[发明专利]基于步态的疲劳度评估系统及方法

说明书

本发明公开了一种基于步态的疲劳度评估系统及方法，其中，方法包括以下步骤：设计疲劳试验获取待评估者的正常步态和疲劳步态，通过多种惯性传感器结合步态采集鞋采集佩戴者的正常和疲劳步态信息，以基于步态信息提取疲劳度信息；对步态信号进行步态周期的分割，对采集到的周期信号进行异常检测和归一化，以提取每个人的正常行走的模版和疲劳行走的模版；对当前步态信息进行提取和处理并生成当前步态模版，计算当前步态模版与正常行走的模版和疲劳行走的模版之间的距离，得到疲劳度评估结果。该方法可以实时对每个人进行更为精确且连贯的疲劳评价，可以连续获得用户的步态疲劳值，简单易实现。

技术领域

本发明涉及疲劳评估技术领域，特别涉及一种基于步态的疲劳度评估系统及方法。

背景技术

疲劳度是用户步态变化的一个重要的因素，而研究和量化步态疲劳度对于很多问题有重要的意义，例如研究表明疲劳会显著的改变老年人的步态特征，从而显著的影响老年人的摔倒概率，因而评估老年人步态疲劳度对于老年人防摔倒有着重要的意义。另外，合理的评估步态疲劳度对于运动员的训练或者普通人的健康监控也有重要的意义。

相关技术中，对于疲劳度的评估主要是基于各种生物信号包括脑电信号、肌电信号、惯性传感器信号、视频信号如面部表情，眼睛转动等，然后利用机器学习或者神经网络的方法对疲劳度进行分类。

然而，相关技术存在如下缺点：

1)很多当前采集的信息无法有效的评估步态疲劳度，如利用表情、视频、或者脑电信号与精神疲劳相关，跟用户步态疲劳的相关性不大。而血氧、脉搏、心率等信息只能反映用户运动剧烈程度，跟步态疲劳度相关性不大。如用户剧烈运动后血氧、脉搏、心率都可出现较大变化，但是通过短暂休息后即可恢复而其步态和疲劳度并没有显著改变。

2)当前方法信息的提取设备和方法过于复杂，如采集肌电、心电、脉搏、血氧等信息采集起来都非常困难，用户使用起来也非常复杂，很难应用到实际生活中。

3)对于疲劳度的量化不准确，很多当前方法通过用户自我表述或者用运动自觉量表的方式来度量疲劳度。这种度量法很大程度上决定于用户的主观意愿，缺少客观评价标准和依据。获取疲劳度的实验方法也不精确，如采用跑步机跑步的方式获取疲劳度，这样得到的疲劳度多跟用户的心肺功能相关，跟用户因行走带来的步态疲劳很不相关。即便是剧烈运动所产生的肌肉疲劳大多能够在较短的时间内恢复，与行走后产生的长期疲劳有一定区别。

4)目前的方法多采用机器学习或者神经网络的方式对疲劳度进行分级，一是得到的疲劳度不是一个线性连续的指标，二是并不能针对每个人的步态疲劳进行很好的评估。由于一个人的步态跟大量的肌肉身体的骨骼和神经系统相关，每个人步态疲劳所对应的相应肌肉的疲劳和步态的变化会有很大的差异，甚至不同年龄段的人群，如儿童、成年人、和老人所表现的步态疲劳都很不一样。这在利用多样本训练的机器学习或者神经网络算法的方法中很难被考虑或体现。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一目的在于提出一种基于步态的疲劳度评估方法，可以实时对每个人进行更为精确且连贯的疲劳评价，可以连续获得用户的步态疲劳值，简单易实现。

本发明的第二个目的在于提出一种基于步态的疲劳度评估系统。

为达到上述目的，本发明第一方面实施例提供一种基于步态的疲劳度评估方法，包括以下步骤：设计疲劳试验获取待评估者的正常步态和疲劳步态，通过多种惯性传感器结合步态采集鞋采集佩戴者的正常和疲劳步态信息，以基于步态信息提取疲劳度信息；对步态信号进行步态周期的分割，对采集到的周期信号进行异常检测和归一化，检测并剔除异常的周期信号，以提取每个人的正常行走的模版和疲劳行走的模版；实时评估用户的运动状态，提取待评估者行走时的步态信息生成当前步态模版，计算当前步态模版与正常行走的模版和疲劳行走的模版之间的距离，得到疲劳度评估结果。