[发明专利]用于计算跑步或行走个体的实时步长和速度的方法

说明书

本发明涉及一种用于计算在时间窗口n'上沿路径行走的个体的速度的估计的方法，包括：‑计算(304)所述个体的步长‑使用以下公式计算(308)所述速度

技术领域

本发明涉及用于计算步行或跑步个体的步长和速度的实时估计的方法。

背景技术

步态速度和步长是表征个体日常活动的重要参数。例如，在运动应用中，速度可用于评估运动员和设计个性化训练课程，以提高表现并降低受伤风险。在临床应用中，速度用于评估个体的健康状况，从而帮助医生诊断、预测和预防许多疾病，诸如糖尿病、超重或心血管疾病。

全球导航卫星系统(GNSS)是一种广泛用于测量个体的步态速度的基本系统。GNSS是准确的，并且许多可穿戴设备被设计用于嵌入GNSS应答器，其测量可用于计算个体的步态速度，即使在现实条件下也是如此。然而，由于缺乏卫星覆盖，存在GNSS信号很弱或甚至可能丢失的位置，诸如室内、隧道、高层建筑物附近、狭窄的山谷。另外，GNSS应答器非常耗电，因此优选零星地而不是连续地使用它。

基于惯性传感器的系统是测量个体日常生活中步态速度的另一种方法。虽然大多数惯性传感器用于附接到个体身体的下肢(诸如脚、小腿、大腿)，但很少用于附接到上肢(诸如躯干和腰部)。

还已知使用附接到个体身体的不同部分的多种传感器，其测量被组合以增强步态速度估计的性能。

基于惯性传感器的系统通过将步态节奏(即每时间单位的步数)乘以步长来估计步态速度。这些系统通常通过在不同的步态阶段期间感测某些时刻(例如，山地撞击、脚趾离地、中间摆动)来计算节奏。

在通常的基于惯性传感器的系统中，通过个体步态的几何建模(例如，基于倒摆运动)、加速度的双重积分或基于机器学习的步态的抽象建模来计算步长。

基于惯性的系统的一个主要优点是它们可以在日常生活条件下使用。惯性系统的另一个优点是它们可接受的精度。然而，一个主要缺点是那些系统在每个测量阶段开始时需要传感器校准，这需要用户将它们佩戴在身体上的专业知识。另一个缺点是传感器在用户身体上的位置通常被认为是不方便的，尤其是当需要多个传感器时。这可能解释了他们的商业失败。

直到最近才引入了基于腕戴式惯性传感器来估计个体步态速度的方法。

大多数已知方法使用抽象建模，其从原始数据中提取若干特征，并且然后构建回归模型以估计速度。基于腕部的速度估计的基本特征是信号的能量、节奏、平均交叉率以及诸如平均值、标准偏差、模式和加速度信号的中值的统计特征，参见例如B.Fasel等人在2017年的医学生物工程计算第55卷第1773-1785页中的“A wrist sensor and algorithmto determine instantaneous walking cadence and speed in daily life walking”。Fasel还提出了移动强度作为一个特征，它是手腕加速度的平均值和标准偏差的乘积。Fasel还提出了路径的斜率(基于压力传感器)作为速度估计的特征。

然而，即使是最好的方法(包括Fasel的方法)也只能利用手和身体移动的物理学中的一小部分有用信息。此外，现有方法依赖于通用速度模型，其通过努力将个体标准化为大量人类的平均值而产生。虽然努力使一般速度模型在某种程度上适应年龄、性别、身高和体重参数，但该模型仍然是每个个体在体力活动中可以利用来管理他/她的步态速度的标准无知(ignorant)策略。

发明内容

本发明的目的是提出一种用于准确和实时估计步行或跑步个体的步长的方法。

本发明的另一个目的是提出一种个性化方法，其能够学习个体的步态并自动适应他/她的活动行为。

本发明的另一个目的是提出一种可能在腕戴式设备内实现的方法，其提供易于使用的用于体力活动的长期监视的测量。