穿戴式下肢截肢患者的步态检测系统研究
发布时间：2021-04-19 09:34
根据中国残疾人联合会2010年末公布的统计数据显示我国残疾人总人数8502万,其中下肢截肢的残疾人数是120多万。患者在截肢后为了能够站立起来进行正常的生活,一般会选择安装假肢矫形器,但假肢矫形器的安装是否合理并且达到最佳治疗效果,需要依靠医生、治疗师和矫形器技师对患者进行一套完整的体检、步行能力测定和步态分析评估。目前还没有一种很好的方式对其进行定量评估,而步态分析可以为医生提供客观量化的运动学与动力学依据。步态分析的关键是采用较精确的步态检测系统,新型的步态检测系统已经成为国内外学者的研究热点。本文以下肢截肢患者安装假肢矫形器的步态分析为研究内容,在阅读大量国内外参考文献的基础上,针对在役步态检测系统中存在采集设备便携性差、步态信号识别检测不准确等问题,提出了一种便携式的、能准确识别步态信号的下肢截肢患者步态检测的方法。在此基础上,对下肢截肢患者的步态检测系统进行总体设计,内容涵盖测试系统的总体框架设计、便携式结构设计、传感系统、数据采集系统、数据传输系统和数据处理系统的总体设计,并对数据采集系统、数据传输系统和数据处理系统进行了重点分析。基于总体设计的技术路线,选用MPU-605...
【文章来源】：上海大学上海市 211工程院校
【文章页数】：132 页
【学位级别】：硕士
【部分图文】：
不同类型的上肢与下肢假肢矫形器
上海大学硕士学位论文4一般在获取观察对象的步态图像或视频后，通过算法和软件分析不同步行速度和姿态的人体轮廓和运动姿势来达到步态检测的目的。LittleJ和BoydJ认为通过非结构性方式的步态来识别个体是可行的[9]，利用从一系列灰度图像的光流中获得的个体运动形状和特征来达到识别的目的。光流法的计算过程较复杂而且抗噪性较差，其运动目标探测方法的基础是假设灰度梯度基本不变。因此徐中宇等为了从步态图像中提取出完整的人体轮廓，提出了一种新的步态轮廓提取算法[10]。该算法首先通过背景减除法和对称帧差法的结合提取出人体运动的区域，紧接着消除噪声和阴影后得到了较为完整的人体轮廓，最后将该人体轮廓作为他们的改进C-V模型的初始零水平集后得到了细化的人体轮廓。其改进的算法所得到的人体轮廓如图1.2所示，而且该算法具有良好抗噪性而且时间复杂度低、识别率高。(a)原始图(b)分割结果图1.2改进算法的原始图及分割结果LiangWang和TieniuTan等提出了一种简单有效的基于统计形状分析的步态自动识别算法[11]。该算法的步态检测实例如图1.3所示。对于每个图像序列，使用改进的背景减法程序从背景中提取步行人的运动轮廓，然后将检测到的轮廓的时间变化表示为公共坐标系中复杂向量配置的相关序列，并使用Procrustes形状分析方法进一步分析，获得平均形状作为步态特征。采用基于全谱距离测度的监督模式分类技术进行识别。该方法不直接分析步态的动力学，而是隐式地利用步态的动作来捕捉步态的结构特征，特别是人体生物特征的形状线索。图1.3步态检测实例
上海大学硕士学位论文4一般在获取观察对象的步态图像或视频后，通过算法和软件分析不同步行速度和姿态的人体轮廓和运动姿势来达到步态检测的目的。LittleJ和BoydJ认为通过非结构性方式的步态来识别个体是可行的[9]，利用从一系列灰度图像的光流中获得的个体运动形状和特征来达到识别的目的。光流法的计算过程较复杂而且抗噪性较差，其运动目标探测方法的基础是假设灰度梯度基本不变。因此徐中宇等为了从步态图像中提取出完整的人体轮廓，提出了一种新的步态轮廓提取算法[10]。该算法首先通过背景减除法和对称帧差法的结合提取出人体运动的区域，紧接着消除噪声和阴影后得到了较为完整的人体轮廓，最后将该人体轮廓作为他们的改进C-V模型的初始零水平集后得到了细化的人体轮廓。其改进的算法所得到的人体轮廓如图1.2所示，而且该算法具有良好抗噪性而且时间复杂度低、识别率高。(a)原始图(b)分割结果图1.2改进算法的原始图及分割结果LiangWang和TieniuTan等提出了一种简单有效的基于统计形状分析的步态自动识别算法[11]。该算法的步态检测实例如图1.3所示。对于每个图像序列，使用改进的背景减法程序从背景中提取步行人的运动轮廓，然后将检测到的轮廓的时间变化表示为公共坐标系中复杂向量配置的相关序列，并使用Procrustes形状分析方法进一步分析，获得平均形状作为步态特征。采用基于全谱距离测度的监督模式分类技术进行识别。该方法不直接分析步态的动力学，而是隐式地利用步态的动作来捕捉步态的结构特征，特别是人体生物特征的形状线索。图1.3步态检测实例
【参考文献】：
期刊论文
[1]基于多分类器融合的步态识别方法[J]. 郇战,陈学杰,吕士云,耿宏杨. 计算机应用. 2019(03)
[2]现代战创伤致脊髓损伤患者的三维步态分析[J]. 孙嘉利,单守勤,黄美贤,颜晗,钟世镇. 中国临床解剖学杂志. 2015(02)
[3]步态分析在临床康复应用中的研究进展[J]. 向静,胥方元. 现代医药卫生. 2014(22)
[4]面向外骨骼机器人人机交互的步态数据获取系统及识别模型[J]. 高增桂,孙守迁,张克俊,佘铎淳,杨钟亮. 计算机科学. 2014(10)
[5]步态分析在下肢假肢装配中的应用[J]. 吴志彬,蒋宛凌,舒彬. 中国康复医学杂志. 2013(12)
[6]人体步态时相对称性评价指标的对比研究[J]. 王人成,张美芹. 中国康复医学杂志. 2011(10)
[7]基于改进C-V模型的步态轮廓提取方法[J]. 徐中宇,姜洪霖,张忠波. 计算机工程. 2010(17)
[8]正常成人步态特征研究[J]. 胡雪艳,恽晓平,郭忠武,王广志,丁辉. 中国康复理论与实践. 2006(10)
博士论文
[1]液压驱动下肢外骨骼机器人关键技术研究[D]. 范伯骞.浙江大学 2017
硕士论文
[1]基于足底压力与姿态信号的步态识别系统设计[D]. 胡慧莲.哈尔滨工业大学 2019
[2]基于IMU的帕金森病患者冻结步态检测方法研究[D]. 马銮.安徽大学 2019
[3]下肢外骨骼机器人步态检测系统研究[D]. 苟欢.北京林业大学 2016
[4]康复用下肢外骨骼系统仿生步态规划方法研究[D]. 张邵敏.中国科学院深圳先进技术研究院 2016
[5]基于惯性传感器的步态测量方法研究与实现[D]. 季冉.大连理工大学 2015
本文编号：3147300
【文章来源】：上海大学上海市 211工程院校
【文章页数】：132 页
【学位级别】：硕士
【部分图文】：
不同类型的上肢与下肢假肢矫形器
上海大学硕士学位论文4一般在获取观察对象的步态图像或视频后，通过算法和软件分析不同步行速度和姿态的人体轮廓和运动姿势来达到步态检测的目的。LittleJ和BoydJ认为通过非结构性方式的步态来识别个体是可行的[9]，利用从一系列灰度图像的光流中获得的个体运动形状和特征来达到识别的目的。光流法的计算过程较复杂而且抗噪性较差，其运动目标探测方法的基础是假设灰度梯度基本不变。因此徐中宇等为了从步态图像中提取出完整的人体轮廓，提出了一种新的步态轮廓提取算法[10]。该算法首先通过背景减除法和对称帧差法的结合提取出人体运动的区域，紧接着消除噪声和阴影后得到了较为完整的人体轮廓，最后将该人体轮廓作为他们的改进C-V模型的初始零水平集后得到了细化的人体轮廓。其改进的算法所得到的人体轮廓如图1.2所示，而且该算法具有良好抗噪性而且时间复杂度低、识别率高。(a)原始图(b)分割结果图1.2改进算法的原始图及分割结果LiangWang和TieniuTan等提出了一种简单有效的基于统计形状分析的步态自动识别算法[11]。该算法的步态检测实例如图1.3所示。对于每个图像序列，使用改进的背景减法程序从背景中提取步行人的运动轮廓，然后将检测到的轮廓的时间变化表示为公共坐标系中复杂向量配置的相关序列，并使用Procrustes形状分析方法进一步分析，获得平均形状作为步态特征。采用基于全谱距离测度的监督模式分类技术进行识别。该方法不直接分析步态的动力学，而是隐式地利用步态的动作来捕捉步态的结构特征，特别是人体生物特征的形状线索。图1.3步态检测实例
上海大学硕士学位论文4一般在获取观察对象的步态图像或视频后，通过算法和软件分析不同步行速度和姿态的人体轮廓和运动姿势来达到步态检测的目的。LittleJ和BoydJ认为通过非结构性方式的步态来识别个体是可行的[9]，利用从一系列灰度图像的光流中获得的个体运动形状和特征来达到识别的目的。光流法的计算过程较复杂而且抗噪性较差，其运动目标探测方法的基础是假设灰度梯度基本不变。因此徐中宇等为了从步态图像中提取出完整的人体轮廓，提出了一种新的步态轮廓提取算法[10]。该算法首先通过背景减除法和对称帧差法的结合提取出人体运动的区域，紧接着消除噪声和阴影后得到了较为完整的人体轮廓，最后将该人体轮廓作为他们的改进C-V模型的初始零水平集后得到了细化的人体轮廓。其改进的算法所得到的人体轮廓如图1.2所示，而且该算法具有良好抗噪性而且时间复杂度低、识别率高。(a)原始图(b)分割结果图1.2改进算法的原始图及分割结果LiangWang和TieniuTan等提出了一种简单有效的基于统计形状分析的步态自动识别算法[11]。该算法的步态检测实例如图1.3所示。对于每个图像序列，使用改进的背景减法程序从背景中提取步行人的运动轮廓，然后将检测到的轮廓的时间变化表示为公共坐标系中复杂向量配置的相关序列，并使用Procrustes形状分析方法进一步分析，获得平均形状作为步态特征。采用基于全谱距离测度的监督模式分类技术进行识别。该方法不直接分析步态的动力学，而是隐式地利用步态的动作来捕捉步态的结构特征，特别是人体生物特征的形状线索。图1.3步态检测实例
【参考文献】：
期刊论文
[1]基于多分类器融合的步态识别方法[J]. 郇战,陈学杰,吕士云,耿宏杨. 计算机应用. 2019(03)
[2]现代战创伤致脊髓损伤患者的三维步态分析[J]. 孙嘉利,单守勤,黄美贤,颜晗,钟世镇. 中国临床解剖学杂志. 2015(02)
[3]步态分析在临床康复应用中的研究进展[J]. 向静,胥方元. 现代医药卫生. 2014(22)
[4]面向外骨骼机器人人机交互的步态数据获取系统及识别模型[J]. 高增桂,孙守迁,张克俊,佘铎淳,杨钟亮. 计算机科学. 2014(10)
[5]步态分析在下肢假肢装配中的应用[J]. 吴志彬,蒋宛凌,舒彬. 中国康复医学杂志. 2013(12)
[6]人体步态时相对称性评价指标的对比研究[J]. 王人成,张美芹. 中国康复医学杂志. 2011(10)
[7]基于改进C-V模型的步态轮廓提取方法[J]. 徐中宇,姜洪霖,张忠波. 计算机工程. 2010(17)
[8]正常成人步态特征研究[J]. 胡雪艳,恽晓平,郭忠武,王广志,丁辉. 中国康复理论与实践. 2006(10)
博士论文
[1]液压驱动下肢外骨骼机器人关键技术研究[D]. 范伯骞.浙江大学 2017
硕士论文
[1]基于足底压力与姿态信号的步态识别系统设计[D]. 胡慧莲.哈尔滨工业大学 2019
[2]基于IMU的帕金森病患者冻结步态检测方法研究[D]. 马銮.安徽大学 2019
[3]下肢外骨骼机器人步态检测系统研究[D]. 苟欢.北京林业大学 2016
[4]康复用下肢外骨骼系统仿生步态规划方法研究[D]. 张邵敏.中国科学院深圳先进技术研究院 2016
[5]基于惯性传感器的步态测量方法研究与实现[D]. 季冉.大连理工大学 2015
本文编号：3147300
本文链接：https://www.wllwen.com/kejilunwen/yiqiyibiao/3147300.html
