[发明专利]一种基于智能手机的人体异常步态识别方法

说明书

本发明公开了一种基于智能手机的人体异常步态识别方法。本发明的方法可以有效的通过智能手机采集人体步态数据，提取相关的人体不同步态类型的特征信息，实现不同异常步态类型的分类识别。克服了传统异常步态分析和检测方法的局限性。

技术领域

本发明涉及计算机识别技术领域，具体涉及一种基于智能手机的人体异常步态识别方法。

背景技术

步行运动是人类最重要的日常活动之一，步态是指步行时的姿态。步态是人类的特殊特征，由体重、四肢长度、鞋跟、姿势及特有的动作等因素决定，因此步态可以作为一种生物测量手段来识别已知的人，并对未知对象进行分类。正常步态具有周期性和节律性，是人体骨骼系统、神经系统和肌肉系统协调运动的结果。然而，由于疾病、意外伤害等因素的影响，人体步态周期的某一个环节失调，造成步行障碍，使得人体平衡功能下降、行动迟缓甚至严重影响日常生活，我们称之为步态异常，此时的步态称为异常步态。通常异常步态主要包括支撑相异常和摆动相异常两大类。

对患有神经系统或骨骼肌肉系统疾病而可能影响行走能力的患者来说，进行异常步态的分析、识别和评估是临床诊断的重要手段，也是制定步态矫正和康复治疗方案的必要依据。传统的异常步态识别和分析方法有两大类，其一，观察者对病患在行走过程中步态进行观察，并分析进行整体判断，包括重心的移动、身体倾向、膝关节的伸屈和裸关节的转动等，这就需要观察者具备一定的经验和专业医疗水平，但其主观性较强且难以量化分析。其二，通过专业的仪器辅助测量，如基于视频/图像或者临床医学的方式提取行走速度、节奏、步长、步宽、步态周期、支撑期、摆动期、单腿和双腿支撑期等步态信息参数，并将这些步态参数与正常参数对比，然后根据测量的数据进行诊断，这类方法则对场地和设施有较高要求，难以作为长期治疗过程中的日常监测手段。

随着智能手机集合了多种传感器，如加速度计、红外线、陀螺仪和GPS等，各种传感器之间可以协同合作，全面感知行为状态。通过智能手机进行人体行为识别的研究取得了一定的进展，比如通过手机进行行为识别、身份识别、室内定位及车辆测速等。因此，通过智能手机内置的传感器获取人体运动时的实时传感器数据，将原始数据预处理后，提取数据特征，选择特征进行机器学习，最终获得人体步态行为识别，进行异常步态的监测和测量成为可能。由于智能手机便于携带，可以对病患进行日常不间断持续监测和测量，此外，智能手机的各类传感器可以根据采集的数据进行定量分析，可以对病患的步态异常的性质和程度做量化评估。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于智能手机的人体异常步态识别方法解决了异常步态检测不准确的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于智能手机的人体异常步态识别方法，包括以下步骤：

S1、采集人体在走路时智能手机中加速度传感器和旋转矢量传感器的信号数据；

S2、利用四元素坐标系对采集到的信号数据进行坐标转换，得到预处理后的信号数据；

S3、利用双树复小波算法将预处理后的信号数据进行信号去噪，得到去噪后的信号数据；

S4、通过去噪后的信号数据分析正常步态与异常步态的区别，并对其进行特征提取得到特征值；

S5、根据提取到的特征值，通过机器学习算法构建IBK分类器模型，并从中选择出最优的IBK分类器模型；

S6、通过最优的IBK分类器模型识别不同状态下的步态类型。

进一步地：所述步骤S2中四元素坐标系的计算公式为：

上式中，m₂为四元素坐标系坐标，M为旋转矩阵，m₁为原始坐标系坐标；