[发明专利]一种人体平衡能力评估数据处理方法与装置

说明书

本发明提供一种人体平衡能力评估数据处理方法，所述方法包括：S1、获取人体平衡能力评估数据，并采用中值平均滤波方法对获取到的人体平衡能力评估数据进行滤波处理；S2、对步骤S1滤波处理后的数据进行数据线下增强；S3、基于增强后的数据进行人工特征构造；S4、对步骤S3构造的人工特征进行降维处理，并基于降维后的数据采用机器学习的方式进行自动化特征选择。

技术领域

本发明涉及人体平衡能力评估领域，具体来说，涉及一种人体平衡能力评估数据处理方法与装置以及一种人体平衡能力评估方法与装置。

背景技术

人体的平衡能力对于人体维持正常的生命活动十分重要，因此对人体平衡能力进行评估具有重要意义。人体平衡能力可以通过相关仪器进行测量，现有基于仪器对人体平衡能力进行测量的研究主要有基于压力传感器、姿态传感器以及视觉设备等方式。目前的研究中基于压力传感器的方法居多，其往往侧重于针对压力传感器相关数据的构造与分析；姿态传感器因其便携以及可穿戴化的优点，相关研究也逐渐变多；基于视觉设备的方式则通过获取整个人体关节活动进行人体位移等运动学特征的计算对人体平衡能力进行评估。

尽管目前基于压力传感器、姿态传感器和视觉设备等方法对人体平衡能力进行评估的研究逐渐成熟，例如压力传感器的基本思想是将原始人体的三维变化投影至二维平面，在这个过程中必然产生信息损失，无法准确完整地表达人体的动作变化；姿态传感器具有便携且可穿戴化的优点，但相关研究总体仍然较少，需要进一步研究；而视觉设备对人体的整体运动进行建模，具有较强说服力，但容易受到环境、光线等因素的影响，往往需要搭建专门的实验环境，便捷性大大减少。因此目前主要采用结合压力传感器和姿态传感器来进行研究。

现有采用结合压力传感器和姿态传感器的方法中，通过采集人体维持平衡的过程中的压力传感器数据和姿态传感器数据并进行融合分析，但并没有涉及到不同传感器数据是如何进行融合以及处理的，同时，现有方法均采用传统的人工选取数据特征进行评估，相比于机器学习的自动化特征选择方法，人工特征往往包含领域知识，对于最后整体的评估效果是有帮助的，机器学习的自动化特征选择方法不需要领域知识，通过机器学习的算法自动从数据中学习，这种情况下可以挖掘出一些数据的隐藏特性。

数据对于人体平衡能力的评估十分宝贵，但实际上我们能够采集到的数据十分有限，如何有效利用这些数据也是一大难点。同时，采集到的用户数据往往存在异常点，对于后续的数据处理会造成较大影响，尤其是姿态传感器，因其往往被设计为可穿戴式，因此需要无线通信进行数据的传输，但在人体活动的过程中易对设备造成遮挡，对于数据的无线通信造成影响，因此如何保证评估人在完成动作的情况下又不会对数据产生过大的影响也同样重要。

整体来看，现有结合姿态传感器和压力传感器对人体平衡能力进行研究的方法中的数据处理存在以下缺点：

1、采集到的数据往往存在异常点，且获取的数据整体量小。

2、现有研究往往只基于人工特征进行构造，存在人的主观误差，不利于数据的整体评估。

发明内容

因此，本发明的目的在于克服上述现有技术的缺陷，提供一种人体平衡能力评估数据处理方法与装置以及一种人体平衡能力评估方法与装置。

根据本发明的第一方面，提供一种人体平衡能力评估数据处理方法，所述方法包括：S1、获取人体平衡能力评估数据，并采用中值平均滤波方法对获取到的人体平衡能力评估数据进行滤波处理；S2、对步骤S1滤波处理后的数据进行数据线下增强；S3、基于增强后的数据进行人工特征构造；S4、对步骤S3构造的人工特征进行降维处理，并基于降维后的数据采用机器学习的方式进行自动化特征选择。

在本发明的一些实施例中，所述人体平衡能力评估数据包括压力数据和姿态数据，其中，压力数据包括人体重心投影轨迹坐标和通过压力平台所测量的压力，姿态数据包括加速度计数据、陀螺仪数据和传感器采样周期。