一种基于PCA-BP神经网络的姿势不良步态识别方法及系统技术方案

本发明专利技术公开了一种基于PCA‑BP神经网络的姿势不良步态识别方法及系统，系统由智能鞋垫、智能模块、计算机和上位机组成。方法：获取被测者自由状态下的多路动态足底压力信号，将获取的原始数据经过预处理后提取特征，加上类别标签后构建数据集，数据集中的每一行数据均代表一个步态的特征数据和相应类别；利用PCA对步态中的特征进行降维；搭建BP神经网络模型，由数据集划分的训练集完成BP神经网络模型训练，获得模型参数，为现场应用做准备。现场应用时，采集被测者动态足底压力信号，利用训练好的姿势不良识别模型，得到步态识别结果；通过设定正常步态判定阈值，利用判别器，判别该被测者是否为姿势不良患者。本发明专利技术具有较好的识别效果与较高的准确率。

【技术实现步骤摘要】

本专利技术涉及人工智能领域，尤其涉及一种基于pca-bp神经网络的姿势不良步态识别方法及系统。

技术介绍

1、目前青少年普遍存在姿势不良的情况，预防和纠正青少年姿势不良的问题亟待解决，姿势不良的检测是预防与纠正的前提，要想做到及时止损，就必须深入研究青少年姿势不良的步态检测和识别方法。

2、步态检测在康复训练、体育训练等领域具有重要价值，国内外相关课题的研究者都一直致力于研究出一种更精确、更简便、更有效的步态检测方法。目前国内外相对来说较为成熟的步态检测方法主要有三大类：第一大类是基于计算机视觉的步态检测，第二大类是足底压力扫描技术，第三大类是利用测力板或测力台等设备检测足底压力。

3、计算机视觉的步态检测技术是通过对连续拍摄的图片或者影像进行人体目标检测，根据被测者每一帧的足部姿态分析来实现步态检测。该技术要求在特定场景下进行，采用摄像头对行走过程中的目标图像进行捕获、检测、分割，即视觉监测整个行走过程的画面。这种方法对摄像机等硬件检测设备的要求较高，且需要安装在固定的场所，因此对足底压力检测的实验环境有较多的限制。

本文档来自技高网...

【技术保护点】

1.一种基于PCA-BP神经网络的姿势不良步态识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于PCA-BP神经网络的姿势不良步态识别方法，其特征在于，步骤S102中将足底压力信号的原始数据经过数据预处理后进行特征提取时，包括：

3.根据权利要求2所述的基于PCA-BP神经网络的姿势不良步态识别方法，其特征在于，步骤S201中去漂的步骤包括：为了解决零点漂移问题，加入了零点跟踪的算法，初始化一个指定大小的矩阵作为窗口，每接收到一组数据，则弃掉最后一行数据，并将接收到的这组数据放入窗口内，从而形成一个零点跟踪的滑动窗口，窗口每更新一次数据，则重新计算...

【技术特征摘要】

1.一种基于pca-bp神经网络的姿势不良步态识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于pca-bp神经网络的姿势不良步态识别方法，其特征在于，步骤s102中将足底压力信号的原始数据经过数据预处理后进行特征提取时，包括：

3.根据权利要求2所述的基于pca-bp神经网络的姿势不良步态识别方法，其特征在于，步骤s201中去漂的步骤包括：为了解决零点漂移问题，加入了零点跟踪的算法，初始化一个指定大小的矩阵作为窗口，每接收到一组数据，则弃掉最后一行数据，并将接收到的这组数据放入窗口内，从而形成一个零点跟踪的滑动窗口，窗口每更新一次数据，则重新计算矩阵的方差，设置方差的阈值，若更新后的矩阵方差达到阈值，则将这组接收到的数据放入零点矩阵中，进行一次零点更新；若更新后达到阈值，则零点更新为新的基础值；若更新后未达到阈值，则零点保持不变；

4.根据权利要求1所述的基于pca-bp神经网络的姿势不良步态识别方法，其特征在于，步骤s102中利用主成分分析法对每个步态中的特征数据进行降维时，包括：将每个物理统计量和数学统计量作为主成分分量，并计算各个主成分的方差以及贡献度，按照贡献度从大到小的顺序选取指定个数的主成分，作为样本中降维后的特征。

5.根据权利要求1所述的基于pca-bp神经网络的姿势不良步态识别方法，其特征在于，步骤s103中所述bp神经网络模型包括输入层、隐含层和输出层，且输入层中神经元输入与降维后的特征一一对应。

6.根据权利要求1所述的基于pca-bp神经网络的姿势不良步态识别方法，其特征在于，步骤s103中将数据集中的训练集样本输入bp神经网络模型进行训练时，包括：训练集的特征数据经过归一化处理后作为bp神经网络模型的输入...

【专利技术属性】
技术研发人员：林海军，唐旭东，张斯娆，戴厚德，陈爱连，刘行宇，申新杰，杨宇祥，张甫，罗巧玲，
申请(专利权)人：湖南师范大学，
类型：发明
国别省市：