[发明专利]一种步态异常早期识别与风险预警方法和装置

说明书

本发明公开了一种步态异常早期识别与风险预警方法和装置。该方法包括：将所采集的身体不同部位的运动数据进行融合并映射为反映步态特性的多个关节的虚拟传感信息；基于所述多个关节的虚拟传感信息，根据步态时相敏感度选取显著性特征进行步态时相识别，获得步态时相特征；建立人体结构运动学模型，基于所述多个关节的虚拟传感信息利用该人体结构运动学模型提取步态运动学特征；将所述步态时相特征和所述步态运动学特征进行融合，并根据步态变异性特性敏感度选取步态显著性特征；构建不同时间尺度下的步态变异性特性分析模型，以所述步态显著性特征作为输入，实现异常步态的自动识别与分类。本发明能够有效实现步态异常的早期识别与风险预警。

技术领域

本发明涉及生物特征识别技术领域，更具体地，涉及一种步态异常早期识别与风险预警方法和装置。

背景技术

行走是人类最基本的运动功能，行走过程的身体姿态和动作(即步态)包含着丰富的运动学、动力学、心理学和生理学信息。正常的步态是人体神经、骨骼、肌肉和感官系统的高度协调活动，具有节律性、周期性和一致性，任一个环节出现异常或失调都将会导致步态异常。同时，步态异常也是多种组织器官发生病变的前兆，许多常见的老年疾病，如帕金森、阿尔茨海默症，骨损伤、关节炎、中风、肌肉萎缩、肌肉痉挛等，在发病的前期都会表现出步态异常。相比于正常步态，异常步态表现为时相缺失、时序混乱、比例失调，且存在步频、步速、步幅和关节角度等参数异常。对异常步态的及时、准确的诊断是保证患者能得到及时有效康复治疗的必要条件。然而，现实生活中步态异常在早期出现或症状轻微时常常无法得到及时检测，尤其是老年人的早期步态异常，在临床检查时常常被误认为是生理性衰老的正常表现，从而延误康复治疗的最佳时间。

在现有技术中，依靠临床医生经验的诊断方法，由于缺少大时间尺度下步态变异性特性的分析，无法做到步态异常的早期识别和预警。而近年发展起来的基于机器视觉的步态检测方法通常是利用高速摄像机连续拍摄人体走路姿态，通过计算机图像处理技术获取人体步态的特征参数。这种方法虽然能够获得准确、全面的步态参数，但由于受设备成本，部署场地、专业操作人员等条件限制，仍然无法普遍使用。目前，可穿戴健康监测设备得到快速发展和普遍使用，可穿戴设备集成的多种类型的传感器，如惯性传感器、足底压力传感器和表面肌电传感器等，可以在任意环境下，长期、连续采集人体运动姿态信息，为从时间和空间多维度、全方位分析人体步态的细微变化，为实现异常步态的早期识别和预警提供了丰富、全面的大数据信息。因此，基于可穿戴传感器的步态分析及步态异常早期识别技术是实现步态异常相关疾病早发现、早预防、早诊断、早治疗的重要手段。

经统计分析，现有的步态分析和步态异常检测方法都是基于步态特征进行分类(例如，专利申请CN201910064053.2和CN201910813891.5)，只能在步态异常症状已经比较明显的时候才能实现异常步态的识别，而在步态病变发生的初期无法实现早期的识别与检测。

发明内容

本发明的目的是克服上述现有技术的缺陷，提供一种步态异常早期识别与风险预警方法和装置，是基于多源信息融合的步态异常早期识别与风险预警的新技术方案，通过对用户步态惯性传感数据的长期监测，监测步态大时间维度的变异性特性，从而实现对步态异常的早期识别。

根据本发明的第一方面，提供一种步态异常早期识别与风险预警方法。该方法包括以下步骤：

将所采集的身体不同部位的运动数据进行融合并映射为反映步态特性的多个关节的虚拟传感信息；

基于所述多个关节的虚拟传感信息，根据步态时相敏感度选取显著性特征进行步态时相识别，获得步态时相特征；

建立人体结构运动学模型，基于所述多个关节的虚拟传感信息利用该人体结构运动学模型提取步态运动学特征；

将所述步态时相特征和所述步态运动学特征进行融合，并根据步态变异性特性敏感度选取步态显著性特征；