一种人体下肢姿态异常识别系统及使用方法

摘要

本发明公开了一种人体下肢姿态异常识别系统，包括足部结构、膝部结构、固定结构以及调节结构，足部结构包括鞋体以及韧性带，鞋体底部内侧设置感应垫片，鞋体底部设置缓冲体，鞋体与膝部结构通过韧性带连接，膝部结构包括弹性盖，弹性盖上设置有连接块，连接块设置有角度传感器，弹性盖与韧性带通过活动杆连接，固定结构包括筒体，筒体上设置有固定带，固定带上设置有固定扣，筒体为半封闭空腔结构，调整结构包括调整腔，调整腔上设置有旋转轴，旋转轴上连接有微型电机，调整带一端与弹性盖连接，使得日常居家也能够对病患进行监测和预防，实现较早的对病患进行人为干预，规避老年人跌倒等意外风险，对人们身体健康管理具有重要的意义。

说明书

应用领域

本发明涉及医疗设备领域，特别是一种人体下肢姿态异常识别系统。

背景技术

随着生活水平的提高，“健康”越来越受到人们的重视，由于我国人体基数庞大的原因，需要相当数量的医护人员去检测与维护人们健康，并且人们对医护人员的依赖会日益加重，导致我国医疗资源分配成为了严峻的问题，一部分人因为客观条件限制缺乏适当的监测和提醒，导致其没能得到及时的预防和治疗，而不得长期忍受疾病的折磨，假若能够得到及时的监测和提醒，较早的进行人为干预，就能够使得其进行及时的治疗，健康得到最大程度的恢复。同时，跌倒行为在严重的威胁着老年人的生活，严重的跌倒会导致死亡或者残疾，及时监测和提醒人们的身体状况，以及规避老年人跌倒等意外风险，成为了重要的研究课题。

步态指的是在步行时的姿态，而人体的步态是人体的一种运动学特征，个体的步态具有特异性。步态分析是对人类运动特征的研究，是对人体行走时的一些时间特征、空间特征和运动学特征进行测量、分析与识别的一种方法。通过步态分析，可以识别出每个人的步态相，能够判断每个步态相之间的运动学和动力学参数的异常，进而可以判断出人体下肢的运动能力和健康程度，反映出人的健康状况和病态特征。若能够提供一种居家使用的简单检测方法，就能够及时发现病症，捉住黄金治疗时间，通过科技的手段合理运用医疗资源。因此，针对所提出问题，就展开了以下论述。

发明内容

本发明克服了现有技术的不足，提供了一种人体下肢姿态异常识别系统。

为达到上述目的本发明采用的技术方案为：包括：足部结构、膝部结构、固定结构以及调节结构；

所述足部结构包括鞋体以及韧性带，所述鞋体底部内侧设置感应垫片，所述鞋体底部设置缓冲体，所述鞋体与所述膝部结构通过所述韧性带连接；

所述膝部结构包括弹性盖，所述弹性盖上设置有连接块，所述连接块设置有角度传感器，所述弹性盖与所述韧性带通过活动杆连接。

所述固定结构包括筒体，所述筒体上设置有固定带，所述固定带上设置有固定扣，所述筒体为半封闭空腔结构。

进一步地，本发明的一个较佳实施例中，所述调整结构包括调整腔，所述调整腔上设置有旋转轴，所述旋转轴上连接有微型电机。

进一步地，本发明的一个较佳实施例中，所述调整带一端与弹性盖连接，另一端与调整腔连接，所述旋转轴带动所述调整带旋转以改变所述调整带长度。

进一步地，本发明的一个较佳实施例中，所述连接块带动所述角度传感器测量端旋转，所述角度传感器用于测量人体膝关节角度。

进一步地，本发明的一个较佳实施例中，所述感应垫片与所述缓冲体贴合设置，所述感应垫片用于测量人体足底压力值，所述缓冲体用于降低相对摩擦带来的影响。

进一步地，本发明的一个较佳实施例中，所述调整结构与所述固定结构通过铰链连接以用于调整角度。

进一步地，本发明的一个较佳实施例中，所述韧性带通过定位销与所述连接块连接，所述韧性带为可拆卸结构。

本发明第二方面提供了一种人体下肢姿态异常识别系统的使用方法，应用于任一所述的一种人体下肢姿态异常识别系统，包括以下步骤：

采集用户足部压力信号信息；

将所述压力信号进行缺失值、异常值以及数据标准化处理；

对不同类别压力信号的进行特征向量提取，对所述特征向量进行降维处理，建立步态模型信息；

将所述步态模型信息与预设模型对比，得出偏差率；

若大于，生成步态信息；

将步态信息传送至终端。

进一步地，本发明的一个较佳实施例中，对不同类别压力信号的进行特征向量提取，对所述特征向量进行降维处理，建立步态模型信息，还包括以下步骤：

对压力信号特征向量进行标准化处理；

获得压力信号标准向量的协方差矩阵，获得特征值与贡献率，生成降维模型信息；

将所述降维模型信息与预设模型对比，得出偏差率；

判断所述偏差率阈值是否大于预设阈值；

若大于，则生成一组主成分特征向量。

进一步地，本发明的一个较佳实施例中，对不同类别压力信号的进行特征向量提取，其中包括：

所述特征向量提取为通过对原始步态数据信息进行相关非线性的数学变换，将所述特征向量映射至低维度空间，得到有利于类别预测信息。

本发明公开的一种人体下肢姿态异常识别系统，通过可穿戴式健康监测装置在人体行走时，获得步态的稳定性、膝关节角度变化的运动曲线以及足部压力信息，再进一步分析出步态异常信息，提取特征信息，最终获得人体步态行为识别，使得日常居家也能够对病患进行监测和预防，实现较早的对病患进行人为干预，能够及时的进行治疗，避免了病情加重，规避老年人跌倒等意外风险，对合理的利用医疗资源以及人们身体健康管理具有重要的意义。

附图说明

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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。

图1为装置结构示意图；

图2为鞋体示意图；

图3为压力信号处理流程图；

图4为特征向量降维流程图；

附图标记说明如下：1、足部结构；2、膝部结构；3、固定结构；4、调整结构；101、筒体；102、固定带；103、固定扣；104、调整腔；105、旋转轴；106、调整带；107、弹性盖；201、鞋体；202、韧性带；203、感应垫片；204、缓冲体；205、定位销；206、连接块；

具体实施方式：

为了能够更加清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述，这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成，需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请保护范围的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本申请中的具体含义。

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。

实施例一：

本发明第一方面提供了一种人体下肢姿态异常识别系统，包括足部结构1、膝部结构2、固定结构3以及调节结构4；

如图1所示，所述固定结构包括筒体101，所述筒体101上设置有固定带102，所述固定带102上设置有固定扣103，所述筒体101为半封闭空腔结构，所述调整结构包括调整腔104，所述调整腔104上设置有旋转轴105，所述旋转轴105上连接有微型电机，所述调整带106一端与弹性盖107连接，另一端与调整腔104连接，所述旋转轴105带动所述调整带106旋转以改变所述调整带106长度，所述调整结构4与所述固定结构3通过铰链连接以用于调整角度。首先，用户穿戴本装置时，调整腔104上设置有旋转轴105，微型电机带动旋转轴105旋转以带动调整带106旋转，从而调整设备的长度，以适应不同用户的腿部长度，使用范围更广。用户穿戴调整到适合长度后，需要保持装置与用户腿部的贴合度，以确保测量数据真的准确性，利用筒体101上设置固定带102以及固定扣103固定即可进行下一步测量动作，方便快捷，贴合效果好。

如图2所示，所述足部结构包括鞋体201以及韧性带202，所述鞋体201底部内侧设置感应垫片203，所述鞋体底部设置缓冲体204，所述鞋体201与所述膝部结构2通过所述韧性带202连接，所述感应垫片203与所述缓冲体204贴合设置，所述感应垫片203用于测量人体足底压力值，所述缓冲体204用于降低相对摩擦带来的影响，所述韧性202带通过定位销205与所述连接块206连接，所述韧性带202为可拆卸结构。感应垫片203设置在鞋体201底部，感应垫片203可以理解成“鞋垫”，当用户穿戴好设备后，用户按正常状态完成行走过程，感应垫片203实时采集与分析用户足部压力信息，得出用户的测量结果。鞋体201与弹性盖107通过连接块206连接，设置为可拆卸结构，在对不同用户进行检测时，只需要更换适合的鞋体201即可，适合用户整个家庭一同使用，使得用户体验更好。为了在测量过程中减少对用户运动的干扰，感应垫片203设置于弹性体中间，使得在用户行走过程几乎无感，减少了外部环境的对检测数据的干扰。

需要说明的是，卷积神经网络是一种前馈性网络神经，通常为多层神经网络，由一个或多个卷积层组成，在卷积层上通过滤波处理实现了对矩阵的卷积操作，本发明采集到的膝部角速度，姿态以及足底压力等信号都是一维的时间序列信息，一维卷积神经网络能够运用在自然语言处理任务中，因为卷积运算能较好的提取输入信号的特征，因此本发明使用一维卷积神经网络对膝部角速度，姿态以及足底压力等信号进行序列信号的识别与分类，即利用感应垫片在每个维度上进行采样，对数据进行池化处理，以保持数据特征基本不变的情况下减少参数的数量与特征的维度，防止模型过拟合，适用于较高维度的数据，利用神经网络的优化算法，以计算出参数的自适应学习率，因此，通过计算梯度的一阶矩估计和二阶矩估计来对每个数据进行自适应调整使得参数变化更平稳，算法计算公式如下：

其中，k代表当前计算的梯度；U

综上所述，利用感应垫片以及角度传感器采集用户步态信号，对采集信号进行预处理，进一步结合算法计算出数字化姿态信息。在信息识别的过程中，首先将需要识别的信息进行降维处理，然后直接输入卷积神经网络，经过卷积层，运算后便可以得到输入信息类别，从而检测用户身体信息，通过对步态分析和检测，有助于及时对病患进行监测和预防，实现较早的对病患进行人为干预，避免了病情加重，对人们身体健康管理具有重要的意义。

需要说明的是，在用户移动过程中，感应垫片以及角速度传感器将机械信号转化为电信号，并且依靠蓝牙将步态分析系统与电脑连接，实现传感器与电脑间的数据传送。

所述膝部结构2包括弹性盖107，所述弹性盖107上设置有连接块206，所述连接块206设置有角度传感器，所述弹性盖107与所述韧性带202通过活动杆连接，所述连接块带动所述角度传感器测量端旋转，所述角度传感器用于测量人体膝关节角度。膝关节的运动是一个屈膝、滚动、滑动、侧移和轴位旋转的多自由度运动过程，屈膝动作也并非是绕着同一个旋转中心旋转，而是根据运动过程产生多个瞬时旋转中心，因此，通过弹性盖107与连接块206相互连接，弹性盖107采用的是密度极小的炭纤维材料，能够与用户膝部高度贴合，避免了对人体行走时腿部的摆动产生影响，当用户进行检测时，连接块能够带动角度传感器的测量端旋转，从而精准的测量出用户膝部角度信息。

需要说明的是，根据角度传感器原理，角度传感器能够理解成为滑动变阻器，原则上能够直接将传感器的阻值对应用户膝关节的角度，但这对角度传感器的安装角度和初始角度都有安装要求，不适用于本发明上，因此采用采集电压信号的方式来获得用户膝部角度数值，把角速度传感器设置在连接块上，连接块一端与弹性盖固定，弹性盖与用户膝部贴合，当用户步行检测，膝部运动时，弹性盖带动连接块旋转，使得角度传感器完成测量过程。通过每采集十个数据中断一次，然后将采集到的十个数据取平均值作为当前时间点的电压值，然后对当前电压值进行积分算法处理，得到角度值。

实施例二：

如图3所示，本发明第二方面提供了一种人体下肢姿态异常识别系统的使用方法，应用于任一所述的一种人体下肢姿态异常识别系统，包括以下步骤：

S102：采集用户足部压力信号信息；

S104：将所述压力信号进行缺失值、异常值以及数据标准化处理；

S106：对不同类别压力信号的进行特征向量提取，对所述特征向量进行降维处理，建立步态模型信息；

S108：将所述步态模型信息与预设模型对比，得出偏差率；

S110：若大于，生成步态信息；

S112：将步态信息传送至终端。

需要说明的是，通过感应垫片采集用户足部的压力信息，建立步态数据模型，而在数据建立的过程中，数据的质量影响着步态模型的质量，因此需要对采集到的数据进行多种处理，保证在分析数据时能够获得有效性和准确性。通过数据平滑滤波、单步步态分割、数据归一化后，将连续的步态数据分割为单步步态数据，得到完整的步态数据集，使得检测精度更高。

需要说明的是，使用装置对步态信息进行采集，对采集到每种步态的膝部角度、重心位置以及足底压力信息进行平滑滤波处理，便于后续数据片段的选取与分割，原始采集到的数据因为硬件以及外部环境原因会产生噪音数据，在数据曲线上会形成较多的毛刺。另外，当数据采集时，用户在步行前后或者步行中，会有停止不动的情况出现，因此会出现空白数据，为了便于后续单步步态分割，需要对空白数据进行删除处理。由于不同用户、或者同一个用户在不同时间会具有不同的步态周期，为了对一个周期内的步态进行比较，需采用数据归一化的方法对步态数据处理。从而简化了测量数据识别的过程，有助于减少外部环境所带来的的误差，提高了数据的可信度。

需要说明的是，人的行走动作是由一个一个连续的步态片段形成的，一个步态周期包含了时间特征、空间特征、运动学特征等生物信息，根据人体行走时间特征，步态信息分为：足跟落地时刻，脚趾跟进时刻，脚掌落地时刻，足跟离地时刻，脚趾离地时刻，从足底压力信息来看，足跟落地的时刻是数据变化最大的时刻，是非支撑相侧压力从无到有的时刻。因此，对于异常步态来说，不同的异常步态对应不同的行走状态，有些疾病在足部落地时会体现出足跟落地时刻与全掌落地时刻之间的时间节点分界不明显，即落地时整个脚掌直接落地，如感觉性共济失调步态；某些疾病在脚趾跟进时刻到脚趾离地时刻的时间节点分界不明显，即脚未完全落地或脚刚刚落地全脚掌就开始抬离地面，如应力性骨折步态。

在足跟落地时刻前，人体支撑在另一侧，而此时感应垫片上压力值为0，感应垫片两端电压值为最大值，当足跟落地后，前掌仍处在空中，因此除了足跟部有压力数据外，其他部位压力数据均为0，当前掌落地后，压力逐步加大，利用这一特性完成对不同部位压力测量过程。

进一步的，本发明的一个较佳实施例中，对不同类别压力信号的进行特征向量提取，对所述特征向量进行降维处理，建立步态模型信息，如图4所示，还包括以下步骤：

S202：对压力信号特征向量进行标准化处理；

S204：获得压力信号标准向量的协方差矩阵，获得特征值与贡献率，生成降维模型信息；

S206：将所述降维模型信息与预设模型对比，得出偏差率；

S208：判断所述偏差率阈值是否大于预设阈值；

S210：若大于，则生成一组主成分特征向量。

需要说明的是，完成了对压力信号的预处理后，需要进行特征降维步骤，特征降维包括特征选择和特征提取，特征选择用于对用户原始步态数据的特征集合中，选择对步态类别的识别具有最佳分类特性的特征子集；特征提取为通过对原始步态数据信息通过相关非线性的数学变换，将原始步态数据映射到低维空间，得到有利于类别的预测信息，通过特征选择和特征提取所得到的两组向量的交集，从而得到筛选后的用户步态特征，以获得更有分类能力的步态特征，对模型进行简化，提高步态模型识别的准确度。人体在行走过程中，步幅与频率之间以及步速与步长之间具有线性相关关系，因此，采用计算相关系数的方法来分析步态特征之间的相互关联程度，计算公式如下：

其中，a

进一步的，本发明的一个较佳实施例中，对不同类别压力信号的进行特征向量提取，其中包括：

所述特征向量提取为通过对原始步态数据信息进行相关非线性的数学变换，将所述特征向量映射至低维度空间，得到有利于类别预测信息。

需要说明的是，在进行用户步态特征选择中，是以决策树为基本模型的集成学习模型，步态特性选择过程是将用户初始步态数据集有放回的随机抽取一定数量的训练集，然后每次通过抽取的步态训练集构造与初始步态对应的决策树，在对应的决策树每个节点进行分裂的时候，从步态样本集中的全部属性中等概率的随机抽取一个步态属性子集，然后再从这个步态性子集中选择一个最优节点进行分裂。

以上依据本发明的理想实施例为启示，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。