基于步態(tài)觸覺信息的足跡提取與動態(tài)識別方法研究.pdf

1、步態(tài)觸覺信息包括足跡信息和足底動態(tài)壓力分布信息等，其中蘊含著步態(tài)周期、雙支撐時間、擺動時間、速度等豐富的生理學、運動學、動力學特征，在臨床輔助診斷、步態(tài)識別、步態(tài)分析、體育科學等諸多領域得到廣泛應用。足底壓力數(shù)據(jù)的獲取方法主要有足印法、光切法、壓力鞋墊法和測力臺法等。中科院智能機械研究所研制了大面積柔性力敏傳感器具有高點陣密度、高精度、高頻響等特征，并以此構建了數(shù)字化場地系統(tǒng)。目前以數(shù)字化場地系統(tǒng)為基礎研究平臺，開展了關于帕金森步態(tài)分析

2、、健美操舞蹈動作編排等的研究工作。其中單步足跡數(shù)據(jù)的準確分割、單步足跡的動態(tài)識別是開展上述研究工作的技術關鍵和瓶頸。本文提出了一種基于步態(tài)觸覺信息的足跡提取和足跡動態(tài)識別方法。詳細介紹了如何對大面積柔性力敏傳感器獲取的足底壓力數(shù)據(jù)進行分析解算，包括足底壓力數(shù)據(jù)濾波、單步足跡壓力數(shù)據(jù)提取和單步足跡動態(tài)識別三部分。本文完成的工作有:
　　(1)基于柔性力敏傳感器的單步足跡數(shù)據(jù)提取和單步足跡動態(tài)識別方法。主要包括足底壓力數(shù)據(jù)濾波、單步足

3、跡壓力數(shù)據(jù)聚類分割、單步足跡動態(tài)識別。其中足底壓力數(shù)據(jù)的聚類分割是基于足底動力學原理，利用連通域的圖像分割算法實現(xiàn)對足底壓力數(shù)據(jù)的聚類分析;基于足部解剖學原理，根據(jù)足印輪廓的外觀特征對單步足跡進行識別。實驗表明，在正常的行走情況下，本文提出的單步足跡數(shù)據(jù)提取算法的準確率達到了99％，本文提出的單步足跡動態(tài)識別方法的識別率達到了97.5％。針對健美操的單步足跡提取，本文的算法準確率達到了95％。
　　(2)步態(tài)特征參數(shù)計算和行走過程

4、步態(tài)周期模型和位移模型的建立。步態(tài)特征參數(shù)包括步態(tài)時間參數(shù)、空間參數(shù)和足底壓力分布等，建立的行走過程步態(tài)周期模型和位移模型用于行走軌跡跟蹤和速度計算。
　　(3)足跡提取和識別方法的應用。本文從對稱性、靜態(tài)平衡和動態(tài)平衡三個方面對正常人和步態(tài)異?；颊叩钠胶饽芰ψ隽讼嚓P分析，并利用交叉驗證的SVM實現(xiàn)了正常步態(tài)和異常步態(tài)的分類。從實驗結果看，利用本文參數(shù)計算的平衡能力系數(shù)能夠較好的反映正常步態(tài)和異常步態(tài)之間的差異性，能夠較好的實現(xiàn)正