一种利用足底压力信号检测人体步态的方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113947119A(43)申请公布日2022.01.18(21)申请号202111210035.4A61B5/11(2006.01)(22)申请日2021.10.18(71)申请人浙江工业大学地址310014浙江省杭州市下城区潮王路18号(72)发明人吴化平陈海宁苏彬彬由淋元(74)专利代理机构杭州求是专利事务所有限公司33200代理人林超(51)Int.Cl.G06K9/00(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)A61B5/103(2006.01)权利要求书2页说明书7页附图3页(54)发明名称一种利用足底压力信号检测人体步态的方法(57)摘要本发明公开了一种利用足底压力信号检测人体步态的方法。利用柔性阵列压力传感器采集足底压力信息，建立运动步态数据集；进行预处理操作；建立改进的MobileNet‑V3算法模型；将预处理完成的运动步态数据集送入模型中训练和测试；将测试完成的模型部署于手机端，实时采集的左右脚压力数据传送至手机端预测当前步态。本发明的方法采用了改进的网络模型，实现了更好的准确性和泛化，最终达到提高模型性能的目的，实现了保证算法模型轻量化的同时仍然有较高的性能的技术效果。CN113947119ACN113947119A权利要求书1/2页1.一种利用足底压力信号检测人体步态的方法，其特征在于，方法具体包含以下步骤：(1)利用柔性阵列压力传感器采集足底压力信息，建立运动步态数据集；(2)对(1)所得到的运动步态数据集进行双线性插值、归一化和级联等操作后，完成对运动步态数据集的预处理过程；(3)建立改进的MobileNet‑V3算法模型；(4)将(2)中预处理完成的运动步态数据集送入(3)的模型中进行训练和测试；(5)将测试完成的模型部署于手机端，利用柔性阵列压力传感器采集的左右脚压力数据通过蓝牙实时传送至手机端，预测当前步态。2.根据权利要求1所述的一种利用足底压力信号检测人体步态的方法，其特征在于：所述的步骤(1)中，所述的柔性阵列压力传感器主要有多个压敏传感器以行列阵列构成，在人体的左右脚均分别均布有多个压敏传感器，每个压敏传感器的结构均为三明治结构，包括两层电极材料和一层力敏材料，两层电极材料中间夹一层力敏材料。3.根据权利要求1所述的一种利用足底压力信号检测人体步态的方法，其特征在于：所述的柔性阵列压力传感器中，各列方向的压敏传感器均连接到列多选一开关后输出，同一列方向的各个压敏传感器的一端均连接到列多选一开关的同一输入端；各行方向的压敏传感器均连接到行多选一开关后输出，同一行方向的各个压敏传感器的另一端连接到一起后再连接到行多选一开关的同一输入端；每个压敏传感器的另一端经各自的一个二极管连接到上一个压敏传感器的另一端，最后一个压敏传感器的另一端经二极管连接到行多选一开关的一个输入端。4.根据权利要求1所述的一种利用足底压力信号检测人体步态的方法，其特征在于：所述的步骤(1)中，通过分别在站立、坐下、平地行走、上楼梯以及下楼梯五种人体步态下利用柔性阵列压力传感器采集足底压力数据，以1.5秒作为时间窗口长度，以1秒作为时间滑动窗口步长提取利用柔性阵列压力传感器采集到的数据，得到有效样本数据组成运动步态数据集。5.根据权利要求2所述的一种利用足底压力信号检测人体步态的方法，其特征在于：所述的步骤(2)中，是将在人体的左右脚各自采集的传感器数据在通道方向上堆叠级联在一起。6.根据权利要求1所述的一种利用足底压力信号检测人体步态的方法，其特征在于：所述的步骤(3)中，改进的MobileNet‑V3算法模型是将MobileNet‑V3算法模型中的倒残差结构全部替换为沙漏结构；所述的沙漏结构主要由第一层深度卷积层DW、第一层逐点卷积层PW、第二层逐点卷积层PW、第二层深度卷积层DW依次连接构成，第一层深度卷积层DW的输入作为沙漏结构的输入，同时第一层深度卷积层DW的输入和第二层深度卷积层DW的输出进行相加操作后作为沙漏结构的输出；同时将MobileNet‑V3算法模型中除了输出层外的其余神经网络层的h‑swish激活函数和relu6激活函数均全部替换为mish函数，在输出层保留softmax激活函数；同时将MobileNet‑V3算法模型中的每个沙漏结构的第二层逐点卷积层PW和第二层深度卷积层DW之间添加压缩激励模块，压缩激励模块主要由一层全局平均池化层、连续两层全连接层和一个scale操作构成，第二层逐点卷积层PW输出的特征图分别输入到压缩激励模块的全局2CN113947119A权利要求书2/2页平均池化层和缩放scale操作中，全局平均池化层输出依次经连续两