点会产生不同的压力，通过测试、分析足底压力，可以获取人体在各体态和运动下的生理、病理力学参数和机能参数，建立起相关模型，因此提取人体足底压力可以获得人体的身份信息。将每个人不同的走路姿态、重力分布应用到了对人的身份的识别工作中，传统的身份识别主要是针对人的手掌指纹识别，本项目采用的是对人的脚掌压力的识别。在该系统中，首先通过合理设计符合脚底特征的压力传感器来检测压力信号，然后将压力传感器的输出信号进行放大、滤波、A/D转换等信号调理，达到分析人体足底的运动学特征，测试人体足底多个具有代表性的压力点的目的。现有技术中对人的脚底压力的检测只是实现了单脚通信，智能测量单个脚底压力数据，传感器数量少并且测量精度很差，不能应用于康复医疗等专业领域，没有对足底压力数据进行整体的实时动态展现。技术实现要素：通过内置在鞋垫内的双脚18个压力传感器检测人在站立、行走、跑步、上下楼等多个步态模式下的足底压力情况。并通过蓝牙传输至手机APP。用户可以通过注册账号登录手机APP“足底365”和web端足压远程监测平台，在两个终端，均可以看到足底压力热力图的实时动态变化、相应压力指标的计算结果和分析建议，如有疑问，还可以在线向专家进行健康咨询。与现有技术相比，我们具有独立的足底压力分布算法和指标计算算法，其中足底压力分布算法的原理是，通过检测的足底18个点的压力数据，由高斯分布原理，计算出每个点周围其他点的足底压力。并通过该算法得到了全脚掌的足底压力，绘制出足底压力热力图，并能够在用户测试的过程中，实时动态的展示在终端。指标计算算法是通过计算出来的足底压力数据和人行走过程中的行为特征，计算出峰值压力等直观指标，并推算出步态周期、步频等指标。最后，会对比当前用户的现有各项指标情况和正常人的各项指标情况，如有异常，系统将会给出相应的提示和建议。为了解决上述问题并且为后期应用提供完善的数据，本发明给出了如下技术方案：一种用于测量足压的鞋垫,包括与脚底接触的鞋垫表面，在鞋垫表面的多个检测位置(x0,y0)处设置用于检测该检测位置(x0,y0)处脚施于鞋垫的压力的传感器，其特征在于，所述多个检测位置(x0,y0)至少包括对应于脚的第一趾、第一跖骨、第二跖骨、第三到五跖骨和足跟的鞋垫表面上的位置。优选地，所述多个位置还包括对应于足弓的鞋垫表面上的位置。本发明还涉及一种测量足压的方法，包括如下步骤：步骤1，检测根据权利要求1所述的鞋垫上传感器所在位置(x0,y0)处的脚施加的压力；步骤2，根据下述公式计算其他位置的足底压力：其中，Z(X,Y)是其他位置(X,Y)处的压力计算值；P为检测位置(x0,y0)的测量压力值；x0,y0为检测位置的横坐标和纵坐标；x1为区域宽度比；y1为区域高度比；A为比例系数其值大于0且小于1；e为自然常数。优选地，所述其他位置(X，Y)围绕其检测位置形成圆或椭圆曲线。最好，所述圆或者椭圆曲线与检测位置所在的区域的形状相似。优选地，将其他位置(X，Y)计算的压力值与实际测量的压力值进行比较，如果不一致对参数进行调整，直至所述二者一致为止。最好，还包括如下步骤：步骤3，根据计算出来的足底压力数据和人行走过程中的行为特征，计算出峰值压力。优选地，所述足压包括人在站立、行走、跑步、上下楼多个步态模式的足压情况。最好，将其他位置处的压力计算值传送至显示终端。最好，根据足压对应的人的行为特征，确定被检测人的行为。本发明的产品和方法可以用于足压检测系统及远程监测平台，通过智能鞋垫检测人体在不同状态下的足底压力，并对足底压力数据进行可视化展示、相应的处理和分析，协助用户对足部健康做出更准确的判断。对患者来说，是一种实时自我监测的手段；对医生来说，是一种辅助患者康复治疗的方法；对广大运动员和更多人群来说，均是一种能够对足底压力异常状态进行实时监测的方便又快捷的远程医疗检测方式。本发明面向的用户群体划分附图说明图1为人脚的解剖简示图；图2为本发明对人脚底的区域划分简示图；图3为图2所示区域涉及到的人脚的相应部位；图4为人行走时的步态周期；图5为本发明的鞋垫的压力加测位置设置简示图；图6为本发明鞋垫的结构图；图7为本发明的方法的流程图。其中，10为人脚，1为趾骨，2为跖骨，3为楔状骨，4为股骨，5为舟状骨，6为距骨，7为跟骨，101为人行走时的支撑相，102为人行走时的摆动相，S1为双腿支撑初期，S2为单腿支撑，S3为双腿支撑，S4为摆动初期，S5为摆动中期，S6为摆动末期,20为本发明的鞋垫，21为本发明鞋垫表面(与脚底接触)，P1‐P9为鞋垫中设置的传感器，23为与传感器连接的电路，A1‐A8为发明设置的足部区域。具体实施例图1和3示出了人脚10的结构图，示出了趾骨1，跖骨2，楔状骨3，股骨4，舟状骨5，距骨6，跟骨7，前足(前段)由趾骨1和跖骨2构成，中足部(中段由)楔状骨3，股骨4和舟状骨5构成，足后部(后段)由距骨6和跟骨7构成。图2和3示出了正常人足底压力会集中的区域A1、A3、A4、A5和A8区域，即第一趾、第一跖骨、第二跖骨、第三到五跖骨和足跟处。因此，这些区块所在的位置将会成为足底压力检测的主要关键点。另外，由于足弓区域占整个足底面积比重较大，也应设立足底压力检测点，用以更好地研究足底压力的分布。因此，在压力鞋垫中层排布薄膜压力传感器22位置如图5和6所示。如此，便能测试出人单足9个点的压力数据。并将测得的压力信号传输至信号处理单元进行A/D转换和相应的计算。图5和6示出了本发明的足底压力检测硬件系统。本发明还包括足压检测APP和web端远程监测平台两部分。在硬件系统中，足底压力传感器会自动采集用户在行走过程中的足底压力数据，经控制器解析，通过蓝牙传输至手机APP存储起来。当用户采集完毕，可以选择性地将数据上传至云端服务器。而web后端便可以从云端数据库中获取到用户的数据，传给前台。这样，用户就可以随时登录web端远程监测平台，通过平台实现数据回放、结果分析和健康咨询等功能。如图7所示，在图5和6所示的鞋垫的基础上，本发明的足压检测方法包括，测量一组正常人静止站立时的压力值P1，P2，P3，P4，P5,P6，P7，P8，P9，在本发明的实施例中，选取正常人右脚41码鞋垫尺寸，其中以鞋垫20前后方向线为Y轴，该Y轴基本上将鞋垫左右平分两部分，在Y轴与鞋垫前部接触点做垂直于所述Y轴的线为X轴，所述Y轴向脚后的方向为正方向，所述X轴向脚的右侧方向为正方向，在所述X‐Y坐标系中分别设置P1‐P9所在点的坐标(x0,y0)见下表，所测量的压力值针对1.75身高，体重65公斤的男士测量出来的。可以注意到，本发明中的测量值的位置的坐标x0,y0,根据不同的测量值是不同的，计算值的坐标X，Y是在x0,y0选定后进行计算得出的。位置点坐标(x0,y0)测量压力值P1(3.6,2.9)30P2(6.4,2.9)29P3(7.2,10.5)25P4(3.9,13)0P5(7.3,13.9)24P6(8.1,16.6)31.5P7(3,18.2)33P8(6.6,20.3)32P9(3.2,23.1)23分别将上述值代入下述公式中：其中，Z(X,Y)是其他位置(X,Y)处的压力计算值；P为检测位置(x0,y0)的测量压力值；x0,y0为检测位置的横坐标和纵坐标；x1为区域宽度比；y1为区域高度比；A为比例系数其值大于0且小于1；e为自然常数。从而可以得出围绕测量点周围的其他点的计算值，该计算值与实际贴合，验证该公式准确率的方式是令X＝0，Y＝0，看计算值是否与测量值相等，如果相等则该公式正确，就可以通过设定X和Y的大小求得附近点的计算值，进而绘出压力图。图4中示出了步态周期：在行走时一侧足跟着地到该侧足跟再次着地的过程被称为一个步态周期，通常用时间秒(s)表示。一般成人的步态周期约为1—1.32s左右。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(gaitphase/period)。一个步态周期可分为支撑相(stancephase)和摆动相(swingphase)，一般用该时相所占步态周期的百分数作为单位来表达，有时也用秒表示。最多的是以单腿为分析对象，将一个步态周期分为支撑相和摆动相，各个相位再分为6个不同的步态。图4中将两个步态相位(支撑相和摆动相)分割成6个步态阶段：S1双腿支撑初期、S2单腿支撑期、S3双腿支撑期、S4摆动初期、S5摆动中期和S6摆动末期。在图4中每个位置之间分为G1-G7七个状态，分别为G1:左脚尖受力逐渐减小，右脚后跟开始受力；G2:左脚尖离地，右脚后跟开始离开地面，脚前掌开始受力；G3:左脚离地，右脚尖开始受力；G4:左脚跟开始受力，右脚尖受力逐渐减小；G5:左脚后跟开始离开地面，前脚掌开始受力，右脚尖离地G6:左脚前掌开始受力增大，右脚离地；G7:左脚尖开始受力，右脚离地支撑相：指下肢接触地面及承受重力的时间，大部分时间是单足支撑。步行与跑步的关键差别在于步行有双足支撑的时间，称为双支撑相，相当于支撑足首次触地及承重反应期或对侧足的减重反应和足离地时期。双支撑相的时间与步行速度成反比。步行障碍时往往首先表现为双支撑相时间延长，以增加步行稳定性。摆动相：指足离开地面向前迈步到再次落地之间的时间。在整个步态周期中，只有在支撑相会有足底压力。在双腿支撑阶段主要是平衡身体前倾的力，单腿支撑阶段是获得向前的加速度，而摆动相是先后腿交换的过程。所以从足底压力的角度分析可知，在双腿支撑阶段主要是脚跟受力，而在单腿摆动阶段是脚后跟受力逐渐减小而脚前掌和脚趾逐渐受力。通过判断整个步态周期内，足底各个部位压力的变化情况，判断出步态周期、摆动时相、支撑时相的起始时间，并通过计算得到相应指标。再通过换算，得到步频等更多指标。在本发明的实验中给出如下数据表2正常人行走测试右脚压力数据(两个步态周期)从表2可以看出，时间243ms～1045ms内，足跟区域(采集点1、2)的数据逐渐增大，然后在1125ms～1285ms时间段数据减小的同时，足前掌区域(采集点8、9)的数据逐渐增大，这是足跟触地到足尖着地的过程，同时也是从支撑时相到摆动时相的过渡。在1366ms～2097ms时间段，足跟区域(采集点1、2)的数据再次逐渐增大，证明此时右脚跟再次触地，表示进入下一个步态周期。通过上述判断，可以算出行走过程中每一个步态周期内的不同步态指标，生成分析报告：该男性用户的步态周期为1.127秒，摆动时间0.642秒，支撑时相1.361秒，达峰值压力34.5牛顿，达峰值时间1.058秒，步频53。因此支撑时相与摆动时相所占比例合理，步态正常。从该数据分析结果可以看出，测试者的步态周期是1.127s，其中摆动时相有0.642s，约占步态周期的30％，而支撑时相有1.361s，约占步态周期的70％。并且，测试者在1.058s时的足底压力达到最大值34.5N，平均1分钟内行走53步。经过查阅大量步态研究的文献以及正常人的设备穿戴测试，发现该测试者行走指标符合正常人的行走规律，并且在一个步态周期中，摆动时相与支撑时相比例合理。因此，可以初步判断出测试者行走步态正常。图7示出了本发明检测方法的流程图，31采集一组正常人静止站立时的压力检测值(P1-P9)，32-33确定将压力检测值代入上述公式中，调整相应参数(x0,y0,x1,y1,A)以便可以争取运算获得实际准确结果，34观察显示结果，假定X＝0，Y＝0，比较检测结果与计算值是否相等，如果相等则进行其他压力检测值的调整实验。从而最终获得对应给个区域(P1-P9)的正确参数。从而获得精准的计算公式，使得测试系统具有了智能，能够据此给出精准的结果，并实现上述的分析和判断。这样的系统可以包括可穿戴设备(比如鞋垫)，手机移动端、电脑端等，通过WiFi、蓝牙等无线连接或者有线连接进行实时远程分析。上述各实施例仅是本发明的优选实施方式，在本
技术领域：
内，凡是基于本发明技术方案上的变化和改进，不应排除在本发明的保护范围之外。当前第1页1 2 3