异常步态行为检测系统、方法、电子设备及可读存储介质与流程

1.本技术涉及大数据技术领域，尤其涉及一种异常步态行为检测系统、方法、电子设备及可读存储介质。

背景技术：

2.帕金森疾病是一种常见的神经系统变性疾病。而帕金森疾病通常会导致患者出现异常步态行为，因此，需要对由帕金森疾病引起的异常步态行为进行检测。
3.目前，通过图像识别的方式对用户进行异常步态行为检测，而图像识别方式仅涉及对用户的步态异常表现的检测，由于异常步态行为的诱因除了帕金森疾病，还可能为腿部伤害、扁平足等其他原因，从而导致由于帕金森疾病引起的异常步态行为的检测准确性较低。

技术实现要素：

4.本技术的主要目的在于提供一种异常步态行为检测系统、方法、电子设备及可读存储介质，旨在解决现有技术中由于帕金森疾病引起的异常步态行为的检测准确性较低的技术问题。
5.为实现上述目的，本技术提供一种异常步态行为检测系统，所述异常步态行为检测系统包括传感器模块、特征构建模块和异常步态行为检测模块，
6.所述传感器模块用于采集待检测用户的足底压力信号，其中，所述足底压力信号用于表征所述待检测用户在行走时随时间变化的足底压力；
7.所述特征构建模块用于根据所述足底压力信号，构建所述待检测用户对应的步态特征；
8.所述异常步态行为检测模块用于根据所述步态特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果。
9.本技术还提供一种异常步态行为检测方法，所述异常步态行为检测方法包括：
10.采集待检测用户的足底压力信号，其中，所述足底压力信号用于表征所述待检测用户在行走时随时间变化的足底压力；
11.根据所述足底压力信号，构建所述待检测用户对应的步态特征；
12.根据所述步态特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果。
13.本技术还提供一种电子设备，所述电子设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述异常步态行为检测系统的程序，所述异常步态行为检测系统的程序被处理器执行时可实现如上述的异常步态行为检测系统的步骤。
14.本技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有实现异常步态行为检测系统的程序，所述异常步态行为检测系统的程序被处理器执行时实现如上述的异常步态行为检测系统的步骤。
15.本技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的异常步态行为检测系统的步骤。
16.本技术提供了一种异常步态行为检测系统、方法、电子设备及可读存储介质，相比于采用图像识别的方式对用户进行异常步态行为检测的方法，本技术中的异常步态行为检测系统包括传感器模块、特征构建模块和异常步态行为检测模块，通过所述传感器模块采集待检测用户的足底压力信号；通过所述特征构建模块根据所述足底压力信号，构建所述待检测用户对应的步态特征；通过所述异常步态行为检测模块根据所述步态特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果，由于帕金森疾病患者的症状多为静止性震颤，因此在步态上与其他未患帕金森疾病者以及其他腿部疾病患者均存在较大的差异，根据待检测用户的足底压力信号，确定待检测用户的步态信息，从而可根据步态信息对进行待检测用户由帕金森疾病引起的异常步态行为的检测，实现了对待检测用户的异常步态行为的诱因的精准检测，避免了由于异常步态行为的诱因除了帕金森疾病，还可能为腿部伤害、扁平足等其他原因，使得由于帕金森疾病引起的异常步态行为的检测准确性较低的技术缺陷，从而提高了帕金森疾病引起的异常步态行为的检测准确性。
附图说明
17.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
18.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
19.图1为本技术异常步态行为检测系统第一实施例的流程示意图；
20.图2为本技术异常步态行为检测系统的系统结构示意图；
21.图3为本技术异常步态行为检测系统中左足底和右足底对应的传感器模块中各压力传感器的放置位置示例图；
22.图4为本技术实施例中异常步态行为检测系统涉及的硬件运行环境的设备结构示意图。
23.本技术目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
24.为使本技术的上述目的、特征和优点能够更加明显易懂，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本技术保护的范围。
25.实施例一
26.本技术实施例提供一种异常步态行为检测系统，在本技术异常步态行为检测系统的第一实施例中，参照图1和图2，所述异常步态行为检测系统包括传感器模块、特征构建模
块和异常步态行为检测模块，
27.所述传感器模块用于执行步骤s10，采集待检测用户的足底压力信号，其中，所述足底压力信号用于表征所述待检测用户在行走时随时间变化的足底压力；
28.所述特征构建模块用于执行步骤s20，根据所述足底压力信号，构建所述待检测用户对应的步态特征；
29.所述异常步态行为检测模块用于执行步骤s30，根据所述步态特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果。
30.可以理解的是，为解决上述由于帕金森疾病引起的异常步态行为的检测准确性较低的技术缺陷，还可以通过医生观察待检测用户的行走状况以进行异常步态行为的检测，而人体肉眼的观察能力有限，且过度依赖于医生的诊断经验，则容易出现医生无法辨别其他腿部疾病导致的异常步态行为的情况，从而导致由于帕金森疾病引起的异常步态行为的检测准确性较低。
31.在本实施例中，需要说明的是，所述待检测用户为等待进行异常步态行为检测的用户，所述待检测用户可以为潜在帕金森疾病患者，也可以为非潜在帕金森疾病患者，还可以为曾患和/或治愈和/或仍患帕金森疾病患者。所述异常步态行为检测模型为训练好的用于检测待检测用户是否存在由于患帕金森疾病引起的异常步态行为的模型。
32.为克服上述缺陷，示例性地，步骤s10至步骤s30包括：通过放置于所述待检测用户足底的所述传感器模块中的压力传感器每隔预设时间间隔采集所述待检测用户的足底压力信号，其中，所述预设时间间隔为预先设置的采集所述待检测用户的足底压力信号的时间间隔，所述预设时间间隔可以为1s，也可以为2s，还可以为3s等其他任意时间间隔；通过预设特征提取器对所述足底压力信号进行特征提取，得到所述待检测用户对应的步态特征；根据所述步态特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果。
33.作为一种示例，步骤s30包括：通过异常步态行为检测模型将所述步态特征映射为所述待检测用户对应的存在由于帕金森疾病引起的异常步态行为的概率；根据所述概率对所述待检测用户进行异常步态行为检测，得到检测结果，进一步地，所述检测结果包括由于帕金森疾病引起的异常步态行为和不是由于帕金森疾病引起的步态行为，其中，所述不是由于帕金森疾病引起的步态行为包括由于非帕金森疾病引起的异常步态行为和非异常步态行为，在所述概率大于预设概率阈值时，将所述由于帕金森疾病引起的异常步态行为作为所述检测结果，其中，所述预设概率阈值为预先设置的判定待检测用户的检测结果为由于帕金森疾病引起的异常步态行为时待检测用户对应的存在由于帕金森疾病引起的异常步态行为的概率的临界值，在所述概率小于或等于所述预设概率阈值时，将所述不是由于帕金森疾病引起的步态行为作为所述检测结果。
34.作为一种示例，步骤s30包括：通过异常步态行为检测模型将所述步态特征映射为所述待检测用户对应的步态行为标签，其中，所述步态行为标签包括由于帕金森疾病引起的异常步态行为标签、由于非帕金森疾病引起的异常步态行为标签和非异常步态行为标签；将所述步态行为标签，作为检测结果。
35.可以理解的是，当左足底和右足底的足底压力信号的信号采集位置和信号采集位置数量不一致时，容易出现提取得到的步态特征无法准确地表达待检测用户的步态的情
况，从而导致由于帕金森疾病引起的异常步态行为的检测准确性较低。
36.可选地，为避免上述缺陷，所述传感器模块分别设置于所述待检测用户的左足底和右足底，所述传感器模块至少包含一个压力传感器，所述左足底放置的传感器模块对应的压力传感器的数量与所述右足底放置的传感器模块对应的压力传感器的数量一致，所述左足底放置的传感器模块对应的压力传感器在所述左足底的相对位置与所述右足底放置的传感器模块对应的压力传感器在所述右足底的相对位置一致，所述传感器模块可以为足压鞋。使得左足底和右足底的足底压力信号的信号采集位置和信号采集位置数量一致，进而提高了由于帕金森疾病引起的异常步态行为的检测准确性。
37.作为一种示例，参照图3，图3为左足底和右足底对应的传感器模块中各压力传感器的放置位置示例图，图3包括：左脚上的各压力传感器l1、l2、l3...l8，以及右脚上的各压力传感器r1、r2、r3...r8，其中，压力传感器l1与压力传感器r1分别在足底的相对位置一致，其余压力传感器对应的相对位置也分别对应一致。
38.其中，在步骤s20中，所述根据所述足底压力信号，构建所述待检测用户对应的足底压力特征的步骤包括：
39.步骤s21，对所述足底压力信号进行预处理，得到处理足底压力信号；
40.步骤s22，根据所述处理足底压力信号，确定所述待检测用户对应的足底压力中心特征；
41.步骤s23，根据所述处理足底压力信号，确定所述待检测用户对应的足底压力特征；
42.步骤s24，根据所述足底压力中心信号和所述足底压力信号，构建所述步态特征。
43.示例性地，步骤s21至步骤s24包括：对所述足底压力信号进行预处理，得到处理足底压力信号；所述预设特征提取器包括足底压力中心特征提取器和足底压力特征提取器，通过所述足底压力中心特征提取器对所述处理足底压力信号进行特征提取，得到所述待检测用户对应的足底压力中心特征；通过所述足底压力特征提取器对所述处理足底压力信号进行特征提取，得到所述待检测用户对应的足底压力特征；将所述足底压力中心信号和所述足底压力信号拼接为所述步态特征。
44.其中，在步骤s22中，所述根据所述处理足底压力信号，确定所述待检测用户对应的足底压力中心特征的步骤包括：
45.步骤a10，获取各所述足底压力信号分别对应的足底相对位置；
46.步骤a20，根据各所述足底压力信号和对应的所述足底相对位置，定位所述待检测用户对应的足底压力中心，得到所述足底压力中心特征。
47.在本实施例中，需要说明的是，所述足底相对位置为足底压力信号对应的信号采集位置在足底的相对位置。所述足底压力中心为通过足底垂直地面反作用力反应的压力接触中心。
48.示例性地，步骤a10至步骤a20包括：确定各所述足底的足心，根据各所述足心，定位各所述足底压力信号分别对应的足底相对位置；以左足底和右足底之间的中心点作为原点，构建第一坐标轴，根据各所述足底压力信号和对应的所述足底相对位置，定位各所述足底在所述第一坐标轴上对应的足底压力中心，得到所述足底压力中心特征。
49.作为一种示例，步骤a10包括：获取各所述足底压力信号对应的信号采集位置在所
述第一坐标轴的位置坐标，得到所述足底相对位置。
50.作为一种示例，步骤a10包括：确定所述足底的足心，以所述足心为原点，构建第二坐标轴，获取各所述足底压力信号对应的信号采集位置在所述第二坐标轴的位置坐标，得到所述足底相对位置。
51.作为一种示例，步骤a10包括：确定所述足底的足心位置，确定各所述足底压力信号对应的信号采集位置与所述足心位置之间的相对距离和相对方位，将所述相对距离和所述相对方位作为所述足底相对位置。
52.可选地，所述足底相对位置包括各所述足底压力信号对应的信号采集位置在所述第一坐标轴上横向方向的采集横向相对位置以及各所述足底压力信号对应的信号采集位置在所述第一坐标轴上纵向方向的采集纵向相对位置，所述足底压力中心包括各所述足底压力中心在所述第一坐标轴上横向方向的中心横向相对位置以及各所述足底在所述第一坐标轴上纵向方向的中心纵向相对位置，所述根据各所述足底压力信号和对应的所述足底相对位置，定位各所述足底在所述第一坐标轴上对应的足底压力中心的步骤具体可以包括：
[0053][0054]
其中，cop
x
为所述中心横向相对位置，fi为第i个压力传感器采集得到的足底压力信号，n为压力传感器的数量，s
ix
为第i个压力传感器在所述第一坐标轴上的所述采集横向相对位置。
[0055][0056]
其中，copy为所述中心纵向相对位置，fi为第i个压力传感器采集得到的足底压力信号，n为压力传感器的数量，s
iy
为第i个压力传感器在所述第一坐标轴上的所述采集纵向相对位置。
[0057]
其中，在步骤s23中，所述根据所述处理足底压力信号，确定所述待检测用户对应的足底压力特征的步骤包括：
[0058]
步骤b10，通过对所述处理足底压力信号进行转置处理，得到时间足底压力信号；
[0059]
步骤b20，将所述时间足底压力信号对应的特征维度以及所述处理足底压力信号对应的特征维度均转换为预设特征维度；
[0060]
步骤b30，对所述时间足底压力信号进行多头自注意力处理，得到时间自注意力压力信号，以及对所述处理足底压力信号进行掩码多头自注意力处理，得到掩码自注意力压力信号；
[0061]
步骤b40，根据所述时间自注意力压力信号和所述掩码自注意力压力信号，构建所述待检测用户对应的足底压力特征。
[0062]
可以理解的是，帕金森疾病患者可能出现步态紊乱以及行动缓慢的症状，因此，帕金森疾病患者、未患帕金森疾病者以及其他腿部疾病患者在步频以及步态位置上会存在较大的差异。
[0063]
在本实施例中，需要说明的是，所述预设特征维度为预先设置的所述时间足底压
力信号和所述处理足底压力信号对应的统一特征维度。所述预设特征维度可以为所述时间足底压力信号对应的特征维度，也可以为所述处理足底压力对应的特征维度，还可以为其他任意特征维度。
[0064]
示例性地，步骤b10至步骤b40包括：通过对所述处理足底压力信号进行转置处理，得到时间足底压力信号；获取预设特征维度，将所述时间足底压力信号对应的特征维度转换为所述预设特征维度，以及将所述处理足底压力信号对应的特征位置转换为所述预设特征维度；对所述时间足底压力信号进行多头自注意力处理，得到时间自注意力压力信号，以及对所述处理足底压力信号进行掩码多头自注意力处理，得到掩码自注意力压力信号；将所述时间自注意力压力信号和所述掩码自注意力压力信号拼接为所述待检测用户对应的拼接足底压力特征，通过对所述拼接足底压力特征进行前馈控制，得到前馈足底压力特征，对所述前馈足底压力特征进行残差处理，得到所述待检测用户对应的足底压力特征，根据对处理足底压力信号分别进行时间和空间上的特征提取，使得提取得到的足底压力特征可表征待检测用户的步频以及步态特征，从而提高了由于帕金森疾病引起的异常步态行为的检测准确性。
[0065]
可选地，所述将所述自注意力压力信号和所述掩码自注意力压力信号拼接为所述待检测用户对应的拼接足底压力特征的步骤具体可以为：
[0066]
x’＝(ln(mmsa(x))+x)+(ln(msa(x
t
))+x
t
)
t
[0067]
其中，x’为所述拼接足底压力特征，x为所述处理足底压力信号，x
t
为所述时间足底压力信号，mmsa(x)为所述掩码自注意力压力信号，msa(x
t
)为所述时间自注意力压力信号。
[0068]
可选地，所述通过对所述拼接足底压力特征进行前馈控制，得到前馈足底压力特征，对所述前馈足底压力特征进行残差处理，得到所述待检测用户对应的足底压力特征的步骤具体可以为：
[0069]
output＝tanh(ln(mlp(x’))+x’)
[0070]
其中，output为所述足底压力特征，x’为所述拼接足底压力特征。
[0071]
其中，在步骤b30中，所述对所述时间足底压力信号进行多头自注意力处理，得到时间自注意力压力信号，以及对所述处理足底压力信号进行掩码多头自注意力处理，得到掩码自注意力压力信号的步骤包括：
[0072]
步骤b31，将所述时间足底压力信号映射为时间匹配向量、时间被匹配向量和时间提取信息向量，根据所述时间匹配向量、所述时间被匹配向量和所述时间提取信息向量，对所述时间足底压力信号进行多头自注意力处理，得到所述时间自注意力压力信号；
[0073]
步骤b32，将所述处理足底压力信息映射为处理匹配向量、处理被匹配向量和处理提取信息向量，根据所述处理匹配向量、所述处理被匹配向量和所述处理提取信息向量，对所述处理足底压力信息进行多头自注意力处理，得到处理自注意力压力信号；
[0074]
步骤b33，获取预设掩盖规则，根据所述预设掩盖规则，对所述处理自注意力压力信号进行掩盖，得到所述掩码自注意力压力信号。
[0075]
可以理解的是，人体在走路的过程中，通常每一步落脚的着力点为单只脚，而放置于待检测用户足底的压力传感器是实时采集的，也即，待检测用户每行走一步采集得到的足底压力信号均包括左足底和右足底对应的压力信号，而当其中一足底落脚着力时，另一
足底处于悬空状态，因此，采集得到的另一足底的足底压力信号对于异常步态行为的诱因检测可能存在干扰的情况，从而导致由于帕金森疾病引起的异常步态行为的检测准确性。
[0076]
在本实施例中，需要说明的是，所述预设掩盖规则为预先设置的对所述处理自注意力压力信号进行掩盖的规则，所述预设掩盖规则可以为将处于悬空状态的足底对应的处理自注意力压力信号进行掩盖。
[0077]
为解决上述缺陷，示例性地，步骤b31至步骤b33包括：获取预设自注意力头数量，根据所述预设自注意力头数量，将所述时间足底压力信号划分为至少一个时间注意力头，将各所述时间注意力头映射为时间匹配向量、时间被匹配向量和时间提取信息向量，根据各所述时间匹配向量、各所述时间被匹配向量、各所述时间提取信息向量和各所述时间注意力头对应的权重，对所述时间足底压力信号进行多头自注意力处理，得到所述时间自注意力压力信号；根据所述预设自注意力头数量，将所述处理足底压力信号划分为至少一个处理注意力头，将各所述处理注意力头映射为处理匹配向量、处理被匹配向量和处理提取信息向量，获取预设掩盖规则，根据所述预设掩盖规则，确定各所述处理注意力头对应的掩码信息，根据各所述处理匹配向量、各所述处理被匹配向量、各所述处理提取信息向量、各所述处理注意力头对应的掩码信息和各所述处理注意力头对应的权重，对所述处理足底压力信息进行多头自注意力处理，得到掩码自注意力压力信号，通过对处于悬空状态的足底对应的处理自注意力压力信号进行掩盖，从而减少了处于悬空状态的足底对应的处理自注意力压力信号对于异常步态行为的诱因检测的干扰，进而提高了由于帕金森疾病引起的异常步态行为的检测准确性。
[0078]
可选地，所述将各所述时间注意力头映射为时间匹配向量、时间被匹配向量和时间提取信息向量的步骤具体可以为：
[0079][0080]
其中，head(x
t
)为所述时间注意力头，q1为所述时间匹配向量，k1为所述时间被匹配向量，为所述时间被匹配向量对应的向量长度，v1为所述时间提取信息向量。
[0081]
可选地，所述根据各所述时间匹配向量、各所述时间被匹配向量、各所述时间提取信息向量和各所述时间注意力头对应的权重，对所述时间足底压力信号进行多头自注意力处理，得到所述时间自注意力压力信号的步骤具体可以为：
[0082]
msa(x
t
)＝multihead(q1，k1，v1)＝concat(head1(x
t
)w1，...，headh(x
t
)wh)
[0083]
其中，msa(x
t
)为所述时间自注意力压力信号，multihead(q1，k1，v1)为所述自注意力压力信号，q1为所述时间匹配向量，k1为所述时间被匹配向量，v1为所述时间提取信息向量，head1(x
t
)为第一个时间注意力头，w1为所述第一个时间注意力头对应的权重，headh(x
t
)为第h个时间注意力头，wh为所述第h个时间注意力头对应的权重。
[0084]
可选地，所述根据各所述处理匹配向量、各所述处理被匹配向量、各所述处理提取信息向量、各所述处理注意力头对应的掩码信息和各所述处理注意力头对应的权重，对所述处理足底压力信息进行多头自注意力处理，得到掩码自注意力压力信号的步骤具体可以为：
[0085][0086]
其中，head(x)为所述处理注意力头，q2为所述处理匹配向量，k2为所述处理被匹配向量，v2为所述处理提取信息向量，m为所述处理注意力头对应的掩码，为所述处理被匹配向量对应的向量长度。
[0087]
mmsa(x)＝multihead(q2，k2，v2)＝concat(head1(x)w1，...，headh(x)wh)
[0088]
其中，mmsa(x)为所述掩码自注意力压力信号，multihead(q2，k2，v2)为所述掩码自注意力压力信号，head1(x)为第一个处理注意力头，w1为所述第一个处理注意力头对应的权重，headh(x)为第h个处理注意力头，wh为所述第h个处理注意力头对应的权重。
[0089]
本技术实施例提供了一种异常步态行为检测系统，相比于采用图像识别的方式对用户进行异常步态行为检测的方法，本技术实施例中的异常步态行为检测系统包括传感器模块、特征构建模块和异常步态行为检测模块，通过所述传感器模块采集待检测用户的足底压力信号；通过所述特征构建模块根据所述足底压力信号，构建所述待检测用户对应的足底压力特征；通过所述异常步态行为检测模块根据所述足底压力特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果，由于帕金森疾病患者的症状多为静止性震颤，因此在步态上与其他未患帕金森疾病者以及其他腿部疾病患者均存在较大的差异，根据待检测用户的足底压力信号，确定待检测用户的步态信息，从而可根据步态信息对进行待检测用户由帕金森疾病引起的异常步态行为的检测，实现了对待检测用户的异常步态行为的诱因的精准检测，避免了由于异常步态行为的诱因除了帕金森疾病，还可能为腿部伤害、扁平足等其他原因，使得由于帕金森疾病引起的异常步态行为的检测准确性较低的技术缺陷，从而提高了帕金森疾病引起的异常步态行为的检测准确性。
[0090]
实施例二
[0091]
进一步地，基于本技术第一实施例，在本技术另一实施例中，与上述实施例一相同或相似的内容，可以参考上文介绍，后续不再赘述。在此基础上，其中，在步骤s21中，所述对所述足底压力信号进行预处理，得到处理足底压力信号的步骤包括：
[0092]
步骤c10，在各所述足底压力信号中选取预设步数的行走压力信号；
[0093]
步骤c20，根据预设信号数量，对所述行走压力信号进行切割，得到处理足底压力信号。
[0094]
可以理解的是，由于每个人的步行习惯，每个人之间的步频存在差别，而帕金森疾病患者、未患帕金森疾病者以及其他腿部疾病患者之间的步频差别较大，因此，步频也是判别异常步态行为的引起原因的因素，为体现各待检测用户之间的步频，可通过固定待检测用户的采集足底压力信号的数据长度，或者，通过固定待检测用户的采集足底压力信号的步数，从而使得每次采集得到的数据之间保持统一数据维度，以及，可表征各待检测用户的步频。
[0095]
在本实施例中，需要说明的是，所述预设步数为预先设置的选取的步伐数量，所述预设步数可以为4步，也可以为5步，还可以为6步等其他数量。所述预设信号数量为预先设置的选取行走压力信号的信号数量。
[0096]
示例性地，步骤c10至步骤c20包括：在各所述足底压力信号中选取预设步数的行走压力信号；若所述行走压力信号对应的信号数量大于预设信号数量，则去除所述行走压力信号大于所述预设信号数量的部分，得到所述处理足底压力信号；若所述行走压力信号对应的信号数量小于预设信号数量，则对所述行走压力信号进行补零，得到所述处理足底压力信号；若所述行走压力信号对应的信号数量等于预设信号数量，则将所述行走压力信号作为所述处理足底压力信号，根据对行走压力信号进行补零或者切割，使得每次采集得到的数据之间保持统一数据维度以及使得采集得到的数据表征各待检测用户的步频，从而提高了帕金森疾病引起的异常步态行为的检测准确性。
[0097]
作为一种示例，步骤c10至步骤c20包括：当所述预设步数为5步，所述预设信号数量为350时，在各所述足底压力信号中选取5步的行走压力信号，若所述行走压力信号对应的信号数量大于350，则将第5步中超过350的部分去除，若所述行走压力信号对应的信号数量小于350，则对所述行走压力信号进行补零。
[0098]
其中，在步骤s30中，在所述根据所述步态特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果的步骤之前，还包括：
[0099]
步骤d10，获取待训练异常步态行为检测模型以及训练样本；
[0100]
步骤d20，对所述训练样本进行预处理，得到至少一个处理训练样本；
[0101]
步骤d30，确定各所述处理训练样本对应的样本权重；
[0102]
步骤d40，根据各所述处理训练样本以及各所述处理训练样本对应的样本权重，对所述待训练异常步态行为检测模型进行迭代优化，得到所述异常步态行为检测模型。
[0103]
在本实施例中，需要说明的是，所述训练样本包括一个或多个帕金森疾病患者在行走时随时间变化的足底压力、未患帕金森疾病者在行走时随时间变化的足底压力以及其他腿部疾病患者在行走时随时间变化的足部压力。所述待训练异常步态行为检测模型为未训练好的异常步态行为检测模型。
[0104]
示例性地，步骤d10至步骤d40包括：获取待训练异常步态行为检测模型以及训练样本；对所述训练样本进行预处理，得到至少一个处理训练样本；确定各所述处理训练样本对应的样本权重；根据各所述处理训练样本和所述待训练异常步态行为检测模型，输出训练诊断标签，根据所述训练诊断标签与各所述处理训练样本对应的真实标签之间的差异度以及各所述样本权重，计算所述待训练异常步态行为检测模型对应的模型损失，进而判断所述模型损失是否收敛，若所述模型损失收敛，则将所述待训练异常步态行为检测模型作为所述异常步态行为检测模型，若所述模型损失未收敛，则基于所述模型损失计算的梯度，通过预设模型更新方法更新所述待训练异常步态行为检测模型，并返回执行步骤：获取训练样本，其中，所述预设模型更新方法包括梯度下降法和梯度上升法等。
[0105]
可选地，所述根据所述训练诊断标签与各所述处理训练样本对应的真实标签之间的差异度以及各所述样本权重，计算所述待训练异常步态行为检测模型对应的模型损失的步骤具体可以为：
[0106][0107]
其中，loss为所述待训练异常步态行为检测模型对应的模型损失，yn为第n个样本
对应的真实标签，pn为第n个样本对应的训练诊断标签，sample_weight为所述样本权重。
[0108]
其中，在步骤d30中，所述确定各所述处理训练样本对应的样本权重的步骤包括：
[0109]
步骤d31，获取各所述处理训练样本对应的真实标签；
[0110]
步骤d32，根据所述真实标签，确定所述处理训练样本中正样本和负样本之间的样本比例；
[0111]
步骤d33，根据所述样本比例，生成各所述处理训练样本对应的样本权重。
[0112]
示例性地，步骤d31至步骤d33包括：获取各所述处理训练样本对应的真实标签，其中，所述真实标签包括患步态行为标签和未患步态行为标签；获取所述患步态行为标签对应的数量，得到所述正样本对应的正样本数量，获取所述未患步态行为标签对应的数量，得到所述负样本对应的负样本数量，根据所述正样本数量和所述负样本数量之间的比值，得到所述处理训练样本中正样本和负样本之间的样本比例；根据所述样本比例，生成各所述处理训练样本对应的样本权重。
[0113]
本技术实施例提供了一种异常步态行为检测系统，相比于采用图像识别的方式对用户进行异常步态行为检测的方法，本技术实施例中的异常步态行为检测系统包括传感器模块、特征构建模块和异常步态行为检测模块，通过所述传感器模块采集待检测用户的足底压力信号；通过所述特征构建模块根据所述足底压力信号，构建所述待检测用户对应的足底压力特征；通过所述异常步态行为检测模块根据所述足底压力特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果，由于帕金森疾病患者的症状多为静止性震颤，因此在步态上与其他未患帕金森疾病者以及其他腿部疾病患者均存在较大的差异，根据待检测用户的足底压力信号，确定待检测用户的步态信息，从而可根据步态信息对进行待检测用户由帕金森疾病引起的异常步态行为的检测，实现了对待检测用户的异常步态行为的诱因的精准检测，避免了由于异常步态行为的诱因除了帕金森疾病，还可能为腿部伤害、扁平足等其他原因，使得由于帕金森疾病引起的异常步态行为的检测准确性较低的技术缺陷，从而提高了帕金森疾病引起的异常步态行为的检测准确性。
[0114]
实施例三
[0115]
本技术实施例提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述实施例中的异常步态行为检测系统。
[0116]
下面参考图4，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0117]
如图4所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)，其可以根据存储在只读存储器(rom)中的程序或者从存储装置加载到随机访问存储器(ram)中的程序而执行各种适当的动作和处理。在ram中，还存储有电子设备操作所需的各种程序和数据。处理装置、rom以及ram通过总线彼此相连。输入/输出(i/o)接口也连接至总线。
[0118]
通常，以下系统可以连接至i/o接口：包括例如触摸屏、触摸板、键盘、鼠标、图像传
感器、麦克风、加速度计、陀螺仪等的输入装置；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置；包括例如磁带、硬盘等的存储装置；以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备，但是应理解的是，并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
[0119]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置被安装，或者从rom被安装。在该计算机程序被处理装置执行时，执行本公开实施例的方法中限定的上述功能。
[0120]
本技术提供的电子设备，采用上述实施例中的异常步态行为检测系统，解决了由于帕金森疾病引起的异常步态行为的检测准确性较低的技术问题。与现有技术相比，本技术实施例提供的电子设备的有益效果与上述实施例提供的异常步态行为检测系统的有益效果相同，且该电子设备中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。
[0121]
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0122]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。
[0123]
实施例四
[0124]
本实施例提供一种计算机可读存储介质，具有存储在其上的计算机可读程序指令，计算机可读程序指令用于执行上述实施例中的异常步态行为检测系统的方法。
[0125]
本技术实施例提供的计算机可读存储介质例如可以是u盘，但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0126]
上述计算机可读存储介质可以是电子设备中所包含的；也可以是单独存在，而未装配入电子设备中。
[0127]
上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被电子设备执行时，使得电子设备：采集待检测用户的足底压力信号，其中，所述足底压力信号用于表征所述待检测用户在行走时随时间变化的足底压力；根据所述足底压力信号，构
建所述待检测用户对应的步态特征；根据所述步态特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果。
[0128]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0129]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0130]
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定。
[0131]
本技术提供的计算机可读存储介质，存储有用于执行上述异常步态行为检测系统的计算机可读程序指令，解决了由于帕金森疾病引起的异常步态行为的检测准确性较低的技术问题。与现有技术相比，本技术实施例提供的计算机可读存储介质的有益效果与上述实施提供的异常步态行为检测系统的有益效果相同，在此不做赘述。
[0132]
实施例五
[0133]
本技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的异常步态行为检测系统的步骤。
[0134]
本技术提供的计算机程序产品解决了由于帕金森疾病引起的异常步态行为的检测准确性较低的技术问题。与现有技术相比，本技术实施例提供的计算机程序产品的有益效果与上述实施例提供的异常步态行为检测系统的有益效果相同，在此不做赘述。
[0135]
以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利处理范围内。

技术特征：

1.一种异常步态行为检测系统，其特征在于，所述异常步态行为检测系统包括传感器模块、特征构建模块和异常步态行为检测模块，所述传感器模块用于采集待检测用户的足底压力信号，其中，所述足底压力信号用于表征所述待检测用户在行走时随时间变化的足底压力；所述特征构建模块用于根据所述足底压力信号，构建所述待检测用户对应的步态特征；所述异常步态行为检测模块用于根据所述步态特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果。2.如权利要求1所述异常步态行为检测系统，其特征在于，所述根据所述足底压力信号，构建所述待检测用户对应的足底压力特征的步骤包括：对所述足底压力信号进行预处理，得到处理足底压力信号；根据所述处理足底压力信号，确定所述待检测用户对应的足底压力中心特征；根据所述处理足底压力信号，确定所述待检测用户对应的足底压力特征；根据所述足底压力中心信号和所述足底压力信号，构建所述步态特征。3.如权利要求2所述异常步态行为检测系统，其特征在于，所述对所述足底压力信号进行预处理，得到处理足底压力信号的步骤包括：在各所述足底压力信号中选取预设步数的行走压力信号；根据预设信号数量，对所述行走压力信号进行切割，得到处理足底压力信号。4.如权利要求2所述异常步态行为检测系统，其特征在于，所述根据所述处理足底压力信号，确定所述待检测用户对应的足底压力中心特征的步骤包括：获取各所述足底压力信号分别对应的足底相对位置；根据各所述足底压力信号和对应的所述足底相对位置，定位所述待检测用户对应的足底压力中心，得到所述足底压力中心特征。5.如权利要求2所述异常步态行为检测系统，其特征在于，所述根据所述处理足底压力信号，确定所述待检测用户对应的足底压力特征的步骤包括：通过对所述处理足底压力信号进行转置处理，得到时间足底压力信号；将所述时间足底压力信号对应的特征维度以及所述处理足底压力信号对应的特征维度均转换为预设特征维度；对所述时间足底压力信号进行多头自注意力处理，得到时间自注意力压力信号，以及对所述处理足底压力信号进行掩码多头自注意力处理，得到掩码自注意力压力信号；根据所述时间自注意力压力信号和所述掩码自注意力压力信号，构建所述待检测用户对应的足底压力特征。6.如权利要求5所述异常步态行为检测系统，其特征在于，所述对所述时间足底压力信号进行多头自注意力处理，得到时间自注意力压力信号，以及对所述处理足底压力信号进行掩码多头自注意力处理，得到掩码自注意力压力信号的步骤包括：将所述时间足底压力信号映射为时间匹配向量、时间被匹配向量和时间提取信息向量，根据所述时间匹配向量、所述时间被匹配向量和所述时间提取信息向量，对所述时间足底压力信号进行多头自注意力处理，得到所述时间自注意力压力信号；将所述处理足底压力信息映射为处理匹配向量、处理被匹配向量和处理提取信息向
量，根据所述处理匹配向量、所述处理被匹配向量和所述处理提取信息向量，对所述处理足底压力信息进行多头自注意力处理，得到处理自注意力压力信号；获取预设掩盖规则，根据所述预设掩盖规则，对所述处理自注意力压力信号进行掩盖，得到所述掩码自注意力压力信号。7.如权利要求1所述异常步态行为检测系统，其特征在于，在所述根据所述步态特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果的步骤之前，还包括：获取待训练异常步态行为检测模型以及训练样本；对所述训练样本进行预处理，得到至少一个处理训练样本；确定各所述处理训练样本对应的样本权重；根据各所述处理训练样本以及各所述处理训练样本对应的样本权重，对所述待训练异常步态行为检测模型进行迭代优化，得到所述异常步态行为检测模型。8.一种异常步态行为检测方法，其特征在于，所述异常步态行为检测方法包括：采集待检测用户的足底压力信号，其中，所述足底压力信号用于表征所述待检测用户在行走时随时间变化的足底压力；根据所述足底压力信号，构建所述待检测用户对应的步态特征；根据所述步态特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的异常步态行为检测系统的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有实现异常步态行为检测系统的程序，所述实现异常步态行为检测系统的程序被处理器执行以实现如权利要求1至7中任一项所述异常步态行为检测系统的步骤。

技术总结

本申请公开了一种异常步态行为检测系统、方法、电子设备及可读存储介质，应用于大数据技术领域，所述所述异常步态行为检测系统包括传感器模块、特征构建模块和异常步态行为检测模块，所述传感器模块用于采集待检测用户的足底压力信号，其中，所述足底压力信号用于表征所述待检测用户在行走时随时间变化的足底压力；所述特征构建模块用于根据所述足底压力信号，构建所述待检测用户对应的步态特征；所述异常步态行为检测模块用于根据所述步态特征和异常步态行为检测模型，对所述待检测用户进行异常步态行为检测，得到检测结果。本申请解决了由于帕金森疾病引起的异常步态行为的检测准确性较低的技术问题。测准确性较低的技术问题。测准确性较低的技术问题。