【技术实现步骤摘要】
本专利技术涉及人体步态评估领域，尤其是涉及一种基于多模态融合的人体步态识别方法以及装置。
技术介绍
1、随着脑机接口的发展，目前面向外骨骼机器人的运动识别算法层出不穷。现今的人体运动感知技术多是以人体姿态信息为数据源，如关节角度、角速度或关节力矩等，但此数据源与运动同时产生不存在超前，对于穿戴人员运动识别存在一定的滞后性，从而导致了外骨骼机器人对人体运动的预测过于依赖预测算法的成熟度。因此对于人体的运动模式识别准确率仍不高，外骨骼机器人的传感系统对于穿戴人员的数据采集并不十分精确，以及对于穿戴人员运动信息的分析及提取手段仍然存在可改进之处。
技术实现思路
1、为了克服现有技术的不足，本专利技术的目的之一在于提供一种识别准确度高、滞后性低的人体步态识别方法。
2、为了克服现有技术的不足，本专利技术的目的之二在于提供一种识别准确度高、滞后性低的人体步态识别装置。
3、本专利技术的目的之一采用如下技术方案实现：
4、一种基于多模态融合的人体步态识别方法，包括以
【技术保护点】
1.一种基于多模态融合的人体步态识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多模态融合的人体步态识别方法，其特征在于：所述肌电信号通过多通道阵列柔性肌电采集传感器采集，所述多通道阵列柔性肌电采集传感器设有八个通道。
3.根据权利要求2所述的基于多模态融合的人体步态识别方法，其特征在于：所述多通道阵列柔性肌电采集传感器通过贴附于腿部肌肉采集肌电信号，所述腿部肌肉包括阔筋膜张肌、长内收肌、股直肌、股内侧肌、胫前肌、半腱肌、腓肠肌以及比目鱼肌。
4.根据权利要求1所述的基于多模态融合的人体步态识别方法，其特征在于：对...
【技术特征摘要】
1.一种基于多模态融合的人体步态识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多模态融合的人体步态识别方法，其特征在于：所述肌电信号通过多通道阵列柔性肌电采集传感器采集，所述多通道阵列柔性肌电采集传感器设有八个通道。
3.根据权利要求2所述的基于多模态融合的人体步态识别方法，其特征在于：所述多通道阵列柔性肌电采集传感器通过贴附于腿部肌肉采集肌电信号，所述腿部肌肉包括阔筋膜张肌、长内收肌、股直肌、股内侧肌、胫前肌、半腱肌、腓肠肌以及比目鱼肌。
4.根据权利要求1所述的基于多模态融合的人体步态识别方法，其特征在于：对所述近红外脑功能成像数据进行特征提取具体为：根据近红外脑功能成像数据计算血红蛋白的平均值、峰值和均方根，将血红蛋白的平均值、峰值、均方根以及至少两数据的组合作为提取的特征。
5.根据权利要求1所述的基于多模态融合的人体步态识别方法，其特征在于：所述分类算法为bp神经网络、adaboost算法以及svm算法中的任意一种。
6.根据权利要求1所述的基于多模态融合的人体步态识别方法，其特征在于：所述步态包括静息站立、行走、蹲、起、上台阶、下台阶、上坡、下坡、关...
【专利技术属性】
技术研发人员：郭凯，吴煜雯，王杰，许方鸣，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
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。