[发明专利]一种基于人工智能计算的柔性步态监测装置

说明书

本发明公开了一种基于人工智能计算的柔性步态监测装置，其特点是该监测装置由柔性压力传感阵列与选通电路、模数转换电路、神经网络训练器和特征比对模块串接而成，所述柔性压力传感阵列将采集步行时人体膝盖和足底的多组压力信号经选通电路接入模数转换电路，其输出信号通过串口传输至神经网络训练器进行学习；所述神经网络训练器将完成训练的神经网络输入特征比对模块，且与柔性压力传感阵列实时输入的压力信号进行比对和识别，实现人体形态健康的智能监测。本发明与现有技术相比具有预测的准确率高，结构简单，使用方便，实现人体形态健康的有效智能监测，为人体形态和健康状态进行可靠分析和研究提供可靠、有效的数据支持。

技术领域

本发明涉及智能监测技术领域，尤其是一种基于FPGA的人工智能计算进行学习的柔性步态监测装置。

背景技术

步态是人类步行的行为特征，涉及足、踝、膝、髋、躯干、颈、肩和臂的肌肉和关节协同运动，通过对步态进行分析和研究，可以对人体形态和人体健康状态进行预测。良好的步行习惯有助于人们保持身心健康，经年累月不规范的步行姿态会加重对小腿三头肌和跟腱的压力刺激，给身体带来危害。伴随着可穿戴技术的迅速发展，将步态监测装置实现小型化、可穿戴化，将在青少年的运动姿态养成、患者的术后复健等方面发挥重要作用，使运动足态矫正训练的覆盖率大大提升。

申请号为CN201610519761.7，专利名称为一种步态参数的采集方法及设备，公开了一种步态数据的采集方法，包括：获取左、右脚的声音信号曲线；根据峰值检测算法提取出该声音信号曲线中表征节点足触地声音的峰值位置和非节点足触地声音的峰值位置，然后计算每一步的步距Lsd＝V_声( t₂-t₁ )； 其中,V_声为声音在空气中传播的速度，t₁和t₂分别是固定在不同脚的步态数据采集装置采集到同一次单脚触地所发出的声音的时刻，其中，t₂为采集到非节点足触地声音的时间，t₁为采集到节点足触地声音的时间，通过采集走路声音信号对人日常行走监测。

步态可细分为八个阶段，分别为初始着地期，支撑反应期，中点支撑期，支撑后期，摆动前期，摆动早期，摆动中期和摆动后期。在不同步态阶段，人体膝盖和足部形态不同，初始着地期膝屈0^o，脚跟触地；支撑反应期膝屈0^o-20^o，脚掌着地，重心逐渐移至脚中心，足底平行；中点支撑期膝屈20^o-0^o，脚中心支撑，足跟逐渐离地；支撑后期膝屈0^o，足跟离地，脚掌着地；摆动前期膝屈0^o-40^o，足部逐渐离地；摆动早期膝屈程度由40^o变为60^o，足部离地；摆动中期膝屈程度由60 ^o变为30^o，足部离地；摆动末期膝屈30 ^o-0^o，足部离地，这八个步态阶段中人体膝部和足部有着不同的形态，产生的压力也不同。

现有技术大多关注足部对步态的影响，未考虑膝部对步态的影响，以至对步态的分析和研究可靠性差，大大影响对人体形态和人体健康状态的预测。

发明内容

本发明的目的是针对现有技术的不足而设计的一种基于人工智能计算的柔性步态监测装置，采用柔性压力传感阵列采集步行时人体膝盖和足底压力信号，多组压力数据经电路模块处理后输至人工智能学习系统，人工智能对神经网络进行训练和学习，利用训练成功的神经网络可对人体步行各阶段进行识别，实现人体形态健康的有效智能监测，为人体形态和健康状态进行可靠分析和研究提供可靠、有效的数据支持。