[发明专利]假肢的步态识别方法、装置及存储介质

说明书

本发明公开了一种假肢的步态识别方法、装置及存储介质。其中，该方法包括：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。本发明解决了假肢步态识别实时性不高、准确性不高的技术问题。

技术领域

本发明涉及智能穿戴领域，具体而言，涉及一种假肢的步态识别方法、装置及存储介质。

背景技术

下肢截肢会给患者行动造成障碍，尤其是膝关节以上部位截肢会严重影响其行动能力，给其家庭和社会带来沉重的负担。佩戴性能优异的假肢能极大地提高截肢患者的行动能力，提高患者的社会活动参与度。

步态识别不仅可以为康复训练提供重要的分析依据，还可以为假肢提供运动信号，使之做出相应的调整，提高使用者的舒适感。当前市场上的的假肢设备功能单一、舒适度不高，无法满足使用者的日常需求。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种假肢的步态识别方法、装置及存储介质，以至少解决假肢步态识别实时性不高、准确性不高的技术问题。

根据本发明实施例的一个方面，提供了一种假肢的步态识别方法，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。

根据本发明实施例的另一方面，还提供了一种假肢的步态识别装置，包括：获取模块，被配置为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；预处理模块，被配置为对所获取的实时步态信息进行数据预处理；识别模块，被配置为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。

根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，其上存储有程序，所述程序在被执行时，使得所述计算机执行如上所述的方法。

在本发明实施例中，把CNN和LSTM融合在一起，充分利用各自的优势来完成人体的行为识别。CNN的优势在于可以高效的进行特征提取，将提取出来的特征映射到特征图，而LSTM的优势在于构建出一个长短期记忆网络的模型，通过前一时刻和后一时刻的状态来更加精准的判断出当前时刻的状态，然后将结果输送给Softmax层，进行最后的分类，解决了假肢步态识别实时性不高、准确性不高的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的假肢的步态识别方法的流程图一；

图2是根据本发明实施例的假肢的步态识别方法的流程图二；

图3是根据本发明实施例的假肢的步态识别方法的流程图三；

图4是根据本发明实施例的假肢的步态识别方法的流程图四；

图4A是根据本发明实施例的LSTM结构单元的示意图；

图5是根据本发明实施例的假肢的步态识别装置的结构示意图；

图6是根据本发明实施例的假肢的步态识别系统的结构示意图；

图7是根据本发明实施例的假肢的步态识别系统的结构示意图；