[发明专利]步态特征提取方法、下肢评估、控制方法、设备及介质

说明书

本发明公开了一种步态特征提取方法、下肢评估、控制方法、设备及介质，所述步态特征提取方法包括：通过所述惯性传感器采集监测对象的下肢运动参数；根据所述下肢运动参数获取所述监测对象的关节角度；根据所述关节角度计算骨盆高度。本发明基于佩戴在用户身上的惯性传感器可以获得下肢运动参数，基于下肢运动参数可以计算出关节角度，并且基于关节角度可以进一步计算出包括步频、步幅及骨盆高度等重要的步态特征数据，一方面，有利于嵌入式的开发，节省了开发成本，提高了开发效率，另一方面，也提高了计算的精确度，便于后续对步态特征数据进行进一步的处理。

技术领域

本发明涉及计算机技术与应用技术领域，特别涉及一种步态特征提取方法、下肢评估、控制方法、设备及介质。

背景技术

世界范围内，人口老龄化正逐渐成为一个不可忽略的重大课题，随着人口老龄化程度的加剧，伴随发生的高龄人口疾病发生率也日益增加，以其中最为严重的脑卒中为例，根据数据显示，到2019年我国因脑卒中发病死亡的认数已经达到140.3/10万，即使得到及时的救治，大约75%患者依然会在脑卒中在发病后留下许多不同程度的后遗症，这些后遗症会极大降低患者的生活自理能力，严重影响患者及其家人的生活质量。在如此众多的后遗症中，患者发生偏瘫概率最高，临床表明，科学的运动康复训练配合手术治疗和药物治疗，能够显著提高脑卒中偏瘫患者肢体功能恢复的概率，进行及时的重复康复运动训练可以修复患者在脑卒中发病过程中受损的神经系统，并对肌肉骨骼等运动系统进行强化，有助于患者患侧肢运动机能的恢复。

随着芯片技术的发展，协作机器人在小型化、智能化上也取得了长足的发展，康复机器人由于其灵活并且完善的康复模式，交互性、趣味性高等特点正在逐步取代传统以康复治疗师主导的康复训练。伴随着康复训练过程中机器人技术的引入，监测对象状态的评估，康复治疗进展的评估也逐渐从由康复治疗师直接的主观判断转变成更加自动化、智能化的基于数据分析的模式。在下肢康复训练中，为了实现对监测对象下肢康复状态的评估，需要获取下肢的步态数据。

如何实现对人体下肢步态数据的获取一直以来都是康复科学及机器人领域的热门研究课题，从基础技术原理上来看，主要可以分为两类，基于光学传感器的图像步态识别技术和基于惯性传感器的运动参数步态识别技术。哈尔滨工程大学在2017年和2019年分别公开了题为“一种多角度的步态周期检测方法”和“一种基于卷积神经网络的步态周期检测方法”两个基于视频图像的人体下肢步态周期划分的专利，这两个专利通过对视频逐帧进行分割，然后对行人轮廓提取和质心归一化的图像预处理操作，然后将归一化得到的下肢步态图像的特征值进行计算或者输入提前训练的卷积神经网络，即可对人下肢步态进行周期分割。中国科学院深圳先进技术研究院公开了题为“基于惯性传感器的步态特征提取和步态识别方法”，通过惯性传感器放置在人体下肢的左右小腿中部捕捉步态信息，从而提取相应的加速度和角速度步态特征。

现有的人体下肢步态特征提取算法主要问题有：一方面，基于光学传感器的下肢步态特征提取技术需要的传感器价格昂贵，使用过程中数据规模大，需要的控制系统计算力要求高，并且下肢康复训练过程中，由于康复机器人的存在会对人体下肢产生一定程度上的遮挡，影响计算精度；另一方面，基于惯性元件的人体下肢步态特征提取算法对传感器输出的加速度、角速度等参数进行处理，或仅对传感器采集的数据进行简单划分和提取，这种方式只能得到简单的步态特征，并且提取数据的精确度有限。

发明内容

本发明要解决的技术问题是为了克服现有技术中步态特征提取的精确度低、成本高且提取的参数有限的缺陷，提供一种低成本、精确度高且能获得多种重要参数的步态特征提取方法、下肢评估、控制方法、设备及介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供了一种基于惯性传感器的步态特征提取方法，所述步态特征提取方法包括：

通过所述惯性传感器采集监测对象的下肢运动参数；

根据所述下肢运动参数获取所述监测对象的关节角度；