本发明专利技术公开了一种穿戴式步态相位和动作识别装置及方法，该装置包括：下肢测量模块，用于测量得到人体下肢的大小腿运动数据；脚底测量模块，用于测量得到人体的脚底运动数据；控制器模块，用于根据深度神经网络地形识别模型对大小腿运动数据和脚底运动数据进行解算、识别，得到预测步态相位和预测动作；结果输出模块，用于输出预测步态相位和预测动作；固定装置，用于将穿戴式步态相位和动作识别装置与外骨骼机器人进行固定。本发明专利技术基于多传感器的数据，在实现步态相位划分的同时实现人体运动模式识别，并且可以通过压力传感器给出步态相位真实结果。真实结果。真实结果。
【技术实现步骤摘要】
一种穿戴式步态相位和动作识别装置及方法
[0001]本专利技术属于步态识别
，尤其涉及一种穿戴式步态相位和动作识别装置及方法。
技术介绍
[0002]外骨骼机器人作为一种典型的人机一体化系统，能够穿戴在人身体外部并为穿戴者提供力量支撑和辅助，达到增强人体运动机能的效果，让人能够完成更加困难的任务。实现人机一体化是助力型外骨骼机器人的研究目标，人机一体化主要体现在外骨骼机器人在穿戴时应成为穿戴者身体的一部分，进而能够协同地完成复杂的运动上。因此，拟人化的外骨骼结构设计是基础，来确保穿戴的舒适性以及灵活的操作性；除此之外，完整的感知系统也是必不可少的，一个完整的感知系统应包括多种传感器，并实现多传感器的信息融合，进而提升机器人感知运动意图的准确性，比如支撑态、摆动态，水平地面行走，上楼梯，下楼梯等
[0003]目前的步态识别技术存在以下问题：
[0004](1)一是步态相位的识别与运动模式的识别通常采用两种途径，很少同时识别。
[0005](2)二是基于视觉传感器识别算法问题：该方法通过地形变化反推人体的运动状态，识别滞后，且抗干扰能力差。
[0006](3)通过生物肌电传感器、脑电传感器等采集生物电信号，预测人体的运动意图，实现对运动模式的预测，该方法存在抗干扰能力差，穿戴不方便的缺点。
[0007](4)一般步态相识别装置无法直接验证结果真伪。
技术实现思路
[0008]本专利技术的技术解决问题：克服现有技术的不足，提供一种穿戴式步态相位和动作识别装置及方法，基于多传感器的数据，在实现步态相位划分的同时实现人体运动模式识别，并且可以通过压力传感器给出步态相位真实结果。
[0009]为了解决上述技术问题，本专利技术公开了一种穿戴式步态相位和动作识别装置，包括：
[0010]下肢测量模块，用于测量得到人体下肢的大小腿运动数据；
[0011]脚底测量模块，用于测量得到人体的脚底运动数据；
[0012]控制器模块，用于根据深度神经网络地形识别模型对大小腿运动数据和脚底运动数据进行解算、识别，得到预测步态相位和预测动作；
[0013]结果输出模块，用于输出预测步态相位和预测动作；
[0014]固定装置，用于将穿戴式步态相位和动作识别装置与外骨骼机器人进行固定。
[0015]在上述穿戴式步态相位和动作识别装置中，下肢测量模块，包括：惯性传感器A、惯性传感器B、惯性传感器C和惯性传感器D；其中，惯性传感器A和惯性传感器B分别安装在外骨骼机器人的左小腿外侧和右小腿外侧，惯性传感器C和惯性传感器D分别安装在外骨骼机
器人的左大腿外侧和右大腿外侧；各惯性传感器的X轴正方向竖直向上，即XZ轴平行于身体矢状面，惯性传感器的Y轴向内。
[0016]在上述穿戴式步态相位和动作识别装置中，脚底测量模块，包括：设置在外骨骼机器人鞋垫上的一个惯性传感器E、一个射频模块和若干个压力传感器；
[0017]压力传感器，用于测量得到脚底压力数据；其中，各压力传感器布置在在鞋垫上的布置位置与数量根据膝关节外骨骼控制需求规定压力采集点确定；
[0018]惯性传感器E，用于测量得到脚底运动数据；
[0019]射频模块，用于将脚底压力数据和脚底运动数据以广播的形式发送到控制器模块。
[0020]在上述穿戴式步态相位和动作识别装置中，人体运动在时间上具有连续性，各个惯性传感器具有一定的空间关系，深度神经网络地形识别模型基于Lstm
‑
Tcn神经网络构建得到。
[0021]在上述穿戴式步态相位和动作识别装置中，控制器模块在根据深度神经网络地形识别模型对大小腿运动数据和脚底运动数据进行解算、识别，得到预测步态相位和预测动作时，包括：
[0022]对大小腿运动数据和脚底运动数据进行归一化处理，得到输入数据x；
[0023]将输入数据x输入到Lstm网络中，得到中间向量y；
[0024]通过置信度权值w得到Tcn网络的输入数据x+w*y；
[0025]将输入数据x+w*y输入到Lstm网络中，得到目标向量z；
[0026]目标向量z经全连接层输出8
×
1的特征向量，分别对应：支撑态、摆动态、行走、跑步、上楼梯、下楼梯、上坡和下坡，完成对步态相位和动作的预测。
[0027]在上述穿戴式步态相位和动作识别装置中，大腿运动数据包括：大腿绕Y轴旋转的角速度和角度，沿X轴方向的加速度；小腿运动数据包括：小腿绕Y轴旋转的角速度和角度，沿X轴方向的加速度；脚底运动数据包括：脚底三轴加速度和角速度。
[0028]在上述穿戴式步态相位和动作识别装置中，控制器模块，还用于：获取压力传感器测量得到的脚底压力数据；根据脚底压力数据，确定真实步态相位；将真实步态相位与预测步态相位进行比对；若真实步态相位与预测步态相位一致，则通过结果输出模块输出预测步态相位和预测动作；若真实步态相位与预测步态相位不一致，则对深度神经网络地形识别模型进行参数调整、训练。
[0029]在上述穿戴式步态相位和动作识别装置中，压力传感器的数量为四个：压力传感器A、压力传感器B、压力传感器C和压力传感器D；其中，压力传感器A和压力传感器B设置在外骨骼机器人鞋垫的后脚掌位置处，压力传感器C和压力传感器D设置在外骨骼机器人鞋垫的前脚掌位置处。
[0030]在上述穿戴式步态相位和动作识别装置中，真实步态相位的确定策略如下：
[0031]当压力传感器A、压力传感器B、压力传感器C和压力传感器D测量得到的脚底压力数据F1、F2、F3和F4满足如下式(1)或式(2)时，确定真实步态相位为支撑态，否则，确定真实步态相位为摆动态：
[0032][0033][0034]相应的，本专利技术还公开了一种基于穿戴式步态相位和动作识别装置的步态相位和动作识别方法，包括：
[0035]测量得到人体下肢的大小腿运动数据；
[0036]测量得到人体的脚底运动数据；
[0037]根据深度神经网络地形识别模型对大小腿运动数据和脚底运动数据进行解算、识别，得到预测步态相位和预测动作，并输出。
[0038]本专利技术具有以下优点：
[0039](1)本专利技术利用置信度自适应方法确定神经网络数据输入，准确、高效识别步。
[0040](2)本专利技术不需要和人体皮肤直接接触，安装简单。
[0041](3)本专利技术可实现单个采样周期内的步态识别，滞后性低，即使偶尔出错也仅限于相邻状态不会引起控制器动作切换。
附图说明
[0042]图1是本专利技术实施例中一种穿戴式步态相位和动作识别装置的结构框图；
[0043]图2是本专利技术实施例中一种惯性传感器的布局示意图；
[0044]图3是本专利技术实施例中一种脚底测量模块的布局示意图；
[0045]图4是本专利技术实施例中一种深度神经网络地形识别模型的实现原理图。
具体实施方式
[0046]为使本专利技术的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种穿戴式步态相位和动作识别装置，其特征在于，包括：下肢测量模块，用于测量得到人体下肢的大小腿运动数据；脚底测量模块，用于测量得到人体的脚底运动数据；控制器模块，用于根据深度神经网络地形识别模型对大小腿运动数据和脚底运动数据进行解算、识别，得到预测步态相位和预测动作；结果输出模块，用于输出预测步态相位和预测动作；固定装置，用于将穿戴式步态相位和动作识别装置与外骨骼机器人进行固定。2.根据权利要求1所述的穿戴式步态相位和动作识别装置，其特征在于，下肢测量模块，包括：惯性传感器A、惯性传感器B、惯性传感器C和惯性传感器D；其中，惯性传感器A和惯性传感器B分别安装在外骨骼机器人的左小腿外侧和右小腿外侧，惯性传感器C和惯性传感器D分别安装在外骨骼机器人的左大腿外侧和右大腿外侧；各惯性传感器的X轴正方向竖直向上，即XZ轴平行于身体矢状面，惯性传感器的Y轴向内。3.根据权利要求2所述的穿戴式步态相位和动作识别装置，其特征在于，脚底测量模块，包括：设置在外骨骼机器人鞋垫上的一个惯性传感器E、一个射频模块和若干个压力传感器；压力传感器，用于测量得到脚底压力数据；其中，各压力传感器布置在在鞋垫上的布置位置与数量根据膝关节外骨骼控制需求规定压力采集点确定；惯性传感器E，用于测量得到脚底运动数据；射频模块，用于将脚底压力数据和脚底运动数据以广播的形式发送到控制器模块。4.根据权利要求3所述的穿戴式步态相位和动作识别装置，其特征在于，人体运动在时间上具有连续性，各个惯性传感器具有一定的空间关系，深度神经网络地形识别模型基于Lstm
‑
Tcn神经网络构建得到。5.根据权利要求4所述的穿戴式步态相位和动作识别装置，其特征在于，控制器模块在根据深度神经网络地形识别模型对大小腿运动数据和脚底运动数据进行解算、识别，得到预测步态相位和预测动作时，包括：对大小腿运动数据和脚底运动数据进行归一化处理，得到输入数据x；将输入数据x输入到Lstm网络中，得到中间向量y；通过置信度权值w得到Tcn网络的输入...
【专利技术属性】
技术研发人员：闫国栋，尹业成，张礼策，周世通，李浩，宋洪舟，
申请(专利权)人：北京精密机电控制设备研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。