一种基于步态信息的疲劳检测方法、装置及系统制造方法及图纸

本发明专利技术公开了疲劳检测领域的一种基于步态信息的疲劳检测方法、装置及系统，包括：采集使用者在运动过程中的下肢关节角度数据；由下肢关节角度数据中提取步态序列信息，并对步态序列信息进行计算统计获得步态特征信息；预先训练好的疲劳预测模型根据输入的步态特征信息获得使用者的疲劳状态；所述疲劳预测模型训练过程包括：将训练数据集按照疲劳状态信息划分等级，并通过训练数据集对机器学习模型进行训练，获得准确率和误差符合要求的疲劳预测模型；本发明专利技术通过采集下肢关节角度数据即可检测使用者的疲劳状态，检测过程简单方便，提高了疲劳检测的实用性。疲劳检测的实用性。疲劳检测的实用性。

【技术实现步骤摘要】
一种基于步态信息的疲劳检测方法、装置及系统


[0001]本专利技术属于疲劳检测领域，具体涉及一种基于步态信息的疲劳检测方法、装置及系统。

技术介绍

[0002]疲劳是人体运动中一种常见的现象，它影响着人的各种运动状态，跑步过程中疲劳的增加导致人体运动风险的增加。目前一些对于体力要求很高的人群如建筑工人、军人、运动员等经常处于肌肉疲劳状态，这可能对安全和健康造成不利的影响。在肌肉疲劳发生时我们采取有效的预防措施是非常有必要的。
[0003]目前用于监测人体疲劳的装置大致分为可穿戴型、光学捕捉和测力地板。可穿戴设备一般采集人体脑电、心电、血氧浓度等生理指标。然而，技术相关存在的缺点如下：疲劳检测一般都是通过脑电、心电、血氧浓度等生理指标，设备操作复杂且易受被试者情绪、身体状况等影响。光学检测模块需要大量的计算设备，对设备要求较高，局限性较大。

技术实现思路

[0004]本专利技术的目的在于提供一种基于步态信息的疲劳检测方法、装置及系统，对人体疲劳程度进行检测，具有使用方便、检测准确的特点。
[0005]为达到上述目的，本专利技术所采用的技术方案是：
[0006]本专利技术第一方面提供了一种基于步态信息的疲劳检测方法，包括：
[0007]采集使用者在运动过程中的下肢关节角度数据；
[0008]由下肢关节角度数据中提取步态序列信息，并对步态序列信息进行计算统计获得步态特征信息；
[0009]预先训练好的疲劳预测模型根据输入的步态特征信息获得使用者的疲劳状态；r/>[0010]所述疲劳预测模型训练过程包括：
[0011]获取实验者的身体状态信息，并记录实验者的运动过程中的运动信息、下肢关节角度数据和疲劳状态信息，构建训练数据集；
[0012]将训练数据集按照疲劳状态信息划分等级，并通过训练数据集对机器学习模型进行训练，获得准确率和误差符合要求的疲劳预测模型。
[0013]优选的，由下肢关节角度数据中提取步态序列信息的方法包括：对所述下肢关节角度数据进行低通滤波处理，并按照步长时间完成步态分割，获得步态序列信息。
[0014]优选的，步态特征信息包括步态序列信息中的最大值、最小值、均值、方差、峰度、偏度、变异系数。
[0015]优选的，记录实验者的运动过程中的运动信息、下肢关节角度数据和疲劳状态信息的方法包括：
[0016]通过三级负荷跑步方法训练实验者，计算实验者在各级负荷跑步中的心率，拟合心率和运动强度的关系曲线，确定所述实验者的疲劳强度，并记录实验者的下肢关节角度
数据和跑步速度；
[0017]使实验者进行充分休息后重复三级负荷跑步方法训练实验者，记录不同疲劳强度下实验者的下肢关节角度数据和跑步速度。
[0018]优选的，所述机器学习模型为逻辑斯蒂回归学习模型、随机森林学习模型、梯度提升树学习模型或支持向量机学习模型。
[0019]本专利技术第二方面提供了一种基于步态信息的疲劳检测系统，包括：
[0020]步态信息采集模块，用于采集使用者在行走过程中的下肢关节角度数据；
[0021]数据解析模块，用于由肢关节角度数据中提取步态序列信息；
[0022]数据处理模块，用于对步态序列信息进行计算统计获得步态特征信息；
[0023]模型训练模块，用于将训练数据集按照疲劳状态信息划分等级，并通过训练数据集对机器学习模型进行训练；
[0024]疲劳状态识别模块，内设有预先训练好的疲劳预测模型，用于根据输入的步态特征信息获得使用者的疲劳状态。
[0025]优选的，所述步态信息采集模块与所述数据封装模块；所述数据封装模块作用在于将下肢关节角度数据进行打包处理；所述数据封装模块与数据解析模块通过数据发送模块与数据接收模块无线连接。
[0026]优选的，还包括模型性能比较模块；所述模型训练模块通过训练数据集对不同学习模型进行训练，所述学习模型包括逻辑斯蒂回归学习模型、随机森林学习模型、梯度提升树学习模型和支持向量机学习模型，所述模型性能比较模块将训练后的不同学习模型进行对比，获得准确率和误差符合要求的疲劳预测模型。
[0027]本专利技术第三方面提供了一种基于步态信息的疲劳检测装置，包括角度传感器、连杆；所述角度传感器设置于人体腰部；所述角度传感器的转子上连接有连杆；所述连杆设置于人体腿部。
[0028]优选的，两个角度传感器通过腰带设置于人体腰部两侧，所述连杆通过绑带固定于人体腿部。
[0029]优选的，还包括壳体和电路板；所述角度传感器和电路板设置于壳体内；所述电路板上设有信号调理电路、微处理器和无线连接模块；所述角度传感器、信号调理电路和微处理器依次电性连接；所述微处理器作用在于将下肢关节角度数据进行打包处理；所述微处理器通过无线连接模块与上位机无线连接。
[0030]与现有技术相比，本专利技术的有益效果：
[0031](1)本专利技术采集使用者在运动过程中的下肢关节角度数据；由下肢关节角度数据中提取步态序列信息，并对步态序列信息进行计算统计获得步态特征信息；预先训练好的疲劳预测模型根据输入的步态特征信息获得使用者的疲劳状态；通过采集下肢关节角度数据即可检测使用者的疲劳状态，检测过程简单方便，提高了疲劳检测的实用性；对步态序列信息进行计算统计获得步态特征信息，该过程减少了疲劳预测模型训练过程和识别过程的运算量。
[0032](2)本专利技术中将训练数据集按照疲劳状态信息划分等级，并通过训练数据集对机器学习模型进行训练，获得准确率和误差符合要求的疲劳预测模型；机器学习方法能够建立步态特征信息与疲劳等级之间的关系，实现高精度的疲劳状态识别。
附图说明
[0033]图1是本专利技术实施例提供的一种基于步态信息的疲劳检测系统的结构图；
[0034]图2是本专利技术实施例提供的壳体内的结构图；
[0035]图3是本专利技术实施例提供的一种基于步态信息的疲劳检测装置的结构图；
[0036]图4是本专利技术实施例提供的对步态序列信息进行计算统计获得步态特征信息的流程图；
[0037]图5是本专利技术实施例提供的采集训练数据集的流程图；
[0038]图6是本专利技术实施例提供的一种基于步态信息的疲劳检测方法的流程图。
[0039]图中：1外壳；2角度传感器；3转子；4连杆；5电路板；6信号调理电路；7微控制器；8无线连接模块；9电源模块；10腰带；11疲劳检测装置；12绑带；13角度传感器轴心；14人体髋关节轴心。
具体实施方式
[0040]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0041]实施例一
[0042]如图6所示，本专利技术第一方面提供了一种基于步态信息的疲劳检测方法，包括：
[0043]采集使用者在运动过程中的下肢关节角度数据；
[0044]对所述下肢关节角度数据进行低通滤波处理，排除非步态数据外的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于步态信息的疲劳检测方法，其特征在于，包括：采集使用者在运动过程中的下肢关节角度数据；由下肢关节角度数据中提取步态序列信息，并对步态序列信息进行计算统计获得步态特征信息；预先训练好的疲劳预测模型根据输入的步态特征信息获得使用者的疲劳状态；所述疲劳预测模型训练过程包括：获取实验者的身体状态信息，并记录实验者的运动过程中的运动信息、下肢关节角度数据和疲劳状态信息，构建训练数据集；将训练数据集按照疲劳状态信息划分等级，并通过训练数据集对机器学习模型进行训练，获得准确率和误差符合要求的疲劳预测模型。2.根据权利要求1所述的一种基于步态信息的疲劳检测方法，其特征在于，由下肢关节角度数据中提取步态序列信息的方法包括：对所述下肢关节角度数据进行低通滤波处理，并按照步长时间完成步态分割，获得步态序列信息。3.根据权利要求1所述的一种基于步态信息的疲劳检测方法，其特征在于，步态特征信息包括步态序列信息中的最大值、最小值、均值、方差、峰度、偏度、变异系数。4.根据权利要求1所述的一种基于步态信息的疲劳检测方法，其特征在于，记录实验者的运动过程中的运动信息、下肢关节角度数据和疲劳状态信息的方法包括：通过三级负荷跑步方法训练实验者，计算实验者在各级负荷跑步中的心率，拟合心率和运动强度的关系曲线，确定所述实验者的疲劳强度，并记录实验者的下肢关节角度数据和跑步速度；使实验者进行充分休息后重复三级负荷跑步方法训练实验者，记录不同疲劳强度下实验者的下肢关节角度数据和跑步速度。5.一种基于步态信息的疲劳检测系统，其特征在于，包括：步态信息采集模块，用于采集使用者在行走过程中的下肢关节角度数据；数据解析模块，用于由下肢关节角度数据中提取步态序列信息；数据处理模块，用于对...

【专利技术属性】
技术研发人员：曹自平，李恒恒，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：