人體步態資料庫及其建立方法
2023-05-08 14:29:31
人體步態資料庫及其建立方法
【專利摘要】本發明涉及人體步態分析【技術領域】，提供了一種人體步態資料庫及其建立方法。其中建立人體步態資料庫的方法包括如下步驟：採集人體步態數據，所述人體步態數據包括運動數據、人體EMG數據和足底壓力數據；通過人物身份識別，存儲所述人體步態數據；設計人體步態資料庫界面，所述資料庫界面連結至所述步態數據，可根據用戶在資料庫界面上的操作要求提取不同類型的步態數據。本發明不僅可以滿足研究者對大數據量的需求，而且可以滿足不同研究者對不同類別步態數據的需要。
【專利說明】人體步態資料庫及其建立方法
【【技術領域】】
[0001]本發明涉及人體步態分析【技術領域】，特別是涉及一種人體步態資料庫及其建立方法。
【【背景技術】】
[0002]隨著科學技術的發展，利用攝像頭來監控動態場景早已被廣泛應用，例如門禁系統、安全監控等。人在走路的時候，腿部膝關節、手臂及肘關節等部位都會重複相同的動作，根據這一現象拍攝下人走路的姿態，然後將這些信息進行分析，得出這些部位運動關係的精確數據，可以確定某個人的步態特徵。而且，隨著人體肌電圖(EMG, electromyography)在研究中的推廣，EMG採集在下肢運動的研究中也得到了廣泛的應用。
[0003]由於有著廣泛的應用前景，人體運動的研究已經備受關注，而用其來輔助人體運動分析更是發展的趨勢。例如，在臨床上，病理步態可能反映了潛在的病狀或病狀起因。研究腦癱、中風患者步態，可以及時地採取診斷和幹預策略。在康復工程方面，步態研究在障礙的評估和矯形外科的糾正效果方面，也有很廣泛的應用。除此之外，步態分析也可以用於專業運動訓練，提高運動性能。在生物特徵識別領域，步態識別是生物特徵識別技術的一個新興子領域，步態的差異可以作為生物標識來識別個體。生物特徵識別是利用人的生理或行為特徵進行人的身份識別。第一代生物特徵包括臉、指紋、虹膜等，通常要求近距離的或者接觸性的感知(如指紋需要接觸指紋掃描儀、臉需要近距離的捕捉以提供足夠的解析度等)。在遠距離的情況下， 人的步態仍是清晰可見的，且它可從任意角度進行非接觸性的感知和度量，而不被覺察。因 此，從視覺監控的觀點來看，步態是遠距離情況下最有開發潛力的生物特徵。步態分析是用來分析研究人類的行走能力的一種方法，這一技術可以用於生物特徵識別和取證、醫療診斷 、生物力學比較，但研究者要實現步態的分析和識別，需要採集和存儲大量的步態數據。
[0004]目前正是步態分析的起步階段，研究者要進行步態分析，需要大量的數據。目前國內外僅有少量的步態資料庫可供查詢，且現有的步態資料庫的步態特徵都是基於圖像的。然而，動態環境中拍攝的圖像受光照變化、運動目標的影子等多方面因素的影響，會給基於圖像的步態特徵提取帶來較大困難。目前尚未有一個大的標準資料庫可以涵蓋所有的研究內容所需的數據，因此各研究機構有不同的自己採集的資料庫。而且這些資料庫都不太完善，採集範圍小，採集單一，沒有對性別以及各個年齡段、身高段等的採集，沒有對非正常步態的採集，不具有普遍性和廣泛適用性，為具有針對性的步態分析帶來很大的困難。因此，目前的研究者只能基於各自不同的研究目的和興趣去選用適當的資料庫或者自己採集數據，因此迫切需要建立一個全面而廣泛應用的資料庫。
[0005]鑑於此，克服上述現有技術所存在的缺陷是本【技術領域】亟待解決的問題。
【
【發明內容】
】
[0006]本發明要解決的技術問題是提供一種人體步態資料庫及其建立方法，不僅可以滿足研究者對大數據量的需求，而且可以滿足不同研究者對不同類別步態數據的需要。
[0007]本發明採用如下技術方案:
[0008]一種建立人體步態資料庫的方法，包括如下步驟:
[0009]採集人體步態數據，所述人體步態數據包括運動數據、人體EMG數據和足底壓力數據；
[0010]通過人物身份識別，分類存儲所述人體步態數據；
[0011]設計人體步態資料庫界面，所述資料庫界面與所述步態數據相連接，根據用戶在資料庫界面上的操作要求提取不同類型的步態數據。
[0012]進一步地，通過紅外運動捕捉系統採集所述運動數據，通過無線肌電採集系統採集所述人體EMG數據，通過三維測力臺採集所述足底壓力數據。
[0013]進一步地，所述運動數據包括髖關節角度、膝關節角度、踝關節角度、步長、步寬、行走速度和步態周期中的一種或多種；所述人體EMG數據包括肌肉動作電位。
[0014]進一步地，在所述採集人體步態數據的步驟中對多種步態進行採集，在所述分類存儲所述人體步態數據的步驟中對多種步態進行分類存儲；所述多種步態的類別包括性另O、年齡、身高、正常和病理中的一種或多種。
[0015]進一步地，所述通過人物身份識別，存儲所述人體步態數據的步驟具體包括:
[0016]將採集的被試者的步態數據在所述人體步態資料庫的現有數據中通過線性判別分析法進行模式識別；
[0017]若識別結果在人體步態資料庫中，則識別出所述被試者；
[0018]若識別結果不在人體步態資料庫中，則將採集的人體步態數據和所述被試者信息加入人體步態資料庫中。
[0019]進一步地，所述人體步態資料庫界面包括步態存儲選項、全部步態數據選項和分類步態數據選項，其中:
[0020]通過步態存儲選項將經過步態識別後的但未在人體步態資料庫中的數據進行存儲；
[0021]通過全部步態數據選項選擇採集過的所有未經分類的人體步態數據；
[0022]通過分類步態數據選項下設的分類選擇經分類處理的人體步態數據類別。
[0023]本發明還提供了一種人體步態資料庫，包括:
[0024]數據存儲模塊，所述數據存儲模塊存儲的人體步態數據包括運動數據、人體EMG數據和足底壓力數據，通過人物身份識別將所述人體步態數據存儲進數據存儲模塊；
[0025]人體步態資料庫界面，所述資料庫界面與所述步態數據相連接，根據用戶在資料庫界面上的操作要求提取不同類型的步態數據。
[0026]進一步地，所述運動數據包括髖關節角度、膝關節角度、踝關節角度、步長、步寬、行走速度和步態周期中的一種或多種；所述人體EMG數據包括肌肉動作電位。
[0027]進一步地，所述數據存儲模塊中分類存儲有多種步態的人體步態數據，所述多種步態的類別包括性別、年齡、身高、正常和病理中的一種或多種。
[0028]進一步地，所述通過人物身份識別將所述人體步態數據存儲進數據存儲模塊具體為:
[0029]將採集的被試者的步態數據在所述人體步態資料庫的現有數據中通過線性判別分析法進行模式識別；
[0030]若識別結果在人體步態資料庫中，則識別出所述人物；
[0031]若識別結果不在人體步態資料庫中，則將採集的人體步態數據和所述人物信息加入人體步態資料庫中。
[0032]進一步地，所述人體步態資料庫界面包括步態存儲選項、全部步態數據選項和分類步態數據選項，其中:
[0033]通過步態存儲選項將經過步態識別後的但未在人體步態資料庫中的數據進行存儲；
[0034]通過全部步態數據選項選擇採集過的所有未經分類的人體步態數據；
[0035]通過分類步態數據選項下設的分類選擇經分類處理的人體步態數據類別。
[0036]與現有技術相比，本發明的有益效果在於:
[0037]1、資料庫存儲多角度採集到的數據，數據量大，分類清晰，可以通過資料庫界面直觀的找出所需數據類別的數據，方便分析研究，節省研究者在實驗過程中採集數據的人力和物力；
[0038]2、資料庫界面與步態數據相連接，可以根據研究者的要求提取不同類型的數據，這樣不僅可以滿足研究者對大數據量的需求，而且滿足了不同研究者對不同類別步態數據的需要；
[0039]3、資料庫界面可以簡單提取不同類別的步態數據，該資料庫按正常和病理(不同疾病分類存儲)、性別、年齡、身高等分類，例如從病理分類中提取腦中風患者的步態數據進行分析，可以及時在臨床上對患者採取診斷和幹預策略；
[0040]4、通過在進行人物識別的同時存儲數據來擴大數據量，避免了數據冗餘。
【【專利附圖】
【附圖說明】】
[0041]圖1是本發明實施例建立人體步態資料庫的方法流程圖；
[0042]圖2是圖1中人體步態數據採集的流程圖；
[0043]圖3是圖1中人體步態數據識別和存儲的流程圖；
[0044]圖4是本發明實施例中人體步態資料庫界面示意圖。
【【具體實施方式】】
[0045]為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，並不用於限定本發明。
[0046]此外，下面所描述的本發明各個實施方式中所涉及到的技術特徵只要彼此之間未構成衝突就可以相互組合。
[0047]本發明實施例提供了一種建立人體步態資料庫的方法，如圖1所示，該方法包括如下步驟:
[0048]步驟A:採集人體步態數據，該人體步態數據包括運動數據、人體EMG數據和足底壓力數據；
[0049]步驟B:通過人物身份識別，分類存儲人體步態數據。[0050]需要說明的是，該方法還包括設計人體步態資料庫界面的步驟，設計人體步態資料庫界面的步驟的執行時間不限，可以在步驟A之前，步驟A與步驟B之間，或者步驟B之後。該資料庫界面與步態數據相連接，根據用戶在資料庫界面上的操作要求可提取不同類型的步態數據。
[0051]如圖2所示，在本實施例中，通過紅外運動捕捉系統運動數據，例如紅外攝像頭，通過無線肌電採集系統採集人體EMG數據，通過三維測力臺採集足底壓力數據。其中紅外運動捕捉系統採集的被試者的運動信息需經過視頻處理，提取所需的運動數據。在採集人體步態數據的實驗開始前，記錄被試者的個人信息，如姓名、性別、年齡、身高、體重等。在被試者腰、大腿、小退、臀部、足部放置電極和「標記球」。
[0052]可以理解的是，在其他實施例中，還可以使用其他的運動採集設備、肌電採集設備和足底壓力採集設備替換本實施例中所採用的設備，此處不一一列舉。
[0053]優選地，運動數據可包括髖關節角度、膝關節角度、踝關節角度、步長、步寬、行走速度和步態周期中的一種或多種，人體EMG數據包括肌肉動作電位。在採集人體步態數據時可對多種步態進行採集，在後續的分類存儲人體步態數據時也將對多種步態進行分類存儲。多種步態的類別包括性別、年齡、身高、正常和病理中的一種或多種。
[0054]如圖3所示，在本實施例中，將採集的被試者的步態數據在人體步態資料庫的現有數據中通過線性判別分析法(LDA,Linear Discriminant Analysis)進行模式識別；若識別結果在人體步態資料庫中，則識別出該被試者；若識別結果不在人體步態資料庫中，則將採集的人體步態數據和該被試者信息加入人體步態資料庫中。
[0055]如圖4所示，該人體步態資料庫界面包括步態存儲選項、全部步態數據選項和分類步態數據選項，其中:通過步態存儲選項將經過步態識別後的但未在人體步態資料庫中的數據進行存儲；通過全部步態數據選項選擇採集過的所有未經分類的人體步態數據；通過分類步態數據選項下設的分類選擇經分類處理的人體步態數據類別。
[0056]本發明實施例還提供了一種人體步態資料庫，該資料庫可通過上述的建立人體步態資料庫的方法生成。其包括數據存儲模塊和人體步態資料庫界面。其中數據存儲模塊存儲的人體步態數據包括運動數據、人體EMG數據和足底壓力數據，通過人物身份識別將人體步態數據存儲進數據存儲模塊；人體步態資料庫界面與步態數據相連接，根據用戶在資料庫界面上的操作要求提取不同類型的步態數據。
[0057]優選地，運動數據可包括髖關節角度、膝關節角度、踝關節角度、步長、步寬、行走速度和步態周期中的一種或多種，人體EMG數據包括肌肉動作電位。
[0058]在數據存儲模塊中分類存儲有多種步態的人體步態數據，多種步態的類別包括性另IJ、年齡、身高、正常和病理中的一種或多種。
[0059]在本實施例中，通過如下方式將人體步態數據存儲進數據存儲模塊:
[0060]將採集的被試者的步態數據在人體步態資料庫的現有數據中通過線性判別分析法進行模式識別；若識別結果在人體步態資料庫中，則識別出該被試者；若識別結果不在人體步態資料庫中，則將採集的人體步態數據和該被試者信息加入人體步態資料庫中。
[0061]同樣參考圖4所示，該資料庫的界面包括步態存儲選項、全部步態數據選項和分類步態數據選項，可以將經過步態識別後的但未在資料庫中的數據，通過步態存儲選項進行存儲；全部步態數據主要存儲採集過的所有的未經分類的步態數據，可以通過此選項選擇全部步態數據；經分類處理的步態數據分類存儲，可以通過分類步態數據選項下設的分類選擇所需的類別。
[0062]在分類步態數據選項下，比如按性別可分為男和女，按身高階段可分為160-170cm, 170-180cm等等，按年齡階段可分為20-30，40-50等等，按病理可分為腦卒中，足下垂等等。
[0063]實駘:
[0064]通過比較160-170cm，170-180cm兩個身高段的步態數據，除了步長和步速有明顯區別之外，髖關節、踝關節、膝關節角度變化、最大值、最小值均有明顯差異，EMG信號分類正確率85%以上，所以人體步態特徵具有個體差異，建立本發明實施例的人體步態資料庫意義深遠。
[0065]本發明實施例對包括下肢運動中多種步態的運動數據採集和EMG的採集，可以對多種領域的研究者提供數據支撐，減少在研究初期由於採集數據而產生的花費，進一步地，一個大而全面的步態資料庫可以提供一個標準以利於不同算法在同一資料庫上進行比較，以評定技術發展水平、確定將來的研究重點、度量算法的性能。
[0066]本發明實施例所建立的人體步態資料庫較全面地包含了同一個人不同影響因素下的步態數據，以更深入地發掘個體之內的變化；包含了 EMG的採集以及更多的試驗個體，採集涵蓋了不同性別、各個年齡段、身高段、以及病理步態等，以更深入地考察在有限的個體之內的變化下的個體之間的變化，從而可以更全面地進行步態分析、更好地度量步態識別作為一種生物認證技術的潛力；包含了試驗個體在各個觀察角度的步態數據，便於從各個角度對實驗個體步態進行分析；可不斷地豐富，能在進行人物識別的同時存儲數據以擴大數據量但又避免數據重複。
[0067]本發明實施例為研究者進行步態分析和識別提供了數據支持，還可以應用於假肢領域，比如可以通過對步態的研究控制下肢的活動，如控制外骨骼機器人等。
[0068]本領域普通技術人員可以理解實施例的各種方法中的全部或部分步驟是可以通過程序來指令相關的硬體來完成，該程序可以存儲於一計算機可讀存儲介質中，存儲介質可以包括:只讀存儲器(ROM，Read Only Memory)、隨機存取存儲器(RAM，Random AccessMemory )、磁碟或光碟等。
[0069]以上所述僅為本發明的較佳實施例而已，並不用以限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護範圍之內。
【權利要求】
1.一種建立人體步態資料庫的方法，其特徵在於，包括如下步驟: 採集人體步態數據，所述人體步態數據包括運動數據、人體EMG數據和足底壓力數據； 通過人物身份識別，分類存儲所述人體步態數據； 設計人體步態資料庫界面，所述資料庫界面與所述步態數據相連接，根據用戶在資料庫界面上的操作要求提取不同類型的步態數據。
2.如權利要求1所述的建立人體步態資料庫的方法，其特徵在於，通過紅外運動捕捉系統採集所述運動數據，通過無線肌電採集系統採集所述人體EMG數據，通過三維測力臺採集所述足底壓力數據。
3.如權利要求1所述的建立人體步態資料庫的方法，其特徵在於，所述運動數據包括髖關節角度、膝關節角度、踝關節角度、步長、步寬、行走速度和步態周期中的一種或多種；所述人體EMG數據包括肌肉動作電位。
4.如權利要求1所 述的建立人體步態資料庫的方法，其特徵在於，在所述採集人體步態數據的步驟中對多種步態進行採集，在所述分類存儲所述人體步態數據的步驟中對多種步態進行分類存儲；所述多種步態的類別包括性別、年齡、身高、正常和病理中的一種或多種。
5.如權利要求1所述的建立人體步態資料庫的方法，其特徵在於，所述通過人物身份識別，存儲所述人體步態數據的步驟具體包括: 將採集的被試者的步態數據在所述人體步態資料庫的現有數據中通過線性判別分析法進行模式識別； 若識別結果在人體步態資料庫中，則識別出所述被試者； 若識別結果不在人體步態資料庫中，則將採集的人體步態數據和所述被試者信息加入人體步態資料庫中。
6.如權利要求1所述的建立人體步態資料庫的方法，其特徵在於，所述人體步態資料庫界面包括步態存儲選項、全部步態數據選項和分類步態數據選項，其中: 通過步態存儲選項將經過步態識別後的但未在人體步態資料庫中的數據進行存儲； 通過全部步態數據選項選擇採集過的所有未經分類的人體步態數據； 通過分類步態數據選項下設的分類選擇經分類處理的人體步態數據類別。
7.一種人體步態資料庫，其特徵在於，包括: 數據存儲模塊，所述數據存儲模塊存儲的人體步態數據包括運動數據、人體EMG數據和足底壓力數據，通過人物身份識別將所述人體步態數據存儲進數據存儲模塊； 人體步態資料庫界面，所述資料庫界面與所述步態數據相連接，根據用戶在資料庫界面上的操作要求提取不同類型的步態數據。
8.如權利要求7所述的人體步態資料庫，其特徵在於，所述運動數據包括髖關節角度、膝關節角度、踝關節角度、步長、步寬、行走速度和步態周期中的一種或多種；所述人體EMG數據包括肌肉動作電位。
9.如權利要求7所述的人體步態資料庫，其特徵在於，所述數據存儲模塊中分類存儲有多種步態的人體步態數據，所述多種步態的類別包括性別、年齡、身高、正常和病理中的一種或多種。
10.如權利要求7所述的人體步態資料庫，其特徵在於，所述通過人物身份識別將所述人體步態數據存儲進數據存儲模塊具體為: 將採集的被試者的步態數據在所述人體步態資料庫的現有數據中通過線性判別分析法進行模式識別； 若識別結果在人體步態資料庫中，則識別出所述人物； 若識別結果不在人體步態資料庫中，則將採集的人體步態數據和所述人物信息加入人體步態資料庫中。
11.如權利要求7所述的人體步態資料庫，其特徵在於，所述人體步態資料庫界面包括步態存儲選項、全部步態數據選項和分類步態數據選項，其中: 通過步態存儲選項將經過步態識別後的但未在人體步態資料庫中的數據進行存儲； 通過全部步態數據選項選擇採集過的所有未經分類的人體步態數據； 通過分類步態數據選項下設`的分類選擇經分類處理的人體步態數據類別。
【文檔編號】G06F17/30GK103514302SQ201310516264
【公開日】2014年1月15日 申請日期:2013年10月28日 優先權日:2013年10月28日
【發明者】徐晶晶, 朱明星, 耿豔娟, 李光林 申請人:深圳先進技術研究院