一种基于惯性传感器的人体步态分析方法和系统与流程

本发明属于步态分析技术领域，尤其涉及一种基于惯性传感器的人体步态分析方法和系统。

背景技术

人体步态是人体步行过程中下肢协调关系的行为特征，涉及到个人运动习惯、健康状况、性别、年龄、职业等因素，人体步态检测具有显著的意义。例如，在运动康复方面，步态分析可以评估被测者下肢运动能力恢复情况。在远程医疗方面，便携式步态分析设备可以减少护理人员长时间值守。在个人导航方面，通过对行人下肢运动轨迹信息的计算可以实现在无gps信号的环境下的位置定位。

现有的步态分析方法包括传统的基于目测法、足印法、光学信号、超声信号、压力信号等方法。专利号为7457439的美国专利systemandmethodformotioncapture使用多个摄像机恢复出身体的三维运动信息。但是基于光学的运动测量系统普遍存在信号遮挡问题，使用受限制；公开号为cn102670207的专利介绍了一种基于足底压力的步态分析方法，通过分析足底压力分布随时间的变化来识别人体步态相位和下肢运动信息模式，但是此方法只能得到足部与地面接触时的压力变化，进而无法得到一个完整步态周期的步态信息；公开号为cn101694499的专利描述了一种行人步速测量的系统，通过固定于腹部正前方的双轴加速度传感器获得被测者在运动过程中的运动信号。这种方法很容易受到腹部软组织形变的影响，系统步速检测精度较低。

随着微型机电系统(mems)技术的高速发展，可穿戴式传感器在人体运动康复领域获得广泛应用。现有的基于穿戴式惯性传感器的步态分析方法都使用了零速度更新算法来消除误差累积，但是零速度更新的效果严重依赖于算法阈值的选择，现有的确定阈值的方法往往采用三轴加速度信号的模值结合角速度变化的变化率(一阶导数)来确定能够使用零速度更新算法的时间段。由于在站立期加速度和加速度值并不为零，而是在零附近波动，而且从加速度值和角速度值曲线来看，都不存在一个明显的波峰或者波谷。因此很难找到一个普遍适用的阈值检测方法。现有的步态分析方法都是计算绝对步速、步长和步频，并未考虑身高对检测结果的影响，这样得到的测量结果对于不同的被测对象不具备可比性。另外，由于腿部肌肉在运动过程中存在形变，会引起传感器坐标系与地面参考坐标系相对关系发生变化。而人体下肢各个部位只有足部适用零速度更新算法消除误差，其余部位的位置与方位角信息估算不可避免地存在较大误差。

技术实现要素：

本发明主要解决现有技术的难以有效地消除使用运动信号积分误差的技术问题，提出一种基于惯性传感器的人体步态分析方法和系统，以达到提高人体步行过程中下肢运动信息计算的精确性和可靠性的目的。

一种基于惯性传感器的人体步态分析方法，具体步骤如下：

步骤1，将三加速度计、三轴陀螺仪以及三轴电子罗盘分别对应安装在被测者的大腿中段、小腿中段以及足背位置；用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号；

人体步行过程中下肢的运动信号通过三轴加速度计和三轴陀螺仪采集得到；人体步行过程中的三维地磁场分量信号通过三轴电子罗盘采集得到；

步骤2，根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态；初始姿态包括人体初始静止站立状态的俯仰角、滚转角和偏航角；根据人体的初始姿态获得传感器坐标系与地面坐标系之间的偏差量，利用偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；

步骤3，根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻；从开始时刻使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息；并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数；其中，步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；

步骤4，消除传感器误差积累，更新人体步态参数

当检测到站立相中期时，小腿与地面垂直，以着地的腿作为摆动轴，被测者身体重心前移，对人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；

当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数；

下肢运动学模型建立的两个约束条件为：

其中，为基于小腿运动的膝关节位移向量，为基于足部的传感器计算出的脚踝位移向量，为通过置于大腿部位的传感器计算出的髋关节位移向量，为通过传感器测量到膝关节加速度，为通过传感器测量到踝关节加速度，t为采样周期，计算公式如下：

其中，和分别为基于小腿运动的膝关节在x、y、z轴的位移；和分别为置于大腿部位的传感器计算出的髋关节在x、y、z轴的位移；和分别为基于足部的传感器计算出的脚踝在x、y、z轴的位移；α、β、γ分别为绕x、y、z轴旋转的欧拉角，l1为通过人体测量器测出的小腿长度，l2为通过人体测量器测出的大腿长度，l3为通过人体测量器测出的踝关节高度；

步骤5，对获得的人体步态参数进行标准化处理，进而建立人体步态数据库

通过公式对步速进行标准化，通过公式对步长进行标准化，通过公式对步频进行标准化，得到标准化处理后的人体步态参数；其中，l1为被测者身高，lm为被测者所属年龄段人群的平均身高；v为对传感器信号积分运算得到的被测者步速，vrel为标准步速，单位是米/秒；l为对步速积分运算得到的步长，lrel为标准步长，单位是米/步；c为通过步行周期计算出的被测者单位时间内行走的步频，crel为标准步频，单位是步/秒。

一种基于惯性传感器的人体步态分析系统，包括数据采集装置、数据分析处理装置和步态数据库单元；

所述的数据采集装置包括惯性传感器标定单元、传感器信号采集单元、数据滤波单元和自容式数据存储单元，用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号，运动信号包括三维加速度和三维角速度；人体步行过程中下肢的运动信号通过三轴加速度计和三轴陀螺仪采集得到；人体步行过程中的三维地磁场分量信号通过三轴电子罗盘采集得到；三轴加速度计、三轴陀螺仪以及三轴电子罗盘分别对应安装在被测者的大腿中段，小腿中段以及足背位置；

惯性传感器标定单元，用于标定传感器，通过三维转台和三维导轨对传感器进行标定；

传感器信号采集单元，用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号；

数据滤波单元，用于对采集到的运动信号和三维地磁场分量信号进行去噪声处理；

自容式数据存储单元，用于将采集到的运动信号和三维地磁场分量信号保存到存储设备中；

所述数据分析处理装置包括初始姿态分析单元、步态参数计算单元和误差矫正单元；

初始姿态分析单元，用于根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，运动信号包括三维加速度信号和三维角速度信号，根据人体的初始姿态获得传感器坐标系与地面坐标系之间的偏差量，利用偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；

步态参数计算单元，用于根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，从开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数；其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；

误差矫正单元，用于消除传感器误差积累，更新人体步态参数；当检测到站立相中期时，小腿与地面垂直，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。

本发明的有益效果：

1、使用放置在小腿的辅助传感器显著提高了足部零速度更新算法的有效性。

2、将机器人领域迪纳维特-哈坦伯格坐标变换方法应用在下肢运动模型，减少位置计算误差，提高了腿部位置信息的计算精度。

3、将测算出的人体步态参数中的步速、步长、步频进行标准化处理，实现不同被测者步态数据具有横向可比性。对不同性别，不同年龄被测者的步态数据进行分位数回归分析，可以得到步态参数的变化趋势。

4、数据采集不依赖于外部设备，完全自容式存储，消除了无线传输模式数据丢包的弊端。

5、测量精度高，灵敏度高，成本较低，方便操作者使用，可用于步态信息的精确测量和人体其他部位的运动信息检测。

附图说明

图1为本发明实施例提供的基于惯性传感器的人体步态分析方法的实现流程图；

图2为本发明实施例中传感器安装示意图；

图3为本发明实施例中三轴加速度、三轴陀螺仪和三轴电子罗盘采集的数据示意图；

图4为本发明实施例中人体下肢传感器的坐标系变换示意图；

图5为本发明实施例中实例1计算得到的被测者沿矩形路线行走两圈的三维方向角信息示意图；

图6为本发明实施例中实例1计算得到的被测者沿直线行走十步的足部三维角度信息示意图；

图7为下肢疼痛与下肢关节旋转角度的关系示意图；

图8为本发明实施例提供的基于惯性传感器的人体步态分析系统的结构图。

具体实施方式

以下结合附图和技术方案，进一步说明本发明的具体实施方式。

实施例一

图1为本发明实施例提供的基于惯性传感器的人体步态分析方法的实现流程图。本发明实施例提供的基于惯性传感器的人体步态分析方法可以由本发明实施例提供的基于惯性传感器的人体步态分析系统来执行，该系统可以由软件和/或硬件来实现。如图1所示，本发明实施例提供的基于惯性传感器的人体步态分析方法包括：

步骤1，利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号。

其中，所述运动信号包括三维加速度信号和三维角速度信号。具体的，通过三维转台和三维导轨对传感器进行标定；采集人体步行过程中下肢的运动信号和三维地磁场分量信号；对采集到的运动信号以及三维地磁场分量信号进行去噪声处理；将采集到的运动信号和三维地磁场分量信号保存到存储设备中。其中，去噪声处理可以包括对检测到的三维加速度信号、三维角速度信号以及三维地磁场分量信号进行高通(0.001赫兹)滤波，低通(5赫兹)滤波和陷波(50赫兹)处理。图2为本发明实施例中传感器安装示意图。参照图2，可以通过三轴加速度计和三轴陀螺仪采集人体步行过程中下肢的运动信号，通过三轴电子罗盘采集人体步行过程中的三维地磁场分量信号；三轴加速度计、三轴陀螺仪以及三轴电子罗盘安装在人体大腿中段、小腿中段和足背位置。图3为本发明实施例中三轴加速度、三轴陀螺仪和三轴电子罗盘采集的数据示意图。将三轴加速度、三轴陀螺仪和三轴电子罗盘采集的数据用计算机进行处理可得到图3。图3中x、y和z分别代表传感器的三个相互正交的坐标轴，vpt代表运动信号能量，用于检测步行开始时刻，zupt代表零速度更新算法开关信号。

为了采集数据的准确性，在采集数据之前可以通过三维转台和三维导轨对传感器进行标定，目的是避免因传感器基线漂移带来的误差。标定的具体过程为：加速度计静态参数标定，利用重力g，使传感器每个轴分别与重力方向重合，检测传感器输出与g的偏差量；加速度计动态参数标定，利用三维导轨，施加额定方向的加速度，将传感器分别固定于导轨三个轴向，感应导轨由于电机牵引皮带产生的固定加速度，与传感器输出量进行比对计算得到偏差量；陀螺仪静态参数标定，传感器静置，三轴输出应该为零，若不为零，分别记录每个轴向的偏差量；陀螺仪动态参数标定，传感器固定于转台上，使传感器重心与转台中心重和，分别使陀螺仪的三轴与转台转轴重合，打开电机对转台施加固定转速，记录陀螺仪输出值与转台转速对比得到偏移量。所述偏移量在后续计算公式中进行消除，从而消除传感器固有误差。

具体的，采集到的人体步行过程中下肢的运动信号(三维加速度信号和三维角速度信号)和三维地磁场分量信号的数据保存在移动存储卡(sd卡)，之后通过读卡器传送到对数据进行分析处理的设备中。

步骤2，根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，根据人体的初始姿态获得传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息。

其中，所述初始姿态包括人体初始静止站立状态的俯仰角、滚转角和偏航角。测量开始时被测者处于静止站立状态，通过测量重力在矢平面和水平面的分量得到俯仰角和滚转角，电子罗盘测量地球磁场在传感器三个平面的分量来计算初始偏航角。具体的过程为：以重力加速度g作为参考向量，获得重力加速度在矢平面和水平面的分量进而到俯仰角和滚转角；以地磁场矢量在当地水平面的分量h作为参考向量，通过三轴电子罗盘的水平方向x轴和y轴的测量值hx和hy与h的比值来计算初始方位与正北方向的夹角，进而获得偏航角。

图4为本发明实施例中人体下肢传感器的坐标系变换示意图。参照图4，人体处于静止站立状态的时候，在地面参考坐标系中，重力加速度向量为[0,0,g]^t，经过旋转矩阵到传感器坐标系的计算值为[x,y,z]^t，在传感器坐标系中加速度的测量值为[a,b,c]^t、[x,y,z]^t和[a,b,c]^t均表示在传感器坐标系中重力加速度向量，对这两个向量做向量积可得到误差[ex,ey,ez]^t，利用这个误差向量即可修正旋转矩阵。修正后的传感器坐标系如图4。上述修正只是把地面参考坐标系和传感器坐标系的x-o-y平面重合起来，对于绕z轴的旋转，也即偏航角，加速度计无计可施，其测量值始终为[0,0,g]^t，只能依靠磁力计来进一步做补偿。三轴电子罗盘测量对象为磁场矢量，在较纯净的电磁环境下，电子罗盘测量对象为地磁场，地磁场的方向与水平面呈一个夹角，地磁场在三个平面的分量记为[u,v,w]^t，如果传感器的x轴对准正北方向，则v＝0，地磁分量即为[u,0,w]^t，电子罗盘在传感器坐标系的输出为[i,j,k]^t，经过加速度计补偿(坐标系旋转)之后得到[i′,j′,k′]^t，在地面参考坐标系的x-o-y平面上，[u,0,w]^t的投影为u，[i′,j′,k′]^t的投影为地磁在x-o-y平面的投影向量大小必然是相同的，所以有同时w＝k′，这样处理后的[i′,j′,k′]^t经过旋转矩阵的转置回转到传感器坐标系，得到的向量与[i,j,k]^t做向量积求误差，再次修正旋转矩阵，完成对偏航角补偿，使用所述偏差量修正后可以得到精确的初始四元数。初始四元数用来描述被测对象的初始的方位信息，被测对象的方位变化可以在初始四元数的基础上通过四元数乘法计算得出。初始四元数的理论值为[1,0,0,0]^t。

步骤3，根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，并从开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数。

其中，人体从静止站立状态切换到行走状态的开始时刻，即迈出第一步的时刻，获得人体从静止站立状态切换到行走状态的开始时刻的方式是：通过加速度能量信号阈值检测来实现的。在被测者从静止状态切换到步行状态时，通过计算加速度信号能量与预设的阈值λ做比较，当加速度信号能量第一次大于阈值λ的时刻，就是人体行走的开始时刻，公式中，ax表示加速度计输出信号在地面坐标系x轴的分量，ay表示加速度计输出信号在地面坐标系y轴的分量，az表示加速度计输出信号在地面坐标系z轴的分量。

从所述开始时刻，开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数。扩展的卡尔曼滤波器是一种最优化的自回归数据处理算法。本发明中利用扩展的卡尔曼滤波器在滤波值附近，应用泰勒展开算法将非线性系统展开，将二阶以上的高阶项全部舍去，从而原系统就变成了一个线性系统，再利用标准卡尔曼滤波算法的思想对系统线性化模型进行滤波融合，从而实现传感器数据融合。使用扩展的卡尔曼滤波器进行传感器数据融合之后，更新人体方位信息，即更新四元数，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数。其中，步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期。例如，通过图3可以分析人体的步态时相。人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹。获得人体步态参数的过程为：对三维加速度向量进行积分运算得到三维速度向量，之后对三维速度向量进行积分得到三维位移向量；结合计算得出的步行周期信息，可以计算出步速、步长和步频参数；通过四元数与欧拉角的关系，可以计算出三维方位角；综合所述三维位移向量和方位角，使用三维坐标轴对整个步行过程进行描述即可得到步行轨迹。初始足部三维位置设定为[x0,y0,z0]^t，通过对三维速度向量积分将每一个数据采样时刻的足部位置信息更新为[xt,yt,zt]^t，所述方位角包括步行过程中足部运动滚转角、俯仰角和偏航角。由初始四元数规定的初始方位通过陀螺仪检测的角速度信息，使用四元数乘法运算将方位更新为综合所述三维位置和方位角可以得到步行轨迹。

步骤4，消除传感器误差积累，更新人体步态参数。

由于步骤3中的两次积分运算会产生并且放大积分误差，在步行过程中每一步的站立相中期，如果满足零速度更新算法条件，就根据足部完全贴合地面时刻的速度和加速度均为零的特定域假设消除传感器误差积累，使人体步态参数更准确，误差限制在步行运动的每一小步之内，最大限度减少误差。

当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数。具体过程为：步行过程中，人体以单脚支撑地面，以着地的那条腿作为摆动轴被测者身体重心前移，对整个人体可以建立一级倒立摆模型，根据倒立摆模型的重力势能在最高点达到最大值，速度达到最小值的原理，结合安置在小腿部位的传感器加速度信号找到站立相腿部速度最小时刻，此时刻即为适用零速度更新算法的起始时刻。利用小腿处固定的传感器检测速度最小时刻，确定此处为小腿与地面垂直时刻，也即零速度更新算法开始执行的时刻。执行零速度更新算法消除误差，避免积分误差引入到下一个步态周期，能够提高零速度更新算法的有效性。

当检测到完全站立期时，足部完全贴合地面，足部、小腿和大腿可视为通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法(denavit-hartenberg)建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。具体过程为：参照图2，结合大腿，小腿和足部的生理学限制和联动关系，比如膝关节只有一个活动自由度，踝关节具有三个活动自由度，对于无法直接使用零速度更新算法的腿部传感器定位，使用迪纳维特-哈坦伯格法建立下肢运动学模型，通过下肢运动学模型建立的两个约束条件，来减少腿部传感器位置和方位角估算误差。下肢运动学模型的两个约束条件为：

其中，为基于小腿运动的膝关节位移向量，为基于足部的传感器计算出的脚踝位置向量，为通过置于大腿部位的传感器计算出的髋关节位移向量，为通过传感器测量到膝关节加速度大小，为通过传感器测量到踝关节加速度大小，t为采样周期，计算公式如下：

其中，α、β、γ分别为绕x、y、z轴旋转的欧拉角，l1为通过人体测量器测出的小腿长度，l2为通过人体测量器测出的大腿长度，l3为通过人体测量器测出的踝关节高度。

步骤5，对获得的人体步态参数进行标准化处理，进而建立人体步态数据库。

由于每个人都会本能地选择最适合其运动能力的步速，步长和步频，步速的显著下降是一个明显的病理指标。所以对实验获得的大量步速、步长、步频进行标准化处理，需要考虑身高对检测结果的影响。很明显步速与下肢长度l0密切正相关，l0难以准确测量，于是用身高l1代替，被测者平均身高记为lm。对获得的人体步态参数进行标准化处理的过程为：通过公式对步速进行标准化，通过公式对步长进行标准化，通过公式对步频进行标准化，其中,l1为被测者身高，lm为被测者所属年龄段人群的平均身高；v为对传感器信号积分运算得到的被测者步速，vrel为标准步速，单位是米/秒，l为对步速积分运算得到的步长，lrel为标准步长，单位是米/步，c为通过步行周期计算出的被测者单位时间内行走的步频，crel为标准步频，单位是步/秒，明显偏离标准范围的步态指标意味着不稳定的步态。对计算出的步速、步长和步频参数进行标准化处理，能够使计算出的步态参数具有横向可比性。

通过建立步速、步长、步频、步行周期和步行轨迹等人体步态参数的数据库，对不同性别，不同年龄被测者，能够实现对海量步态数据进行分位数回归分析，得出人体步态参数的变化趋势。并且可以将计算出的步速、步长、步频、步行轨迹等步态参数以饼图、柱状图和雷达图等形式直观地显示在数据库界面。

本发明提供的基于惯性传感器的人体步态分析方法，不仅适用于平地行走，对于上下楼梯运动同样适用。下面以实例的形式对本实施例提供的方案进行说明：

在室内平地行走的实施例中，被测者在绑定步态分析系统之后执行一次“跺脚”动作，使被测者佩戴的传感器感应到一个明显的起始信号，这个信号用来完成视频跟踪系统vicon和传感器的数据同步。随后的两组实验分别是：被测者沿着光学跟踪系统vicon测量区域内的矩形路线行走两圈；被测者以自己舒适的步伐沿直线行走十步。上位机为数据计算和输出终端，通过移动存储介质将下位机采集到的数据传入步态分析上位机软件，计算得到各项步态参数。数据分析与处理流程如图1所示。下位机采集的步态数据上传到上位机步态分析软件，首先经过高通和低通数字滤波处理，滤去与步态分析应用无关的高频和低频信号。由于被测者在测量开始必然有静止站立的阶段，满足系统初始化条件，此时加速度计仅感受重力加速度，利用加速度计读数计算出初始俯仰角和滚转角。利用电子罗盘检测地磁分量，计算初始偏航角。在步行开始后的站立相中期使用零速度更新算法消除误差。图5为本发明实施例中实例1计算得到的被测者沿矩形路线步行两圈的三维方向角度信息，将图5的计算结果与视频跟踪系统计算的数值对比，角度误差小于2°，说明本方法可以长时间精确计算步态信息。为了获得足部角度细节，排除步行方向改变的影响，被测者按照自己舒服的步伐沿直线行走十步，通过置于足部的传感器计算其步行过程中足角的变化，可以评估足内旋或者足外翻的程度，帮助被测者选择合适的鞋子。图6为本发明实施例中实例1被测者直线行走时足部三维角度信息示意图。图7为下肢疼痛与下肢关节旋转角度的关系示意图。

本实施例提供的基于惯性传感器的人体步态分析方法，能够解决现有技术使用零速度更新算法的有效性问题，通过融合足部和腿部的传感器数据，能够精确地找到适用零速度更新算法的起始时刻，基于足部完全贴合地面的时刻速度和加速度均为零的特定域假设减少误差或误差积累，将误差限制在步行过程的每一小步中，避免了误差积累；针对腿部位置计算不适用零速度更新算法的情况，能够通过下肢的拓扑结构模型建立的约束条件，达到减少位置计算误差的效果。针对身高因素对于步态参数的影响，本发明对步速、步长和步频参数进行标准化处理，能够消除身高因素对步态参数的影响，达到不同人的步态参数具有可比性的效果。对标准化的步态参数汇总建立步态数据库，通过分位数回归分析可以得到人体步态参数随性别，年龄的变化趋势。本实施例提供的方法能够精确找到适用零速度更新算法的起始时刻，保证零速度更新算法的有效性，从而降低积分误差，提高步态参数计算的可靠性。本发明提供的方法也可以用于人体其他肢体部位的运动信息测量。

实施例二

图8为本发明实施例提供的基于惯性传感器的人体步态分析系统的结构示意图。如图8所示，本发明实施例提供的基于惯性传感器的人体步态分析系统包括：数据采集装置和数据分析处理装置，数据采集装置用于利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号，所述运动信号包括三维加速度和三维角速度；所述数据分析处理装置包括初始姿态分析单元、步态参数计算单元和误差矫正单元；

初始姿态分析单元，用于根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，所述运动信号包括三维加速度信号和三维角速度信号，根据人体的初始姿态获得传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；

步态参数计算单元，用于根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，并从所述开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数，其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；

误差矫正单元，用于消除传感器误差积累，更新人体步态参数，包括：当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。

在上述方案中，所述数据采集装置包括惯性传感器标定单元、传感器信号采集单元、数据滤波单元和自容式数据存储单元；惯性传感器标定单元，用于通过三维转台和三维导轨对传感器进行标定；传感器信号采集单元，用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号；数据滤波单元，用于对采集到的运动信号以及三维地磁场分量信号进行去噪声处理；自容式数据存储单元，用于将采集到的运动信号和三维地磁场分量信号保存到存储设备中。具体的，数据预处理单元的去噪声处理包括对检测到的三维加速度信号、三维角速度信号以及三维地磁场分量信号进行高通(0.001赫兹)滤波，低通(5赫兹)滤波和陷波(50赫兹)处理。其中，自容式数据存储单元，是将采集到的人体步行过程中下肢的运动信号和三维地磁场分量信号的数据保存在移动存储卡(sd卡)，之后通过读卡器传送到数据分析处理装置。

其中，所述数据采集装置包括三轴加速度计、三轴陀螺仪和三轴电子罗盘；三轴加速度计和三轴陀螺仪采集人体步行过程中下肢的运动信号；三轴电子罗盘采集人体步行过程中的三维地磁场分量信号；三轴加速度计、三轴陀螺仪以及三轴电子罗盘安装在被测者的大腿中段，小腿中段以及足背位置。

本实施例提供的基于惯性传感器的人体步态分析系统，通过数据采集装置采集人体步行过程中下肢的运动信号和三维地磁场分量信号，通过初始姿态分析单元获得人体初始方位信息，通过步态参数计算单元获得人体步态参数，并通过误差矫正单元消除传感器误差积累，更新人体步态参数，本实施例提供的系统能够精确找到适用零速度更新算法的起始时刻，保证零速度更新算法的有效性，从而降低积分误差，提高步态参数计算的可靠性。