[发明专利]足底压力图像处理方法、识别方法及步态分析系统

说明书

本发明提供足底压力图像处理方法、识别方法及步态分析系统，图像处理方法在区域划分之前进行了压力最大帧选取、角度调整、图像切割，为自动区域划分，使划分的区域能在一定程度上反映足部解剖结构，而本申请中进行压力最大帧选取和角度调整，能够减小不同的足底压力图像中压力的分布差异的问题，给出统一的划分标准，COP轨迹部分不仅提供了全脚掌的轨迹，还提供了各个区域的轨迹，提取了行走过程足部不同解剖结构的受力特征，可以针对某个区域进行单独分析，为后期进一步分析研究奠定了基础。足底压力图像识别采用基于多任务学习方法构建的卷积神经网络实现，足底压力信号采集操作简便、精度高，在小样本情况下获取较高识别率。

技术领域

本发明涉及智能传感与生物工程领域，特别是一种基于压阻式压力感应步道的足底压力图像处理方法、识别方法及步态分析系统。

背景技术

行走是人最基本的运动方式之一，而步态是行走过程中特有的行为特征，能有效反映人体下肢结构、生理功能甚至精神状态等方面的信息。因此，步态分析对医疗、康复、假肢设计、体育训练等领域的研究具有重要价值和意义。

目前，主要有基于视频摄像系统、穿戴式压力采集系统和平板式压力采集系统的步态分析方法，其中平板式压力采集系统因为操作简便、空间分辨率较高等特点而被广泛关注。但是压力板采集的足底压力数据具有高维时空和非线性等特点，常规的基于统计学的分析方法提取特征不全面，难以充分反映行走过程的足底压力特征。

近年来，机器学习因为具有较强的自适应学习和非线性映射能力而被广泛应用于复杂数据的分析，为足底压力图像识别提供了技术支持。目前在足底压力图像识别中常采用的机器学习方法包括卷积神经网络和长短期记忆网络等，其实现与高识别率的获取依托于大量数据集，由于采集一个人的大量足底压力图像样本需要让他在压力板上反反复复地行走，实际生活中难以实现让某个人在一定区域内反复行走来采集大量足底压力图像样本。

发明内容

针对现有技术存在的不足，提出一种基于压阻式压力感应步道的足底压力图像处理方法、识别方法及步态分析系统。该系统一方面利用压阻式压力感应步道实时采集人体行走过程中的足底压力信号，另一方面在上位机中实现足底压力图像的特征提取和识别。在足底压力图像识别部分，用多任务学习方法改进卷积神经网络，在样本少的情况下能取得较高的识别率。足底压力图像处理方法，进行区域划分前采取了足底压力最大帧选取、角度调整、图像切割，然后实现自动区域划分，使划分出来的区域在一定程度上和足部不同的解剖结构相对应，为后期医学诊断提供基础。

本发明解决所述技术问题采用的技术方案是：

一种足底压力图像处理方法，该方法主要内容包括：

选取单次实验采集的足底压力图像中所有点的压力值相加的压力总和最大的一帧图像作为关键帧，关键帧即为压力最大帧，压力最大帧图像中足底与地面接触面积最大、压力分布最完整；

调整足底压力最大帧图像角度，使压力最大帧图像的轴线与水平线的夹角为零，以矫正由于部分实验者步行时的特殊姿态造成的足底压力分布在水平方向上的偏离；

切割足底压力最大帧图像，保留包含全脚掌压力分布的最小矩形区域，去除其余不包含压力信息的区域；

将最小矩形区域内的压力图像根据人体足部解剖结构和行走过程足底受力特征将足底压力区域由足跟到脚趾分为足跟、足弓、第一跖趾关节、第四五跖趾关节、第一趾骨、其余趾骨六个大小不同的区域；按照每个区域的行数和列数相对于最小矩形框的长宽比例进行自动划分，为6个大小不同的区域，每个区域对应不同的足部解剖结构；

计算全脚掌以及各区域的足底COP移动轨迹，反映人行走过程中的重心移动以及足部不同部位的受力状态变化。该图像处理方法能针对不同区域对不同部位进行特征提取，每个区域对应足底解剖结构，有助于为医生后期判断生理状态、膝关节是否有相关疾病、分析人在行走过程中的疲劳状态，提供数据参考。