阅读说明：本技术 一种实时的基于足底压力的步态分析方法 (Real-time gait analysis method based on plantar pressure ) 是由 杨翠微 何凯悦 刘森 于 2019-08-28 设计创作，主要内容包括：本发明涉及一种实时的基于足底压力的步态分析方法,具体步骤为：运用可穿戴鞋垫获得人体活动状态下的足底压力数据；基于动态足底压力信号的幅值阈值与时间阈值的综合比较,实现对各独立活动状态的提取、识别,同时计算步态的运动学参量,对活动状态进行评估分析；并最终对连续的活动状态做统计整理。本发明可实现基于可穿戴设备对人体长程活动信息的逐点实时提取、分析,可应用于步态识别、日常健康检测以及相关疾病的评估等领域。(the invention relates to a real-time gait analysis method based on plantar pressure, which comprises the following specific steps: obtaining plantar pressure data of a human body in an active state by using the wearable insole; based on the comprehensive comparison of the amplitude threshold value and the time threshold value of the dynamic plantar pressure signal, the extraction and the identification of each independent activity state are realized, meanwhile, the kinematic parameters of gait are calculated, and the activity states are evaluated and analyzed; and finally, performing statistical arrangement on the continuous activity states. The wearable device-based long-range activity information extraction and analysis method can realize point-by-point real-time extraction and analysis of the long-range activity information of the human body based on the wearable device, and can be applied to the fields of gait recognition, daily health detection, evaluation of related diseases and the like.)

一种实时的基于足底压力的步态分析方法

技术领域

本发明涉及一种实时的基于足底压力的步态分析方法，是一种基于可穿戴设备的步态分析和评估方法。

背景技术

足底的动力信息与人体的生理结构以及行走模式存在着高度的相关性，是运动的内在力学反映，具有唯一性和相对稳定性。对步态压力信息的获取和分析有利于发现人体运动的细节本质，不仅对相关病情的评估有着重要意义，如帕金森病患者的小碎步、冻结步态和脑卒中患者的偏瘫步态等；同时也可应用至步态识别（身份识别）等领域。

目前，用于步态分析的辅助手段主要有多目摄像机图像序列采集、核磁共振、三维测力台、压力步道以及智能鞋垫等可穿戴设备。借助摄像机、测力台、核磁共振等方式具有造价高、测试过程复杂或操作要求高等弊端而无法进行较为普及的测试评估。相比之下，基于可穿戴设备对患者日常活动状态进行监测并提供定量分析结果，可为医生的诊断提供更为客观的依据。同时还可实时地为患者的康复提供科学、有效的指导。

采用压力传感器的智能鞋垫更加适用于人体日常活动状态中的步态分析。但是现有的基于压力传感器的步态分析存在对压力信息的利用不足；状态分类过程较为繁琐；未能针对活动状态的其它细节信息进行解释分析等问题，因而难以实现对活动状态的有效评估且难以满足实时性的要求。

发明内容

针对上述问题，本发明的目的在于提出一种实时的基于足底压力的步态分析方法。本发明方法通过对足底压力动态变化的实时分析，可实现对人体不同活动状态的分类和评估。

本发明提出的一种实时的基于足底压力信号的步态分析方法，具体步骤如下：

（1）参数初始化：

基于受试者个体差异设定每位受试者的足底压力信号的两个阈值：脚掌处幅值阈值th1与脚跟处幅值阈值th2；设定坐状态的判定时间阈值为t_sit，相应的计数参量count_sit为0；设定站状态的判定时间阈值为t_std，相应的计数参量count_std为0；设定状态整理时站与坐状态的判定时间阈值为t_st，走状态的判定时间阈值为t_wk；

（2）逐点读取各种活动状态下人体双足或单足的压力信号：

所述压力信号是利用鞋垫内所安放在足底的压力传感器以一定的采样频率f 采集的压力数据；足底的压力传感器一般位于脚掌和脚跟处，在脚掌和脚跟处可分别设置多个压力传感器，从而获得多路压力数据；一般脚掌处设置的压力传感器数量不少于2个，脚跟处不少于1个；

（3）对步骤（2）获取的压力数据进行独立活动状态的识别及状态评估：

检测各压力数据是否至少一路存在上升沿，即判断脚掌处压力幅值是否大于脚掌处幅值阈值th1或脚跟处压力幅值是否大于脚跟处幅值阈值th2；若各路压力数据均未检测到上升沿，则转入足底无力状态（坐）的判定过程；若检测到至少一路存在上升沿，则自适应选取滑动窗的窗长值wlen，并执行足底有力状态（站、走、跑和上（下）楼梯）的判定过程并提取相应的特征参量；

所述滑动窗的窗长值wlen需根据脚跟处压力情况进行调整：当脚跟处压力峰值大于脚跟处幅值阈值th2时，则设定观察窗窗长为wlen1；否则，认为此时对应高频运动状态，如跑等，需要更小的分析窗长，则选取观察窗窗长为wlen2，其中：wlen2< wlen1；

其中：对足底无力（坐）状态的判定包括以下步骤：

对各路压力数据检测到的上升沿前的数据点进行计数，即出现一个数据点，则count_sit加1，直至检测到上升沿；

② 判断步骤计数结束后的count_sit是否大于f * t_sit；若大于，即累计时段超过设定的时间阈值t_sit，则标记为坐的状态且记录状态的起止点，同时清零计数参量count_sit；

对足底有力状态的判定包括以下内容：

① 通过自适应的滑动窗窗长值wlen，设定待分析数据段的初始长度，即当脚跟处压力峰值大于脚跟处幅值阈值th2时，则设定待分析数据段的初始长度为wlen1；否则为wlen2；

② 由各路压力数据分别提取包括步频、峰值、着地时延、有效压力持续时间及相应起止时间在内的特征参量；

③ 判断当前观察窗内是否检测到压力数据曲线的下降沿，即脚掌处压力值小于脚掌处幅值阈值th1或脚跟处压力值小于脚跟处幅值阈值th2；若是，则进行各动态运动状态（走、跑及上（下）楼梯）的识别与评估；若否，则进行站状态的判断和标记；

（4）判断基于压力数据的状态分类与评估过程是否继续；若是，则返回步骤（2）；若否，则对各独立活动状态做统计整理，并标记相应的过渡状态。

本发明中，对足底有力状态的判定中，步骤②中所述步频为相邻两次落地时间差的倒数，其中，落地时间定义为各路压力数据的峰值时刻的最小值；所述峰值为当前滑动窗口下，每路压力数据曲线中的压力相对幅值的最大值；所述着地时延为脚跟处压力峰值时刻与脚掌处压力峰值时刻的时间差值；所述有效压力持续时间及起止时间为在当前观察窗下，各压力曲线在分别设定的幅值阈值范围内的时段及起止时刻。

本发明中，对足底有力状态的判定中，步骤③中所述进行各动态运动状态（走、跑及上（下）楼梯）的识别和评估方法分别为：若着地时延为正且较小，则当步频较大时，标记为跑步 (RUN)；当步频较小时，标记为上（下）楼梯 (Stair)；若着地时延为正且较大，标记为正常行走 (WALK)；若着地时延为负，则标记为脚尖着地先于脚跟的异常行走（Abnorm）；若在给定的幅值阈值（th1与th2）限定条件下，脚掌或脚跟处压力值较低，则标记为足底施力异常状态；若脚掌存在某两路压力峰值差的绝对值大于某一设定值，则标记脚掌施力的平衡状况为不平衡（balance : No），反之为平衡（balance : Yes）；

所述站状态的判断和标记方法为：将值f * wlen赋给站状态的计数参量count_std，并计算压力大于阈值的持续时间，即每读取一次压力传感器数据，若检测不到下降沿则将count_std加1；当count_std大于f * t_std时，则标记站状态并清零计数器count_std；否则一旦检测到下降沿，则清零计数器count_std，更新至步骤（2），进入后续数据的分析。

本发明中，步骤（3）中所述脚掌处压力峰值时刻的选取标准为：由于脚掌处设置的传感器数量不少于2个，当脚掌处的各路压力传感器的压力峰值均存在，则取各路对应时刻的最小值；当仅有一路压力传感器的压力峰值存在，则选其对应的时刻为脚掌处压力峰值时刻；若各路压力传感器的峰值均不存在，则取当前观察窗的终点时刻作为脚掌处压力峰值时刻。

本发明中，步骤（3）中所述足底施力异常状态，包括脚掌施力不足（toe-less）和脚跟施力不足（heel-less）两种情况。当脚掌处各路信号压力峰值的最大值小于2倍的th1时，标记为脚掌施力不足（toe-less）；当脚跟处各路信号压力峰值的最大值小于1.5倍的th2时，标记为脚跟施力不足（heel-less）。

本发明中，步骤（４）中所述状态的统计整理是指对各独立活动状态进行统计意义上的标记，具体方法是将持续时间大于t_st的坐 (Sit) 和站 (stand) 状态分别标记为坐（SIT）和站（STD）；将状态持续时间大于或等于t_wk的走、跑和上（下）楼梯的活动统一标记为走（WLK）；并按照：WLK-TURN-WLK、WLK-WLKSIT-SIT、WLK-WALKSTD-STD、SIT-SITWLK-WLK、SIT-SITSTD-STD、STD-STDWLK-WLK及STD-STDSIT-SIT的定义对相应状态间的过渡段进行标记；其中，WLK-TURN-WLK表示前后两段连续状态均标记为WLK（走）时，期间的过渡状态定义为TURN（转弯）；WLK-WLKSIT-SIT表示前后两段状态分别为WLK（走）和SIT（坐）时，期间的过渡状态定义为WLKSIT （走转为坐）；依次类推；此外，另标记无法识别的状态为UnKnown。

本发明具有以下有益效果：

1. 本发明涉及的处理算法简便，可实现实时的数据分析，并能及时地对受试者的活动状态进行评估；

2. 本发明可实现基于可穿戴设备对人体长程活动信息的提取和分析，有望应用于对人体日常活动状态的监测；

3. 本发明方法所提取的特征参量可以有效地用于活动状态的评估，适用于步态分析和身份识别等领域，亦可辅助相关疾病的诊断、治疗和康复。

附图说明

图1是本发明的总体流程图。

图2是图1中“活动状态分类、评估”的具体流程示意图。

图3是本发明方法对单个活动的特征参数的提取示意图。横坐标为时间，纵坐标为足底压力的相对幅值。窗内三条曲线分别为前脚掌两点与脚跟一点所对应的压力曲线。（t,V）表示各曲线的峰值点坐标，t为时刻，V为压力幅值。th1和th2分别为脚掌压力幅值阈值和脚跟压力幅值阈值。Hw1、Hw2和Hw3分别表示两路脚掌和一路脚跟压力数据对应的有效压力持续时间。

图4是本发明基于自适应滑动窗对独立走状态的评估结果示意图。横坐标为时间，纵坐标为足底压力的相对幅值。图中每个深色矩形区域对应一个观察窗，窗内三条曲线分别为两路脚掌和一路脚跟的动态压力变化曲线，其中，峰值较高的曲线反映的是脚跟处的动态压力变化，其余两条曲线则分别对应脚掌处的两路压力变化。图中，WALK为独立的走状态的记录；balance用于指示当前走状态的平衡状况；delay为脚掌与脚跟之间的着地时延；toe-less是指当前走状态为脚掌施力不足的足底施力异常状态；freqz指步频。

图5是本发明对走到坐的运动过程的状态整理结果示意图。横坐标为时间，纵坐标为足底压力的相对幅值。每个周期内的三条曲线分别为两路脚掌和一路脚跟的压力动态变化曲线，其中，峰值相对较高的浅色曲线代表脚跟处的压力变化，其余两条曲线分别为脚掌处两路信号的压力变化；stand、Sit分别表示独立的站和坐状态，其余符号标记含义与图4相同。图5中不同灰度的色段对应不同的活动状态整理结果，灰度和状态对应关系参见图6。

图6是本发明实施例1中活动状态统计整理时对应的灰度标记示意图，其中的0-10为各状态对应的编号。

具体实施方式

下面结合附图和实施例对本发明方法及其应用做进一步详细说明。实施例仅用于对本发明进行说明，而非限定条件。在本发明技术方案的基础上，凡根据本发明原理对上述实施例的各种变形或修正，均不应排除在本发明的保护范围之外。

实施例1：将本发明的基于足底压力的步态分析方法对受试者由走到坐的运动状态进行分析评估。本实施例的压力数据是利用可穿戴鞋垫采集的受试者单脚的足底压力数据，其中脚掌处采集了2路，脚跟处采集了1路，共3路信号；采样频率f为50Hz。工作流程如下：

（1）参数初始化：

本实施例中，设定脚掌处幅值阈值th1为该受试者一般活动状态下脚掌压力峰值的0.2倍（见图3中脚掌处幅值阈值th1对应的虚线）；脚跟处幅值阈值th2设为该受试者一般活动状态下脚跟压力峰值的0.3倍（见图3中脚跟处幅值阈值th2对应的虚线）；设定独立坐状态和独立站状态的判定时间阈值均为1s，即t_sit = t_std = 1s，相应的计数参量count_sit和count_std均初始化为0；设定状态整理时站与坐状态的判定时间阈值t_st = 3.5s，走状态的判定时间阈值t_wk = 2s；设定可选的滑动窗窗长值分别为wlen1 = 0.7s与wlen2 =0.5s；

（2）逐点读入3路压力数据；

（3）对读入的压力数据进行独立活动状态的识别及评估：

将步骤（2）中读入的3路压力数据分别与脚掌处幅值阈值th1和脚跟处幅值阈值th2进行比较，检测是否存在上升沿以及足底受力状态。当出现脚跟压力峰值大于脚跟处幅值阈值th2时，即产生上升沿且表明足底有力，所以转入对足底有力状态的判断，并选取滑动窗的窗长为wlen1=0.7s。如图3所示，由各压力曲线分别提取压力峰值与对应时间等信息，并用带下标的（t, V）表示各曲线的峰值点坐标（t为时刻，V为压力幅值），将3路压力数据中的峰值时刻的最小值记为落地时间；接着标记各压力曲线在各自设定的幅值阈值范围内的起止时刻，并据此计算出有效压力持续时间（Hw1、Hw2和Hw3分别表示两路脚掌和一路脚跟压力数据对应的有效压力持续时间）；根据相邻两次落地时间差的倒数计算出步频（freqz）；根据脚跟处压力峰值时刻与脚掌处压力峰值时刻之差得到脚掌与脚跟之间的着地时延（delay）等特征参量。

当前观察窗下，若两路脚掌压力数据中出现压力幅值小于脚掌处幅值阈值th1或脚跟压力幅值出现小于脚跟处幅值阈值th2的情况，即检测到压力曲线的下降沿，则进行动态运动状态的识别与评估；并根据上面计算得到的特征参量进行具体独立状态的标记与评估。如图4所示，本实施例中，着地时延大于0.2s，因此标记为行走状态（WALK）；两路脚掌压力峰值差的绝对值大于1.5倍的th1，因此标记平衡状况为balance: No；两路脚掌压力峰值的最大值小于2倍的th1，因此标记为脚掌施力不足（toe-less）的足底施力异常状态。

若某观察窗内未检测到任何一路压力数据的下降沿，且脚跟处压力峰值大于th2，则将值f * 0.7s赋值给站状态的计数参量count_std，并计算阈值以上压力数据的持续时间。本实施例中，由于该持续时长大于t_std=1s，故标记相应的独立活动状态为站（对应图5三种灰度色段中的中间色段）。

此外，当三路压力数据值均在0左右时，即不存在任一上升沿，则转入足底无力状态的判定。在检测到上升沿之前，对坐状态的计数参量count_sit进行累加。本实施例中，由于出现count_sit 大于f * t_sit，即出现上升沿前的足底无力状态持续时长大于t_sit=1s，因此标记该独立的活动状态为坐（对应图5三种灰度色段中的右侧色段）。

（4）判断压力数据是否分析完毕，若分析完毕，则对活动状态进行统计整理，并标记相应的过渡状态。

如图5所示，由于各独立走状态的总持续时间大于t_wk，故将连续的独立走状态标记为WLK（图5中左侧浅色段所示，采用图6中WLK状态对应的灰度编号1）；类似地，整理并标记连续的独立坐状态为SIT（图5中右侧深色段所示，采用图6中SIT状态对应的灰度编号2）；而走转为坐的过程中，原先标记的独立站状态（图5中中间色段所示，采用图6中STD状态对应的灰度编号3）由于持续时长小于t_st，故被作为过渡段分析，并由相邻的前后状态被标记为WLKSIT，其对应的灰度色段最终采用图6中相应的灰度编号5表示。