一种基于可穿戴应变传感器的步态识别系统及其搭建方法技术方案

本发明专利技术提供了一种基于可穿戴应变传感器的步态识别系统及其搭建方法，设备包括传感器阵列、ADC转换模块、数据处理器和计算机，传感器阵列设置在人体足底，传感器阵列与数据处理器连接，数据处理器与计算机连接。搭建方法包括以下步骤：S1、设计步态采集电路；S2、设置系统参数；S3、进行数据传输。本发明专利技术体积小便于携带、运算速度快、准确率高，操作使用方便简单，成本低廉，可推广使用。可推广使用。可推广使用。

【技术实现步骤摘要】
一种基于可穿戴应变传感器的步态识别系统及其搭建方法


[0001]本专利技术属于步态识别
，具体涉及一种基于可穿戴应变传感器的步态识别系统及其搭建方法。

技术介绍

[0002]人体步态是人体步行时的姿态和行为特征。步态不仅受人体各个关节、肌肉和神经系统的本征控制，同时还受年龄、习惯、性别、职业、受教程度、疾病等外围因素的影响。步态分析可以在身份识别和指导患者康复等领域发挥重要作用。每个人的步态是独一无二的，可以利用步态进行身份识别。近年来新兴的生物识别技术，如指纹识别、虹膜识别、人脸识别等技术容易被掩盖、模仿并且需要接触识别，识别的难度大大增加。而步态的特征不仅取决于先天因素，还与后天的生活环境密切相关，难以改变或伪装。尽管在大雾、沙尘暴等复杂环境下也可通过人体运动轮廓的提取实现远距离、非接触式识别。此外，通过眼睛观察患者的步态，可以大致判断其身体状况。基于此，需要设计一种准确的步态识别装置系统来进行深入研究。

技术实现思路

[0003]本专利技术所要解决的技术问题在于针对上述现有技术的不足，提供一种基于可穿戴应变传感器的步态识别系统及其搭建方法，该系统设计科学合理，实用性强，操作简单，识别准确，应用范围广。
[0004]为解决上述技术问题，本专利技术采用的技术方案是：一种基于可穿戴应变传感器的步态识别系统，其特征在于，包括传感器阵列、数据处理器和计算机，所述传感器阵列设置在人体足底，所述传感器阵列与数据处理器连接，数据处理器上设置有ADC转换模块，数据处理器通过通信模块与终端连接；/>[0005]所述传感器阵列用于获取人体步态的运动数据；
[0006]所述数据处理器根据运动数据利用深度学习辅助的步态识别算法确定步态参数，所述步态参数用于表征步态识别系统使用者的行为特征；
[0007]所述终端用于识别、显示并存储由数据处理器处理得到的步态数据信息。
[0008]优选地，所述传感器阵列为薄膜式应变传感器。
[0009]一种基于可穿戴应变传感器的步态识别系统的搭建方法，包括以下步骤：
[0010]S1、设计步态采集电路：将传感器阵列以穿戴式的形式设置在人体足底采集人体不同步态下的足底压力信息，在传感器阵列上串联5k分压电阻，将压力传感器的引脚连接至数据处理器的模拟输入端口；
[0011]S2、搭建数据采集程序：设置Arduino的波特率为9600，获取压力传感器阵列各个检测点的压力值，以采集来的压力数值为模拟量，通过ADC转换模块对其进行模数转换，将模拟信号转换为数字信号，采样频率为15Hz/s，将采集来的数据进行均值滤波，滤除噪音信号；
[0012]S3、进行数据传输：Arduino将数据实时通过串口输出到PC端，PC将最终处理完的传感器数据打上标签制作成数据集并保存为CSV文件,计算机GPU根据采集的人体步态运动数据，利用预设的步态识别算法确定步态参数，由于该步态参数能够与步态识别设备的使用者的行动姿态和行为特征相匹配，从而识别出当前步态识别装置使用者的步态。
[0013]优选地，所述步态识别算法的设计方法为：对原始数据进行预处理，将预处理后的数据制作为数据集，将数据集以4:1的比例分为训练集和测试集；搭建1D
‑
CNN神经网络，网络模型由两个卷积层，一个全连接层组成，模型训练时，设置Epoch为50，每个Batch大小为128。
[0014]本专利技术与现有技术相比具有以下优点：
[0015]1、本专利技术设计简单合理，实用性强，操作简单，成本低廉，信息采集准确，识别快速。
[0016]2、本专利技术先采集正常人在平地行走、跑步、上下楼梯、跳跃时的运动数据。然后对采集的运动数据进行模型训练操作，获得正常人对应的步态参数模型，并通过数据处理器保存至电脑端。数据处理器在接收传感器组件测量获得的柔性传感器阵列运动数据之后，将数据输入训练后的步态参数模型，即可确定出步态识别设备使用者的当前步态信息。步态信息可用于辅助判断人体身体健康程度，还可用于身份快速识别。
[0017]下面结合附图和实施例对本专利技术作进一步详细说明。
附图说明
[0018]图1是本专利技术中步态识别的流程示意图。
[0019]图2是本专利技术中步态识别算法准确率和算法损失函数曲线。
[0020]图3是本专利技术中步态识别结果混淆矩阵。
具体实施方式
[0021]实施例1
[0022]一种基于可穿戴应变传感器的步态识别系统，包括传感器阵列、数据处理器和计算机，所述传感器阵列设置在人体足底，所述传感器阵列与数据处理器连接，数据处理器上设置有ADC转换模块，数据处理器通过无线通信模块与PC端连接；传感器阵列和数据处理器设置在袜子底部，能顺利准确接收压力变化。
[0023]所述传感器阵列用于获取人体步态的运动数据；
[0024]所述数据处理器根据运动数据利用深度学习辅助的步态识别算法确定步态参数，所述步态参数用于表征步态识别系统使用者的行为特征；
[0025]所述终端用于识别、显示并存储由数据处理器处理得到的步态数据信息。
[0026]本实施例中，所述传感器阵列使用力感科技公司生产的FS
‑
INS
‑
16Z型多区域压力分布薄膜传感器。
[0027]实施例2
[0028]一种基于可穿戴应变传感器的步态识别系统的搭建方法，包括以下步骤：
[0029]S1、设计步态采集电路：将传感器阵列以穿戴式的形式设置在人体足底采集人体不同步态下的足底压力信息，在传感器阵列上串联5k分压电阻，将压力传感器的引脚连接
至数据处理器的模拟输入端口，数据处理器使用单片机；
[0030]S2、搭建数据采集程序：设置Arduino的波特率为9600，获取压力传感器阵列各个检测点的压力值，以采集来的压力数值为模拟量，通过ADC转换模块对其进行模数转换，将模拟信号转换为数字信号，采样频率为15Hz/s，将采集来的数据进行均值滤波，滤除噪音信号；
[0031]S3、进行数据传输：Arduino将数据实时通过串口输出到PC端，PC将最终处理完的传感器数据打上标签制作成数据集并保存为CSV文件,计算机GPU根据采集的人体步态运动数据，利用预设的步态识别算法确定步态参数，由于该步态参数能够与步态识别设备的使用者的行动姿态和行为特征相匹配，从而识别出当前步态识别装置使用者的步态。
[0032]如图1所示，本实施例中，所述步态识别算法的设计方法为：对原始数据进行预处理，将预处理后的数据制作为数据集，将数据集以4:1的比例分为训练集和测试集；搭建1D
‑
CNN神经网络，网络模型由两个卷积层，一个全连接层组成，模型训练时，设置Epoch为50，每个Batch大小为128。如图2所示得出步态识别算法准确率和算法损失函数曲线，如图3所示得出步态识别结果混淆矩阵。
[0033]使用时，先采集正常人在平地行走、跑步、上下楼梯、跳跃时的运动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于可穿戴应变传感器的步态识别系统，其特征在于，包括传感器阵列、数据处理器和计算机，所述传感器阵列设置在人体足底，所述传感器阵列与数据处理器连接，数据处理器上设置有ADC转换模块，数据处理器通过通信模块与终端连接；所述传感器阵列用于获取人体步态的运动数据；所述数据处理器根据运动数据利用深度学习辅助的步态识别算法确定步态参数，所述步态参数用于表征步态识别系统使用者的行为特征；所述终端用于识别、显示并存储由数据处理器处理得到的步态数据信息。2.根据权利要求1所述的一种基于可穿戴应变传感器的步态识别系统，其特征在于，所述传感器阵列为薄膜式应变传感器。3.如权利要求1或2中所述的一种基于可穿戴应变传感器的步态识别系统的搭建方法，包括以下步骤：S1、设计步态采集电路：将传感器阵列以穿戴式的形式设置在人体足底采集人体不同步态下的足底压力信息，在传感器阵列上串联5k分压电阻，将压力传感器的引脚连接至数据处理器的模拟输入端口；S2、搭建数据采集程序：设置Arduino的波特率为9600，...

【专利技术属性】
技术研发人员：王子莹，修坤皓，胡宁，赵丽滨，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：