步态过程中的有效地面反力智能筛选方法及设备与流程

1.本发明属于人体运动分析和人工智能领域，具体涉及一种针对步态数据的有效性筛选方法。

背景技术：

2.在人体运动分析中，三维测力压力平台是最常用的一种步态测量设备。在步态分析过程中，通常要求受试者在嵌入三维测力压力平台的走道上进行来回行走，从而测量出步行过程中的地面反作用力用于进一步量化步态特征参数。但是，有效的地面反力数据要求受试在步行中的每一步刚好踩上一个三维测力压力平台。在实际测量中，部分学者为实现上述有效采集，通常对受试者进行反复练习，保证步行过程中每一个步刚好踩一个三维测力压力平台。但是，该方法为实现有效采集，通过让受试者提前了解压力平台的位置和大小，受试者为保证有效采集会受到特意踩上压力平台的意识影响，在踩上压力平台前两步，会刻意调整步态节奏，从而影响步态分析的测试结果。
3.因此，为实现采集受试者完全自由运动过程的地面反力，需要通过在不告知受试者有测力压力平台的情况下，让受试者在嵌入三维测力压力平台的走道上来回自由行走多次，从而获取准确的数据。但是，这种情况下则难以保证每一次都是有效的数据。因此，需要从大量的数据中进行筛选出有效的地面反力数据，非常耗时耗力。难以适用于大样本的临床或者体育应用场景。因此，如何从大量的数据中筛选出有效的地面反力，将技术人员或者医务人员从重复繁杂的工作中解放出来，是其能广泛用于评估，筛查等领域的关键。

技术实现要素：

4.本发明为了解决现有的连续采集的地面反力的方式存在筛选有效数据过程烦琐、效率低的问题。进而提出了步态过程中的有效地面反力智能筛选方法及存储设备。
5.一种步态过程中的有效地面反力智能筛选方法，包括以下步骤：首先对连续采集的地面反力的进行预处理，具体过程包括以下步骤：s101、对连续采集的地面反力的幅值按照体重进行归一化，记为体重归一化数据；s102、将至少两块压力平台对应的体重归一化数据相加合并；s103、针对相加合并后的数据，以超过n
阈
为踩上压力平台的阈值和低于n
阈
为离开压力平台的阈值进行数据截取，获取若干组相加合并后的数据；n
阈
为设置的归一化截取阈值；s104、基于若干组相加合并后数据对应的采集时间点区间，分别在至少两块压力平台上截取对应时间点区间范围内的体重归一化数据，每块压力平台对应的同一时间点区间范围内的体重归一化数据作为一组数据；然后针对每组数据中每块压力平台上对应的体重归一化数据，以超过n
阈
为踩上压力平台的阈值和低于n
阈
为离开压力平台的阈值再次进行截取，记为基础数据；s105、每块压力平台截取的基础数据按照时间归一化，记为时间归一化数据；
然后利用识别模型对每组数据中的至少两块压力平台预处理后的数据进行有效性判断，当且仅当每组数据中所有压力平台的地面反力数据全部有效，认为该组数据有效。
6.优选地，归一化截取阈值n
阈
=0.1。
7.进一步地，所述的识别模型是通过以下步骤得到的：步骤1）、对连续采集的地面反力的进行预处理；步骤2）、训练用于进行正确数据识别的识别模型：首先构建多个用于进行正确数据识别的识别模型；针对每块压力平台对应的时间归一化数据，确定有效数据的曲线；针对每块压力平台对应的时间归一化数据进行有效性标注，作为训练集；利用训练集对多个用于进行正确数据识别的识别模型进行训练，并选取最优的用于进行正确数据识别的识别模型作为有效性识别模型。
8.进一步地，所述用于进行正确数据识别的识别模型包括神经网络模型。
9.进一步地，所述的一种步态过程中的有效地面反力智能筛选方法，还包括对数据对应的平台落点判断过程，具体包括以下步骤：针对每块压力平台的数据对应踩上压力平台反力落点位置进行判断，当且仅当地面反力落点在压力平台置信有效区域范围内时，将对应的数据作为压力平台落点有效数据；针对至少两块压力平台采集的数据，如果既满足压力平台落点有效数据，又满足经过识别模型判断为一组数据有效，则作为筛选得到的有效地面反力数据。
10.进一步地，所述压力平台置信有效区域范围是指以压力平台中心为中心，以压力平台长度和宽度的0.9倍为长度和宽度的区域。
11.一种计算机存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现所述的一种步态过程中的有效地面反力智能筛选方法。
12.一种步态过程中的有效地面反力智能筛选设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现所述的一种步态过程中的有效地面反力智能筛选方法。
13.进一步地，所述设备还包括至少两块压力平台，所述至少两块压力平台用于采集步态数据，即地面反力数据；针对连续采集的地面反力的进行预处理。
14.有益效果：本发明提出了一种高效智能识别与筛选的方法，为后续的基于地面反力的特征提取与步态分析提供了非常方便快捷的处理方法。该方法充分结合了步态分析过程中的地面反力的特征与人工智能算法，构建了特定的预处理方法和神经网络识别模型。通过该方法，可对长时间连续采集的地面反力数据进行快速、准确、简便有效的筛选。即本发明可以快速有效识别与定位出有效的地面反力，为基于地面反力的步态分析与疾病筛查奠定了基础。
附图说明
15.图1为步态过程中的有效地面反力智能筛选方法流程图。
16.图2（a）和图2（b）分别为两块压力平台地面反力对应的体重归一化数据图，图2（c）
为这两块压力平台的体重归一化数据相加合并数据图。
17.图3为相加合并后数据与两块压力平台上对应的采集时间点区间示意图。
18.图4（a）和图4（b）为两块压力平台对应的时间归一化数据曲线图。
19.图5（a）和图5（b）分别为有效曲线和无效曲线图。
20.图6为两块amti三维测力压力平台的步道实物图。
具体实施方式
21.本发明结合了神经网络与地面反力数据特征构建了地面反力有效数据的智能筛选方法、存储介质及设备。下面结合具体实施方式进行详细说明。
22.具体实施方式一：结合图1说明本实施方式，本实施方式为一种步态过程中的有效地面反力智能筛选方法，包括以下步骤：s1、预处理：s101、对连续采集的地面反力的幅值按照体重进行归一化，记为体重归一化数据；s102、将至少两块压力平台对应的体重归一化数据相加合并；考虑到压力平台的造价比较昂贵，在一些实施例中，采用两块压力平台进行数据采集，将两块压力平台的体重归一化数据相加合并，如图2（a）至图2（c）所示，其中图2（a）和图2（b）分别为两块压力平台地面反力对应的体重归一化数据图，图2（c）为这两块压力平台的体重归一化数据相加合并数据图；s103、针对相加合并后的数据，以超过n
阈
为踩上压力平台的阈值和低于n
阈
为离开压力平台的阈值进行数据截取，获取若干组相加合并后的数据；n
阈
为设置的归一化截取阈值，本实施方式中n
阈
=0.1。
23.s104、基于若干组相加合并后数据对应的采集时间点区间，分别在至少两块压力平台上截取对应时间点区间范围内的体重归一化数据，如图3所示，每块压力平台对应的同一时间点区间范围内的体重归一化数据作为一组数据；然后针对每组数据中每块压力平台上对应的体重归一化数据，以超过n
阈
为踩上压力平台的阈值和低于n
阈
为离开压力平台的阈值再次进行截取，记为基础数据；s105、每块压力平台截取的基础数据按照时间归一化，记为时间归一化数据；本实施方式中按照时间归一化到0-101。本实施方式中两块压力平台对应的时间归一化数据如图4（a）和图4（b）所示。
24.s2、训练用于进行正确数据识别的识别模型：首先构建多个用于进行正确数据识别的识别模型，本实施方式中采用采用神经网络识别模型，构建多个不同的神经网络模型，并设置不同的超参数，分别得到多个用于进行正确数据识别的识别模型；针对每块压力平台对应的时间归一化数据，确定有效数据的曲线，经过分析发现有效数据曲线成“m”形，有效曲线如图5（a）所示，其中一种无效曲线如图5（b）所示；针对每块压力平台对应的时间归一化数据进行有效性标注，作为训练集；利用训练集对多个用于进行正确数据识别的识别模型进行训练，并选取最优的用于进行正确数据识别的识别模型作为有效性识别模型。
25.s3、针对待筛选的地面反力数据进行有效性识别：
s301、首先对待筛选的地面反力数据进行预处理，预处理的过程与s1所述的预处理过程相同；然后采用训练好的神经网络识别模型对每组数据中的至少两块压力平台预处理后的数据进行有效性判断，当且仅当每组数据中所有压力平台的地面反力数据全部有效，认为该组数据有效。
26.s302、数据对应的平台落点判断：针对每块压力平台的数据对应踩上压力平台反力落点位置进行判断，当且仅当地面反力落点在压力平台置信有效区域范围内时，将对应的数据作为压力平台落点有效数据；所述压力平台置信有效区域范围内是指在以压力平台中心作为中心的小于压力平台全部区域面积的区域；本实施方式中选取以压力平台中心为中心，以长度和宽度的0.9倍为长度和宽度的区域。
27.针对至少两块压力平台采集的数据，同时满足s301和s302的判别时作为筛选得到的有效地面反力数据。需要说明的是s301和 s302可以同时进行，也可以先进行s301再进行s302，也可以先先进行s302再进行s301。
28.具体实施方式二：本实施方式为一种计算机存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现所述的一种步态过程中的有效地面反力智能筛选方法。
29.应当理解，包括本发明描述的任何方法对应的可以被提供为计算机程序产品、软件或计算机化方法，其可以包括其上存储有指令的非暂时性机器可读介质，所述指令可以用于编程计算机系统，或其他电子装置。存储介质可以包括但不限于磁存储介质，光存储介质；磁光存储介质包括：只读存储器rom、随机存取存储器ram、可擦除可编程存储器(例如，eprom和eeprom)以及闪存层；或者适合于存储电子指令的其他类型的介质。
30.具体实施方式三：本实施方式为一种步态过程中的有效地面反力智能筛选设备，所述设备包括处理器和存储器，应当理解，包括本发明描述的任何包括处理器和存储器的设备，设备还可以包括其他通过信号或指令进行显示、交互、处理、控制等以及其他功能的单元、模块；本实施方式还包括至少两块压力平台，所述至少两块压力平台用于采集步态数据，即地面反力数据；后续针对至少两块压力平台连续采集的地面反力的进行预处理。
31.所述存储器中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现所述的一种步态过程中的有效地面反力智能筛选方法。
32.实施例：本实例以两块amti三维测力压力平台为例进行说明，两块amti三维测力压力平台如图6所示，图6中两个方向标注的位置（步道垫下面，并非平台中部带有脚步图案的两个区域）。在不告知脊柱侧凸患者走道有压力平台的情况下，让其在步道上来回自然地行走5分钟，并采集记录该5分钟的地面反力数据。
33.采集结束后，受试者要求站在压力平台上进行体重的测量用于体重归一化。将采集的地面反力的数据用本发明的方法进行自动筛选，获取有效的地面反力数据，进一步根
据地面反力数据判断脊柱侧凸患者步态对称性，用于临床评估。
34.本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

技术特征：

1.一种步态过程中的有效地面反力智能筛选方法，其特征在于，包括以下步骤：首先对连续采集的地面反力的进行预处理，具体过程包括以下步骤：s101、对连续采集的地面反力的幅值按照体重进行归一化，记为体重归一化数据；s102、将至少两块压力平台对应的体重归一化数据相加合并；s103、针对相加合并后的数据，以超过n
阈
为踩上压力平台的阈值和低于n
阈
为离开压力平台的阈值进行数据截取，获取若干组相加合并后的数据；n
阈
为设置的归一化截取阈值；s104、基于若干组相加合并后数据对应的采集时间点区间，分别在至少两块压力平台上截取对应时间点区间范围内的体重归一化数据，每块压力平台对应的同一时间点区间范围内的体重归一化数据作为一组数据；然后针对每组数据中每块压力平台上对应的体重归一化数据，以超过n
阈
为踩上压力平台的阈值和低于n
阈
为离开压力平台的阈值再次进行截取，记为基础数据；s105、每块压力平台截取的基础数据按照时间归一化，记为时间归一化数据；然后利用识别模型对每组数据中的至少两块压力平台预处理后的数据进行有效性判断，当且仅当每组数据中所有压力平台的地面反力数据全部有效，认为该组数据有效。2.根据权利要求1所述的一种步态过程中的有效地面反力智能筛选方法，其特征在于，归一化截取阈值n
阈
=0.1。3.根据权利要求2所述的一种步态过程中的有效地面反力智能筛选方法，其特征在于，所述的识别模型是通过以下步骤得到的：步骤1）、对连续采集的地面反力的进行预处理；步骤2）、训练用于进行正确数据识别的识别模型：首先构建多个用于进行正确数据识别的识别模型；针对每块压力平台对应的时间归一化数据，确定有效数据的曲线；针对每块压力平台对应的时间归一化数据进行有效性标注，作为训练集；利用训练集对多个用于进行正确数据识别的识别模型进行训练，并选取最优的用于进行正确数据识别的识别模型作为有效性识别模型。4.根据权利要求3所述的一种步态过程中的有效地面反力智能筛选方法，其特征在于，所述用于进行正确数据识别的识别模型包括神经网络模型。5.根据权利要求1至4任意一项所述的一种步态过程中的有效地面反力智能筛选方法，其特征在于，还包括对数据对应的平台落点判断过程，具体包括以下步骤：针对每块压力平台的数据对应踩上压力平台反力落点位置进行判断，当且仅当地面反力落点在压力平台置信有效区域范围内时，将对应的数据作为压力平台落点有效数据；针对至少两块压力平台采集的数据，如果既满足压力平台落点有效数据，又满足经过识别模型判断为一组数据有效，则作为筛选得到的有效地面反力数据。6.根据权利要求5所述的一种步态过程中的有效地面反力智能筛选方法，其特征在于，所述压力平台置信有效区域范围是指以压力平台中心为中心，以压力平台长度和宽度的0.9倍为长度和宽度的区域。7.一种计算机存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至6之一所述的一种步态过程中的有效地面反力智能筛选方法。
8.一种步态过程中的有效地面反力智能筛选设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至6之一所述的一种步态过程中的有效地面反力智能筛选方法。9.根据权利要求8所述的一种步态过程中的有效地面反力智能筛选设备，其特征在于，所述设备还包括至少两块压力平台，所述至少两块压力平台用于采集步态数据，即地面反力数据；针对连续采集的地面反力的进行预处理。

技术总结

步态过程中的有效地面反力智能筛选方法及设备，涉及一种针对步态数据的有效性筛选方法。为了解决现有的连续采集的地面反力的方式存在筛选有效数据过程烦琐、效率低的问题，本发明首先对连续采集的地面反力的幅值按照体重进行归一化，并将至少两块压力平台对应的体重归一化数据合并；根据踩上压力平台的阈值和离开压力平台的阈值进行数据截取，基于对应的采集时间点区间，分别在至少两块压力平台上截取对应时间点区间范围内的体重归一化数据，针对每块压力平台的数据，根据踩上压力平台的阈值和离开压力平台的阈值进行数据截取，然后按照时间归一化；最后利用识别模型对至少两块压力平台预处理后的数据进行有效性判断，进而完成筛选。成筛选。成筛选。