一种步态分析方法、装置及存储介质与流程

本申请涉及数据处理领域，尤其涉及一种步态分析方法、装置及存储介质。
背景技术：
：近年来，老龄化现象使得老年人的四肢灵活性逐渐下降，并使得老年人致残几率快速上升。随着国内老龄化的问题日益加重，我国老年残疾人的人口比率将会大幅度增加。传统的运动康复医疗设备将不能满足老年人康复的需求，一方面的原因是人口数量的剧增，另一方面的原因是传统设备的工作效率和智能化程度较低。步态分析不仅能够用于辅助医生完成腿部患者的病态评估，而且还在一定程度上评估患者的术后康复训练情况。技术实现要素：本申请提供了一种步态分析方法、装置及存储介质，以实现对步态进行分析。第一方面，本申请提供了一种步态分析方法，包括：利用动作捕捉设备获取待测对象在预设期间内的运动数据；根据所述运动数据，确定所述待测对象的步态周期；基于所述步态周期提取所述待测对象的步态特征参数；根据所述步态特征参数，确定所述待测对象的运动类型，所述运动类型至少包括：行走类型；根据运动类型为行走类型的步态周期的步态特征参数，进行步态分析。可选地，所述获取利用动作捕捉设备采集对象得到的运动数据，包括：接收所述动作捕捉设备采集得到的惯性测量数据；根据所述惯性测量数据，计算所述待测对象的双腿的空间姿态数据和加速度数据；将所述待测对象的双腿的空间姿态数据和加速度数据作为所述运动数据。可选地，所述空间姿态数据包括：关节角度；所述根据所述运动数据，确定所述待测对象的步态周期，包括：根据所述关节角度和加速度数据，确定所述待测对象的双脚的触地信息；将所述待测对象同一只脚连续两次触地之间确定为一个步态周期；基于双脚中的任意一只脚，对所述待测对象在预设期间内的运动划分为多个步态周期。可选地，所述基于所述步态周期提取所述待测对象的步态特征参数，包括：根据步态特征参数的相似度，对划分的所有步态周期进行聚类，得到相同运动类型的连续运动区间，所述连续运动区间包括至少两个步态周期；对相同运动类型的连续运动区间中的关节角度的动态漂移进行修正；根据修正后的关节角度计算每个步态周期的步态特征参数。可选地，所述根据步态特征参数的相似度，对划分的所有步态周期进行聚类，得到相同运动类型的连续运动区间，包括：获取步态周期中至少一个步态特征参数作为相似性判定参数；获取所述相似判定参数的相似性阈值；计算相邻两个步态周期中相似性判定参数的差异值；判断所述差异值是否小于所述相似性阈值；当所述差异值小于所述相似性阈值时，确定所述计算的两个步态周期相似，且确定所述计算两个步态周期对应的运动类型相同；依次对所述预设期间内所有步态周期的相似性进行计算；将相同运动类型的相连续的多个步态周期，作为所述连续运动区间。可选地，所述对相同运动类型的连续运动区间中的关节角度的动态漂移进行修正，包括：获取所述连续运动区间中每个步态周期中关节角度的最大值和最小值；计算所有步态周期中最大值和最小值的平均值；将所述连续运动区间中每个步态周期的关节角度的平均值修正为同一值；根据修正后的平均值更新所述连续运动区间中每个步态周期的关节角度。可选地，所述根据所述步态特征参数，确定所述待测对象的运动类型，包括：根据训练数据，确定不同运动类型的步态特征参数的取值范围，所述运动类型包括：站立类型、行走类型、上下楼梯类型和骑车类型；基于所述取值范围，建立运动类型识别的决策树模型；使用所述决策树模型对所述步态特征参数进行运动类型识别，得到所述待测对象的运动类型。可选地，所述根据运动类型为行走类型的步态周期的步态特征参数，进行步态分析，包括：判断所述行走类型的连续运动区间的步态特征参数是否各自位于预设参数范围；当所述行走类型的连续运动区间的步态特征参数位于各自预设参数范围时，将所述确定的行走类型的连续运动区间作为行走评估区间；根据所述行走评估区间的步态特征参数，获取与对称性相关联的对称性参数；计算双腿的各个对称性参数的差异值；根据预设的差异值与对称性评估等级的对应关系，确定所述计算得到的差异值对应的目标对称性评估等级。可选地，所述根据运动类型为行走类型的步态周期的步态特征参数，进行步态分析，还包括：获取预设健康对象行走时的各个步态特征参数的正常值；计算行走评估区间的每个步态特征参数的值与各自对应的正常值之间的异常差值；根据预设的差异值与健康评估等级的对应关系，确定所述计算得到的异常差值对应的目标健康评估等级。第二方面，本申请实施例提供了一种步态分析装置，包括：数据获取模块，用于利用动作捕捉设备获取待测对象在预设期间内的运动数据；周期确定模块，用于根据所述运动数据，确定所述待测对象的步态周期；参数提取模块，用于基于所述步态周期提取所述待测对象的步态特征参数；类型确定模块，用于根据所述步态特征参数，确定所述待测对象的运动类型，所述运动类型至少包括：行走类型；分析模块，用于根据运动类型为行走类型的步态周期的步态特征参数，进行步态分析。可选地，所述数据获取模块，包括：数据接收子模块，用于接收所述动作捕捉设备采集得到的惯性测量数据；数据计算子模块，用于根据所述惯性测量数据，计算所述待测对象的双腿的空间姿态数据和加速度数据；数据确定子模块，用于将所述待测对象的双腿的空间姿态数据和加速度数据作为所述运动数据。可选地，所述空间姿态数据包括：关节角度；所述周期确定模块，包括：触地确定子模块，用于根据所述关节角度和加速度数据，确定所述待测对象的双脚的触地信息；周期确定子模块，用于根据所述触地信息，将所述待测对象同一只脚连续两次触地之间确定为一个步态周期；周期划分子模块，用于基于双脚中的任意一只脚，对所述待测对象在预设期间内的运动划分为多个步态周期。可选地，所述参数提取模块，包括：聚类子模块，用于根据步态特征参数的相似度，对划分的所有步态周期进行聚类，得到相同运动类型的连续运动区间，所述连续运动区间包括至少两个运动类型相同的步态周期；修正子模块，用于对相同运动类型的连续运动区间中的关节角度的动态漂移进行修正；参数计算模块，用于根据修正后的关节角度计算每个步态周期的步态特征参数。可选地，所述聚类子模块，包括：参数获取单元，用于获取步态周期中至少一个步态特征参数作为相似性判定参数；阈值获取单元，用于获取所述相似判定参数的相似性阈值；差异值计算单元，用于计算相邻两个步态周期中相似性判定参数的差异值；阈值判断单元，用于判断所述差异值是否小于所述相似性阈值；相似确定单元，用于当所述差异值小于所述相似性阈值时，确定所述计算的两个步态周期相似，且确定所述计算两个步态周期对应的运动类型相同；相似性计算单元，用于依次对所述预设期间内所有步态周期的相似性进行计算；聚类单元，将相同运动类型的相连续的多个步态周期，作为所述连续运动区间。可选地，所述修正子模块，包括：边界值获取单元，用于获取所述连续运动区间中每个步态周期中关节角度的最大值和最小值；均值计算单元，用于计算所有步态周期中最大值和最小值的平均值；修正单元，用于将所述连续运动区间中每个步态周期的关节角度的平均值修正为同一值；角度更新单元，用于根据修正后的平均值更新所述连续运动区间中每个步态周期的关节角度。可选地，所述类型确定模块，包括：范围确定单元，用于根据训练数据，确定不同运动类型的步态特征参数的取值范围，所述运动类型包括：站立类型、行走类型、上下楼梯类型和骑车类型；模型建立单元，用于基于所述取值范围，建立运动类型识别的决策树模型；类型识别单元，用于使用所述决策树模型对所述步态特征参数进行运动类型识别，得到所述待测对象的运动类型。可选地，所述分析模块，包括：参数判断单元，用于判断所述行走类型的连续运动区间的步态特征参数是否各自位于预设参数范围；区间确定单元，用于当所述行走类型的连续运动区间的步态特征参数位于各自预设参数范围时，将所述确定的行走类型的连续运动区间作为行走评估区间；参数获取单元，用于根据所述行走评估区间的步态特征参数，获取与对称性相关联的对称性参数；差异值计算单元，用于计算双腿的各个对称性参数的差异值；第一等级确定单元，用于根据预设的差异值与对称性评估等级的对应关系，确定所述计算得到的差异值对应的目标对称性评估等级。可选地，所述分析模块，还包括：正常值获取单元，用于获取预设健康对象行走时的各个步态特征参数的正常值；异常差值计算单元，用于计算行走评估区间的每个步态特征参数的值与各自对应的正常值之间的异常差值；第二等级确定单元，用于根据预设的差异值与健康评估等级的对应关系，确定所述计算得到的异常差值对应的目标健康评估等级。第三方面，本申请提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面任一项步态分析方法的步骤。第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有资源分配程序，所述资源分配程序被处理器执行时实现如第一方面任一项步态分析方法的步骤。本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，首先，利用动作捕捉设备获取待测对象在预设期间内的运动数据；其次，根据所述运动数据，确定所述待测对象的步态周期；然后，基于所述步态周期提取所述待测对象的步态特征参数；再根据所述步态特征参数，确定所述待测对象的运动类型，所述运动类型至少包括：行走类型；最终，根据运动类型为行走类型的步态周期的步态特征参数，进行步态分析。该方法可以从全天混杂运动数据中提取有效的步行数据，用以作为步态分析的数据基础，先区分步态周期，然后可以根据步行数据对行走类型的步态周期的步态特征参数，进行步态分析，通过分析结果，可以确定出待测对象行走时是否正常，以辅助病人的分析、康复或训练。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的一种步态分析方法的步骤流程图；图2为本申请实施例提供的一种步态分析装置的结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。图1为本申请实施例提供的一种步态分析方法的步骤流程图。该方法可以应用于动作捕捉系统中，待测对象在进行步态分析时，身上可以穿戴动作捕捉设备，动作捕捉设备中包含有至少一个感应传感器，用于采集人体的运动数据。如图1所示，该方法可以包括以下步骤：s101，利用动作捕捉设备获取待测对象在预设期间内的运动数据。由于动作捕捉设备获取到的传感数据都是原始数据，未经过加工无法被后续分析使用，为此，该步骤s101可以包括以下步骤。s11，接收所述动作捕捉设备采集得到的惯性测量数据；s12，根据所述惯性测量数据，计算所述待测对象的双腿的空间姿态数据和加速度数据；s13，将所述待测对象的双腿的空间姿态数据和加速度数据作为所述运动数据。s102，根据所述运动数据，确定所述待测对象的步态周期。由于待测对象腿部的运动时，左腿和右腿交替运动，并且每个腿的运动都是具有重复性的，在具体应用中，可以通过对脚部接触地面的判断结果，对待测对象的步步态周期进行划分。在本申请实施例中，为了对脚部接触地面进行判断，在运动数据中还需要包括关节角度，这里关节角度主要是指下肢的关节角度，例如：膝关节角度和髋关节角度。在本申请实施例中，该步骤s102可以包括以下步骤。s21，根据所述关节角度和加速度数据，确定所述待测对象的双脚的触地信息。待测对象运动时，脚部跟随腿部抬起，在抬起至最高点时，再落下，直至与地面接触。在脚部抬起过程中，加速度由零变大，然后在变小，在脚部抬至最高点时，加速度为零。在脚部落下过程中，加速度由零变大，然后变小，在脚部与地面接触时，脚部相对地面静止，进而加速度为零。利用双腿关节角度可以计算双脚之间的水平和高度距离差。待测对象运动时，脚部跟随腿部抬起，双脚高度差由零变大。在脚部落下过程中，双脚高度差逐渐减小。在脚部与地面接触时，脚部相对地面静止，双脚的高度差也减小至零附近保持不变。为此，结合关节角度和加速度变化，就可以确定待测对象的双脚落地的触地信息，触地信息可以包括：触地时刻和离地时刻。s22，根据所述触地信息，将所述待测对象同一只脚连续两次触地之间确定为一个步态周期。例如：左脚连续两次触地时刻之间为一个步态周期。s23，基于双脚中的任意一只脚，对所述待测对象在预设期间内的运动划分为多个步态周期。s103，基于所述步态周期提取所述待测对象的步态特征参数。在本申请实施例中，步态特征参数包括但不局限于：步长、周期时间、关节角度特征点，其中，关节角度的特征点是指关节转动时角度的起止值，极大值和极小值。在本申请实施例中，在获取步态特征参数时，考虑到，动作捕捉设备长时穿戴在待测对象上，传感安装位置和姿态相对于待测对象会不断发生变化，造成测量的关节角度出现以较低频率(相对于运动周期)变化的偏差量，称为角度动态漂移。为此，该步骤s103可以包括以下步骤：s31，根据步态特征参数的相似度，对划分的所有步态周期进行聚类，得到相同运动类型的连续运动区间。所述连续运动区间包括至少两个步态周期，相似度聚类是指根据预设的相似度指标进行计算得到，在本申请实施例中，相似度可以是两个步态周期内的步态特征的差异性进行判断，当两个周期的步态特征相似时，可以确定两个周期是相同的运动类型。在具体实施例中，步骤s31可以采用以下方式实现：a1、获取步态周期中至少一个步态特征参数作为相似性判定参数；步态特征参数可以是时间特征或者关节角度，或者，关节角度的变化曲线。a2、获取所述相似判定参数的相似性阈值。以步态特征参数为关节角度为例，相似性阈值可以是两个周期中对应时刻两个关节角度的预设差值。a3、计算相邻两个步态周期中相似性判定参数的差异值。以步态特征参数为关节角度为例，该步骤可以是计算第一步态周期的关节起始值和第二步态周期的关节起始值之间的角度差。a4、判断所述差异值是否小于所述相似性阈值。a5、当所述差异值小于所述相似性阈值时，确定所述计算的两个步态周期相似，且确定所述计算两个步态周期对应的运动类型相同；a6、依次对所述预设期间内所有步态周期的相似性进行计算；a7、将相同运动类型的相连续的多个步态周期，作为所述连续运动区间。s32，对相同运动类型的连续运动区间中的关节角度的动态漂移进行修正。出现角度动态漂移时，相比于正常穿戴运动中测量的角度的变化量不变，但是数值出现固定偏差，该固定偏差亦随时间缓慢变化。为此，在进行修正时，可以采用以下方式：b1、获取所述连续运动区间中每个步态周期中关节角度的最大值和最小值；b2、计算所有步态周期中最大值和最小值的平均值；b3将所述连续运动区间中每个步态周期的关节角度的平均值修正为同一值；b4根据修正后的平均值更新所述连续运动区间中每个步态周期的关节角度。在进行更新时，可以采用以下方式，首先，计算修正后的平均值与原数据平均值之间的角度差，然后将原数据统一加上该角度差得到修正后的关节角度。s33，根据修正后的关节角度计算每个步态周期的步态特征参数。s104，根据所述步态特征参数，确定所述待测对象的运动类型，所述运动类型至少包括：行走类型。在本申请实施例中，运动类型除了行走类型外，还包括：站立、上下楼梯、骑车三种运动类型。在本申请实施例中，待测对象的腿部及重心的速度和加速度，将运动类型的状态可以分为准静态和动态两大类，其中，站立属于准静态的一种，而行走、上下楼梯和骑车属于动态的一种。在具体实施例中，该步骤可以采用以下方式实现：根据训练数据，确定不同运动类型的步态特征参数的取值范围，所述运动类型包括：站立类型、行走类型、上下楼梯类型和骑车类型；基于所述取值范围，建立运动类型识别的决策树模型；使用所述决策树模型对所述步态特征参数进行运动类型识别，得到所述待测对象的运动类型。s105，根据运动类型为行走类型的步态周期的步态特征参数，进行步态分析。在本申请实施例中，该步骤s105可以包括以下步骤：s41，判断所述行走类型的连续运动区间的步态特征参数是否各自位于预设参数范围。s42，当所述行走类型的连续运动区间的步态特征参数位于各自预设参数范围时，将所述确定的行走类型的连续运动区间作为行走评估区间。在根据运动数据确定运动类型的分类后，只是粗略的分类，仅能将运动类型大致区分，如果进行评估，还不满足要求。为此，在本申请实施例中，还需要在行走类型的连续运动区间内采用更为严格的步态周期相似性评估指标来，提取出一段连续的特征十分相似的数据。这里预设参数范围是预先设定的，这样，当行走类型的连续运动区间的步态特征参数位于各自预设参数范围，说明该连续运动区间可以满足行走评估，可以作为行走评估区间。s43，根据所述行走评估区间的步态特征参数，获取与对称性相关联的对称性参数。在本申请实施例中，与对称性相关联的对称性参数包括但不局限于：待测对象的步长、支撑相/摆动相时间、关节角度特征点等。s44，计算双腿的各个对称性参数的差异值。在本申请实施例中，差异性是指上述同一对称性参数在双腿之间的差异值，例如：以步长为例，可以计算左腿的步长与右腿的步长之间的差值。s45，根据预设的差异值与对称性评估等级的对应关系，确定所述计算得到的差异值对应的目标对称性评估等级。由于每个人发育的原因，不能做到左腿和右腿的动作、姿态完全一致，所以，在本申请实施例中，允许左腿和右腿之间有一定差异。在本申请实施例中，预先将各个步态特征参数的差异值和对称性评估等级之间建立好对应关系，在本申请实施例中，可以直接利用对应关系。在进行双腿之间对称性时，考虑的主要是双腿的步长、双腿支撑相和摆动相的时间(支撑相是指腿部静止时的姿态，摆动相是双腿摆动时的姿态)、关节角度特征点等。在对应关系中，每个对称性评估等级可以与多个对称性参数的差异值进行绑定，这样在该步骤中，只要某一个对称性评估等级中的所有对称性参数的差异值都满足，就可以将该对称性评估等级作为目标对称性评估等级。参见下表1所示：等级对称性参数1对称性参数2对称性参数3很好a1＜x＜a2b1＜y＜b2c1＜z＜c2较好a2＜x＜a3b2＜y＜b3c2＜z＜c3一般a3＜x＜a4b3＜y＜b4c3＜z＜c4差a4＜x＜a5b4＜y＜b5c4＜z＜c5表1本申请实施例提供的该方法，首先，利用动作捕捉设备获取待测对象在预设期间内的运动数据；其次，根据所述运动数据，确定所述待测对象的步态周期；然后，基于所述步态周期提取所述待测对象的步态特征参数；再根据所述步态特征参数，确定所述待测对象的运动类型，所述运动类型至少包括：行走类型；最终，根据运动类型为行走类型的步态周期的步态特征参数，进行步态分析。该方法可以从全天混杂运动数据中提取有效的步行数据，用以作为步态分析的数据基础，先区分步态周期，然后可以根据步行数据对行走类型的步态周期的步态特征参数，进行步态分析，通过分析结果，可以确定出待测对象行走时是否正常，以辅助病人的分析、康复或训练。在本申请其它实施例中，该方法中步骤s105还可以包括一下步骤：s51，获取预设健康对象行走时的各个步态特征参数的正常值；在本申请实施例中，正常值是根据对健康的人进行测试，然后根据健康人的测试结果设定各个步态特征参数的正常值，作为参考。在其它实施例中，考虑到数据的准确性，还可以对大量健康的人进行测试，然后将均值作为正常值。s52，计算行走评估区间的每个步态特征参数的值与各自对应的正常值之间的异常差值。s53，根据预设的差异值与健康评估等级的对应关系，确定所述计算得到的异常差值对应的目标健康评估等级。通过步态正常性分析，还可以判断出待测对象与健康人的步态之间的异常差值，也即确定出和正常人之间的偏离大小，最终得到目标健康评估等级，同样可以辅助病人的分析、康复或训练。另一实施例，本申请还提供一种步态分析装置，如图2所示，该步态分析装置可以包括：数据获取模块11、周期确定模块12、参数提取模块13、类型确定模块14和分析模块15。数据获取模块11，用于利用动作捕捉设备获取待测对象在预设期间内的运动数据；周期确定模块12，用于根据所述运动数据，确定所述待测对象的步态周期；参数提取模块13，用于基于所述步态周期提取所述待测对象的步态特征参数；类型确定模块14，用于根据所述步态特征参数，确定所述待测对象的运动类型，所述运动类型至少包括：行走类型；分析模块15，用于根据运动类型为行走类型的步态周期的步态特征参数，进行步态分析。在一个实施例中，所述数据获取模块，包括：数据接收子模块，用于接收所述动作捕捉设备采集得到的惯性测量数据；数据计算子模块，用于根据所述惯性测量数据，计算所述待测对象的双腿的空间姿态数据和加速度数据；数据确定子模块，用于将所述待测对象的双腿的空间姿态数据和加速度数据作为所述运动数据。在一个实施例中，所述空间姿态数据包括：关节角度；所述周期确定模块，包括：触地确定子模块，用于根据所述关节角度和加速度数据，确定所述待测对象的双脚的触地信息；周期确定子模块，用于将所述待测对象同一只脚连续两次触地之间确定为一个步态周期；周期划分子模块，用于基于双脚中的任意一只脚，对所述待测对象在预设期间内的运动划分为多个步态周期。在一个实施例中，所述参数提取模块，包括：聚类子模块，用于根据步态特征参数的相似度，对划分的所有步态周期进行聚类，得到相同运动类型的连续运动区间，所述连续运动区间包括至少两个步态周期；修正子模块，用于对相同运动类型的连续运动区间中的关节角度的动态漂移进行修正；参数计算模块，用于根据修正后的关节角度计算每个步态周期的步态特征参数。在一个实施例中，所述聚类子模块，包括：参数获取单元，用于获取步态周期中至少一个步态特征参数作为相似性判定参数；阈值获取单元，用于获取所述相似判定参数的相似性阈值；差异值计算单元，用于计算相邻两个步态周期中相似性判定参数的差异值；阈值判断单元，用于判断所述差异值是否小于所述相似性阈值；相似确定单元，用于当所述差异值小于所述相似性阈值时，确定所述计算的两个步态周期相似，且确定所述计算两个步态周期对应的运动类型相同；相似性计算单元，用于依次对所述预设期间内所有步态周期的相似性进行计算；聚类单元，将相同运动类型的相连续的多个步态周期，作为所述连续运动区间。在一个实施例中，所述修正子模块，包括：边界值获取单元，用于获取所述连续运动区间中每个步态周期中关节角度的最大值和最小值；均值计算单元，用于计算所有步态周期中最大值和最小值的平均值；修正单元，用于将所述连续运动区间中每个步态周期的关节角度的平均值修正为同一值；角度更新单元，用于根据修正后的平均值更新所述连续运动区间中每个步态周期的关节角度。在一个实施例中，所述类型确定模块，包括：范围确定单元，用于根据训练数据，确定不同运动类型的步态特征参数的取值范围，所述运动类型包括：站立类型、行走类型、上下楼梯类型和骑车类型；模型建立单元，用于基于所述取值范围，建立运动类型识别的决策树模型；类型识别单元，用于使用所述决策树模型对所述步态特征参数进行运动类型识别，得到所述待测对象的运动类型。在一个实施例中，所述分析模块，包括：参数判断单元，用于判断所述行走类型的连续运动区间的步态特征参数是否各自位于预设参数范围；区间确定单元，用于当所述行走类型的连续运动区间的步态特征参数位于各自预设参数范围时，将所述确定的行走类型的连续运动区间作为行走评估区间；参数获取单元，用于根据所述行走评估区间的步态特征参数，获取与对称性相关联的对称性参数；差异值计算单元，用于计算双腿的各个对称性参数的差异值；第一等级确定单元，用于根据预设的差异值与对称性评估等级的对应关系，确定所述计算得到的差异值对应的目标对称性评估等级。在一个实施例中，所述分析模块，还包括：正常值获取单元，用于获取预设健康对象行走时的各个步态特征参数的正常值；异常差值计算单元，用于计算行走评估区间的每个步态特征参数的值与各自对应的正常值之间的异常差值；第二等级确定单元，用于根据预设的差异值与健康评估等级的对应关系，确定所述计算得到的异常差值对应的目标健康评估等级。在另一实施例中，本申请提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如图1各个实施例所述的步态分析方法的步骤。在另一实施例中，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有资源分配程序，所述资源分配程序被处理器执行时实现如图1各个实施例所述的步态分析方法的步骤。需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。当前第1页12