[发明专利]假肢的步态识别方法、装置及存储介质

权利要求书

1.一种假肢的步态识别方法，其特征在于，所述方法包括：

获取假肢穿戴者的实时步态信息，其中，所述实时步态信息是与所述假肢穿戴者的当前运动姿态相关的信息；

对所获取的实时步态信息进行数据预处理；

基于预先构建的组合神经网络模型，从预处理后的实时步态信息中提取所述假肢穿戴者的步态特征，并对所述步态特征进行识别分类。

2.根据权利要求1所述的方法，其特征在于，所述实时步态信息包括以下至少之一：假肢的运动姿态信息、足底压力数据信息、假肢的压力数据信息和假肢的行走步频信息。

3.根据权利要求1所述的方法，其特征在于，所述组合神经网络模型是基于卷积神经网络和长短期记忆网络融合而成的，并且，所述组合神经网络模型由输入层、卷积层、LSTM层、全连接层、softmax层、输出层组成。

4.根据权利要求3所述的方法，其特征在于，

所述卷积神经网络被配置为对预处理后的实时步态信息进行步态特征提取；

所述长短期记忆网络被配置为比较前一时刻的步态特征和当前时刻的实时步态特征，并基于比较结果判断当前时刻的步态。

5.根据权利要求3所述的方法，其特征在于，所述组合神经网络模型被构建之后，所述方法还包括：

获取相应的历史步态信息，其中，所述历史步态信息标注有时间戳；

将不同的所述历史步态信息进行数据处理分析，将不同的行为活动对应的不同的历史步态信息打上对应标签，形成数据标签对集；

将所述数据标签对集分为训练集和测试集，并将所述训练集输入到所述组合神经网络模型进行训练；

将所述测试集输入训练后的所述组合神经网络模型中，以评估所述组合神经网络模型的分类效果。

6.根据权利要求3所述的方法，其特征在于，所述卷积层是通过以下公式构建的：

其中，表示第l+1层输出的第j个通道特征，表示第l层输出的第i个通道的特征值，表示第l+1层到第l层中第i个通道的特征图的第j个卷积核，表示第l+1层中j个通道的卷积核偏置。

7.根据权利要求3所述的方法，其特征在于，所述softmax层是通过以下公式构建的：

其中，S_i表示第i个神经元的概率输出值，表示Z_i的指数函数，K表示预测类别个数，表示z_k的指数函数，z_i表示全连接层的第i个输出，x_ij表示全连接层的输入，w_ij表示第i个神经元的第j个权重，b表示偏置值，j表示通道特征编号，Z_k表示所述全连接层的第k个输出，其中，第i个神经元对应第i个输出。