一种基于多传感器融合的人体步态分析方法和系统的制作方法
【技术领域】
[0001] 本发明涉及步态分析技术领域，尤其涉及一种基于多传感器融合的人体步态分析 方法和系统。
【背景技术】
[0002] 人体步态是人体步行过程中下肢协调关系的行为特征，涉及到个人运动习惯、健 康状况、性别、年龄、职业等因素，人体步态检测具有显著的意义。例如，在运动康复方面，步 态分析可以评估被测者下肢运动能力恢复情况。在远程医疗方面，便携式步态分析设备可 以减少护理人员长时间值守。在个人导航方面，通过对行人下肢运动轨迹信息的计算可以 实现在无GPS信号的环境下的位置定位。
[0003] 现有的步态分析方法包括传统的基于目测法、足印法、光学信号、超声信号、压力 信号等方法。专利号为7457439的美国专利Systemandmethodformotioncapture使用 多个摄像机恢复出身体的三维运动信息。但是基于光学的运动测量系统普遍存在信号遮挡 问题，使用受限制；公开号为CN102670207的专利介绍了一种基于足底压力的步态分析方 法，通过分析足底压力分布随时间的变化来识别人体步态相位和下肢运动信息模式，但是 此方法只能得到足部与地面接触时的压力变化，进而无法得到一个完整步态周期的步态信 息；公开号为CN101694499的专利描述了一种行人步速测量的系统，通过固定于腹部正前 方的双轴加速度传感器获得被测者在运动过程中的运动信号。这种方法很容易受到腹部软 组织形变的影响，系统步速检测精度较低。
[0004] 随着微型机电系统（MEMS)技术的高速发展，可穿戴式传感器在人体运动康复领 域获得广泛应用。现有的基于穿戴式惯性传感器的步态分析方法都使用了零速度更新算法 来消除误差累积，但是零速度更新的效果严重依赖于算法阈值的选择，现有的确定阈值的 方法往往采用三轴加速度信号的模值结合角速度变化的变化率（一阶导数）来确定能够使 用零速度更新算法的时间段。由于在站立期加速度和加速度值并不为零，而是在零附近波 动，而且从加速度值和角速度值曲线来看，都不存在一个明显的波峰或者波谷。因此很难找 到一个普遍适用的阈值检测方法。现有的步态分析方法都是计算绝对步速、步长和步频，并 未考虑身高对检测结果的影响，这样得到的测量结果对于不同的被测对象不具备可比性。 另外，由于腿部肌肉在运动过程中存在形变，会引起传感器坐标系与地面参考坐标系相对 关系发生变化。而人体下肢各个部位只有足部适用零速度更新算法消除误差，其余部位的 位置与方位角信息估算不可避免地存在较大误差。
【发明内容】
[0005] 本发明主要解决现有技术的难以有效地消除使用运动信号积分误差的技术问题， 提出一种基于多传感器融合的人体步态分析方法和系统，以达到提高人体步行过程中下肢 运动信息计算的精确性和可靠性的目的。
[0006] 本发明提供了一种基于多传感器融合的人体步态分析方法，所述基于多传感器融 合的人体步态分析方法包括：
[0007] 步骤100,利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信 号，所述运动信号包括三维加速度信号和三维角速度信号；
[0008] 步骤200,根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，所 述初始姿态包括人体初始静止站立状态的俯仰角、滚转角和偏航角，根据人体的初始姿态 获得传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地 面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方 位信息；
[0009] 步骤300,根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态 切换到行走状态的开始时刻，并从所述开始时刻开始使用扩展的卡尔曼滤波器进行传感器 数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进 而获得人体步态参数，其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击 地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述 人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；
[0010] 步骤400,消除传感器误差积累，更新人体步态参数，包括：
[0011] 当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身 体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得 的人体步态参数；
[0012] 当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节 连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和 足部的运动信号，以消除误差，并更新获得的人体步态参数。
[0013] 进一步的，所述采集人体步行过程中下肢的运动信号和三维地磁场分量信号包 括：
[0014] 通过三维转台和三维导轨对传感器进行标定；
[0015] 采集人体步行过程中下肢的运动信号和三维地磁场分量信号；
[0016] 对采集到的运动信号以及三维地磁场分量信号进行去噪声处理；
[0017] 将采集到的运动信号和三维地磁场分量信号保存到存储设备中。
[0018] 进一步的，在步骤400之后，还包括：
[0019] 步骤500,对获得的人体步态参数进行标准化处理，进而建立人体步态数据库，包 括：
【主权项】
1. 一种基于多传感器融合的人体步态分析方法，其特征在于，所述基于多传感器融合 的人体步态分析方法包括： 步骤100,利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号，所 述运动信号包括三维加速度信号和三维角速度信号； 步骤200,根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，所述初 始姿态包括人体初始静止站立状态的俯仰角、滚转角和偏航角，根据人体的初始姿态获得 传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地面坐 标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信 息； 步骤300,根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切 换到行走状态的开始时刻，并从所述开始时刻开始使用扩展的卡尔曼滤波器进行传感器数 据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而 获得人体步态参数，其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地 期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述人 体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹； 步骤400,消除传感器误差积累，更新人体步态参数，包括： 当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身体重 心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人 体步态参数； 当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接 的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿