一種可穿戴式多信息融合的步態分析系統及其方法
【技術領域】
[0001] 本發明設及智能可穿戴設備技術領域，尤其設及一種可穿戴式多信息融合的步態 分析系統及其方法。
【背景技術】
[0002] 隨著生活水平的提高，人們對自身的健康情況越來越重視，特別是運動健康方面， 人們也越來越希望時刻了解自己運動狀況。隨著智能手機的興起，智能可穿戴技術及大數 據技術的發展，人們的需求也得W實現。
[0003] 步態分析可W應用于運動健康科學領域中。例如:通過對老年人的正常行走姿態 惡化的步態特征參數進行提取并提出相應的預防措施可W有效地減少老年人的摔倒次數； 通過對偏擁患者的步態特征進行了研究，從而可W有效地分析偏擁患者當前的恢復狀況； 通過對樓梯、平路、滑坡、臺階等地形的步態分析，進而可W有效地為人工智能腿的研究提 供更多的理論依據;此外，步態分析在健康科學領域中還可W用來對患有某些疾病的患者 進行識別，如帕金森病患者、腦擁患者、糖尿病患者等。
[0004] 目前，國內外對于步態分析也有了很多研究。Tao Liu等人在測量者的腳部、小腿 下部及膝蓋上放置巧螺儀和加速度計，從而測量下肢行走的狀態。Kevin Deschamps等人在 腳底放置壓力傳感器來測量行走時腳底部受力狀況。運些研究為步態分析提供了的方向， 并沒有提出可更細致的測量方法。
【發明內容】
[0005] 本發明為克服現有技術存在的不足之處，提出了一種可人機交互的可穿戴式多信 息融合的步態分析系統及其方法，本發明能讓監護人隨時了解被監護者的步態狀況，實時 接收被監護者運動中的報警信息及定位信息，從而為足部病人康復，老年人步姿監測，兒童 學步等提供支持和幫助。
[0006] 本發明為達到上述發明目的采用如下技術方案：
[0007] 本發明一種可穿戴式多信息融合的步態分析系統的特點包括:柔性傳感器模塊、 Ξ軸加速度及巧螺儀傳感器、微處理器、供電模塊、傳輸模塊、定位模塊、客戶端和云服務 器；由所述Ξ軸加速度及巧螺儀傳感器、微處理器、供電模塊和傳輸模塊構成步態分析裝置 并設置在鞋底的腳弓處;所述客戶端包括監護人客戶端和用戶客戶端；
[000引所述傳感器模塊包括柔性壓力傳感器和柔性拉伸傳感器；
[0009] 所述柔性壓力傳感器設置在鞋墊的腳跟部、腳弓部和前腳掌部，用于采集腳底壓 力信息并通過吸附式排針傳遞給所述微處理器；
[0010] 所述柔性拉伸傳感器設置在鞋墊的腳弓部和前腳掌部之間，用于采集腳底彎曲度 并也通過吸附式排針傳遞給所述微處理器；
[0011] 所述Ξ軸加速度及巧螺儀傳感器用于采集Ξ個方向上的加速度和傾斜角度并傳 遞給所述微處理器；
[0012] 所述定位模塊獲取用戶的位置信息并發送給所述微處理器；
[0013] 所述微處理器對所接收到的腳底壓力信息進行計算，獲得壓力中屯、點信息；并根 據所述壓力中屯、點信息、腳底彎曲度和加速度進行分析，獲得步態特征值；
[0014] 所述微處理器將所述步態特征值輸入到神經網絡中進行步態判斷，獲得的步態狀 態結果通過所述傳輸模塊發送給所述客戶端，或者通過所述傳輸模塊發送給所述云服務器 進行存儲;使得所述客戶端能從所述云服務器中獲取步態狀態結果；
[0015] 所述微處理器對所述位置信息進行處理后通過所述傳輸模塊發送給所述云服務 器進行存儲；
[0016] 所述微處理器對所述傾斜角度進行分析，判斷是否跌倒，若跌倒，則通過傳輸模塊 發送報警信息給所述云服務器;所述云服務器再將所述報警信息推送給所述監護人客戶 端；
[0017] 所述監護人客戶端通過所述云服務器獲取用戶位置信息。
[0018] 本發明所述的可穿戴式多信息融合的步態分析系統的特點也在于，
[0019] 所述柔性壓力傳感器的組成包括:柔性PCB板、銅電極、微結構敏感材料層和塑料 薄膜；
[0020] 在所述上柔性PCB板印刷有所述銅電極，并在所述銅電極的表面覆蓋所述微結構 敏感材料層;在所述微結構敏感材料層上覆蓋所述塑料薄膜；
[0021] 所述柔性拉伸傳感器的組成包括:上層塑料薄膜、導電銀膠、敏感材料層和下層塑 料薄膜；
[0022] 在所述下層塑料薄膜上印刷有間隔設置的兩塊導電銀膠作為電極;所述敏感材料 層通過所述兩塊導電銀膠粘貼在所述下層塑料薄膜上;在所述敏感材料層的表面覆蓋上層 塑料薄膜。
[0023] 所述微結構敏感材料層設置為金字塔型陣列形式，并W塔頂與銅電極接觸。
[0024] 所述微結構敏感材料層是將炭黑與石墨稀W3:l的質量比混合后，再W4%的總質 量分數填充在娃橡膠中成型獲得；
[0025] 所述敏感材料層是將炭黑與石墨稀W3:l的質量比混合后，再W6%的總質量分數 填充在娃橡膠中成型獲得。
[0026] 本發明一種可穿戴式多信息融合的步態分析方法的特點是按如下步驟進行：
[0027] 步驟1、W鞋墊的外接矩形的一個頂點設為原點0,將所述原點0的兩條鄰邊分別設 置為X軸和Y軸、W垂直與所述外接矩形的方向作為Z軸，構成坐標系0-XYZ;
[00%]步驟2、在所述坐標系X0Y中，獲取η個柔性壓力傳感器的位置坐標，記為{(xi，yi), (X2，y2)，···，（Xi，yi)，···，（Xn，yn)}，（xi，yi)表示第i個柔性壓力傳感器的位置坐標；1 y如；
[0029] 步驟3、利用所述η個柔性壓力傳感器獲取η個腳底壓力值，記為化，P2，…，Pi，…， Pn} ;Pi表示第i個柔性壓力傳感器的腳底壓力值；
[0030] 步驟4、利用式(1)和式(2)獲得壓力中屯、點信息(XE，y。）：
[0033] 步驟5、通過柔性拉伸傳感器(2)獲取t時刻的腳底彎曲度Ct;
[0034] 步驟6、通過Ξ軸加速度及巧螺儀傳感器獲取t時刻Ξ個方向上的加速度 <、ut、<，并利用式(3)獲得t時刻加速度的矢量值St:
[0035]
[0036] 步驟7、分別采集正常步態和異常步態時，壓力中屯、點信息(xc，yc)、腳底彎曲度Ct、 Ξ個方向上的加速度《?、<、口及加速度的矢量值St，運屯種數據各自的屯種特征值， 用于對神經網絡進行訓練，獲得步態分析模型;屯種特征值包括最大值、最小值、均值、變化 范圍、振幅、方差和標準差；
[0037] 步驟8、設定所述壓力中屯、點信息(xc，y。）、腳底彎曲度、Ξ個方向上的加速度W及 加速度的矢量值各自的屯種特征值所相應的行走闊值；
[0038] 步驟9、WT為采樣周期，F為采樣頻率，形成采樣時間窗;在采樣時間窗中，采集由 壓力中屯、點信息(xc，yc)、腳底彎曲度、Ξ個方向上的加速度W及加速度的矢量值各自的屯 種特征值所組成的運動數據；
[0039] 步驟10、將所述運動數據與所設定的行走闊值進行比較，判斷在采樣時間窗中，用 戶是否在行走狀態;若在行走狀態，則執行步驟11;
[0040] 步驟11、將所述運動數據輸入所述步態分析模型中，從而獲得在采樣時間窗中的 步態狀態結果。
[0041] 與已有技術相比，本發明的有益效果體現在：
[0042] 1、本發明將多傳感信息進行融合，并支持無線通信，通過柔性傳感器