本發(fā)明涉及運動數(shù)據(jù)處理及評估技術(shù)領(lǐng)域，尤其涉及一種步態(tài)能力評估方法及裝置。

背景技術(shù)：

現(xiàn)有的常見步態(tài)分析裝置是采用專用視頻設(shè)備和計算機設(shè)備的三維步態(tài)分析設(shè)備，這類步態(tài)分析系統(tǒng)常常由一組攝像機或紅外光點捕捉器、測力臺等以及控制上述多組裝置同步運動并對觀測結(jié)果進行分析處理的計算機及外圍設(shè)備組成。目前這類裝置存在的問題在于該類裝置價格昂貴，需要操作者具有較強的專業(yè)性知識，并且常常只使用于實驗室環(huán)境，比較難以普及。某些機構(gòu)則采用量表進行步態(tài)評估，然而量表如wisconsin步態(tài)量表、tinetti步態(tài)量表等，根據(jù)行走狀態(tài)如步伐連續(xù)性、身體晃動性等來對步態(tài)進行評估，評估的主要缺點是依賴操作者的經(jīng)驗，具有一定的主觀性。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種步態(tài)能力評估方法及裝置，從運動學層面分析被測對象的步態(tài)，成本較低，并且能夠客觀的對步態(tài)能力進行評價。

本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：

一種步態(tài)能力評估方法，包括：

根據(jù)獲取到的連續(xù)的步態(tài)加速度信號來提取被測對象的個人步態(tài)模式agg，并與預定的標準步態(tài)模板cgg進行對比，從而計算出若干反映被測對象步態(tài)特征的參數(shù)；

分別從若干預定標準對象的agg中，提取出反映對應(yīng)標準對象步態(tài)特征的參數(shù)，從而建立步態(tài)評估模型；再將所述若干反映被測對象步態(tài)特征的參數(shù)帶入所述步態(tài)評估模型，對被測對象的步態(tài)進行評估。

利用多通道步態(tài)信號采集模塊來獲得被測對象的步態(tài)加速度信號；所述多通道步態(tài)信號采集模塊放置于被測對象腰部、大腿后側(cè)中間部分；

還利用數(shù)據(jù)顯示模塊來實時顯示步態(tài)加速度信號的波形，以及最終的步態(tài)評估結(jié)果。

所述計算出若干反映被測對象步態(tài)特征的參數(shù)包括：

首先，將多通道步態(tài)信號采集模塊采集到的步態(tài)加速度信號轉(zhuǎn)換到標準正交坐標系中，并對每一通道連續(xù)的加速度信號做低通濾波處理；

其次，針對每一通道，均利用壓力傳感器信號找到步態(tài)起始點與結(jié)束點對步態(tài)周期進行分割，并進行時間歸一化處理，獲得步態(tài)周期加速度信號accp×n，其中，p表示加速度信號通道的個數(shù)，n表示歸一化定長；

然后，分別計算若干個連續(xù)的步態(tài)周期加速度信號的平均值作為被測對象的agg，并對每個對象提取y個agg以表征其整體步態(tài)；所述agg同樣為一個pxn的矩陣；

最后，針對每一被測對象的agg，分別計算反映被測對象步態(tài)特征的參數(shù)，過程如下：a、計算被測對象的agg與標準步態(tài)模板cgg每一對應(yīng)通道的pearson相關(guān)系數(shù)，對所有通道的pearson相關(guān)系數(shù)求和得到參數(shù)p；b、采用動態(tài)規(guī)劃方法計算被測對象的agg與cgg每一對應(yīng)通道的動態(tài)時間規(guī)整距離，對所有通道動態(tài)時間規(guī)整距離求和得到參數(shù)d；c、計算被測對象的agg每一通道的極值點個數(shù)，對所有通道極值點個數(shù)求和得到參數(shù)e；d、分別對被測對象的agg的腰部前向通道與豎直方向通道步態(tài)加速度信號進行傅里葉變換，再計算偶次諧波之和與奇數(shù)次諧波之和的比值得到諧波系數(shù)，將腰部前向與豎直方向步態(tài)加速度信號的諧波系數(shù)相加得到參數(shù)h；e、計算被測對象的agg腰部前向通道與豎直方向通道加速度的自相關(guān)系數(shù)，其中左右腿相關(guān)性峰值點，即為對稱性指標，根據(jù)腰部前向加速度與豎直方向加速度的兩個對稱性指標求和得到參數(shù)s。

所述分別從若干預定標準對象的agg中，提取出反映對應(yīng)標準對象步態(tài)特征的參數(shù)，從而建立步態(tài)評估模型包括：

預定標準對象的數(shù)量為m，每一預定標準對象的agg數(shù)量為y，從每一agg中提取n個反映對應(yīng)標準對象步態(tài)特征的參數(shù)，最終構(gòu)成矩陣xym×n；再采用灰色關(guān)聯(lián)度方法建立灰色關(guān)聯(lián)度模型作為步態(tài)評估模型，其中，灰色關(guān)聯(lián)度模型中的標準化特征參數(shù)向量xref，參考數(shù)列r、最小值minabs與最大值maxabs的計算方式如下：

首先，計算標準化特征參數(shù)向量xref，下式中，xi(j)代表xym×n的第i行，第j列：

其次，根據(jù)標準化特征參數(shù)向量xref歸一化中間參數(shù)zym×n，下式中，zi(j)代表zym×n的第i行第j列數(shù)值，xref(j)代表xref向量的第j列數(shù)值；

然后，計算參考數(shù)列r：

最后，確定最小值minabs與最大值maxabs，下式中，r(j)代表r的第j列數(shù)值：

所述將所述若干反映被測對象步態(tài)特征的參數(shù)帶入所述步態(tài)評估模型，對被測對象的步態(tài)進行評估包括：

提取了被測對象的y個agg，反映被測對象步態(tài)特征的參數(shù)包括：pearson相關(guān)系數(shù)，即參數(shù)p；動態(tài)時間規(guī)整距離，即參數(shù)d；極值點個數(shù)，即參數(shù)e；諧波系數(shù)，即參數(shù)h；對稱性參數(shù)，即參數(shù)s；則構(gòu)成矩陣gy×n，根據(jù)步態(tài)評估模型中的標準化特征參數(shù)向量xref進行歸一化得到歸一化矩陣

根據(jù)步態(tài)評估模型中的參考數(shù)列r、最小值minabs與最大值maxabs計算關(guān)聯(lián)系數(shù)ξ(y×n)，下式中，代表的第i行第j列數(shù)值，ξi(j)代表ξ(y×n)的第i行第j列數(shù)值：

其中，γ為分辨系數(shù)；

根據(jù)關(guān)聯(lián)系數(shù)ξ(y×n)求歸一化矩陣第i行與參考數(shù)列r之間的關(guān)聯(lián)度ci：

其中，ωj為權(quán)重；

計算步態(tài)評估分數(shù)score：

一種步態(tài)能力評估裝置，包括：

數(shù)據(jù)分析及特征參數(shù)提取模塊，用于根據(jù)獲取到的連續(xù)的步態(tài)加速度信號來提取被測對象的個人步態(tài)模式agg，并與預定的標準步態(tài)模板cgg進行對比，從而計算出若干反映被測對象步態(tài)特征的參數(shù)；

步態(tài)評估模塊，用于分別從若干預定標準對象的agg中，提取出反映對應(yīng)標準對象步態(tài)特征的參數(shù)，從而建立步態(tài)評估模型；再將所述若干反映被測對象步態(tài)特征的參數(shù)帶入所述步態(tài)評估模型，對被測對象的步態(tài)進行評估。

該裝置還包括：

多通道步態(tài)信號采集模塊，用于獲取被測對象的步態(tài)加速度信號；所述多通道步態(tài)信號采集模塊放置于被測對象腰部、大腿后側(cè)中間部分；

數(shù)據(jù)顯示模塊，用于實時顯示步態(tài)加速度信號的波形，以及最終的步態(tài)評估結(jié)果。

所述數(shù)據(jù)分析及特征參數(shù)提取模塊包括：

步態(tài)數(shù)據(jù)預處理單元，首先將多通道步態(tài)信號采集模塊采集到的步態(tài)加速度信號轉(zhuǎn)換到標準正交坐標系中，之后對每一通道連續(xù)的加速度信號做低通濾波處理；

步態(tài)分割與歸一化單元，針對每一通道，均利用壓力傳感器信號找到步態(tài)起始點與結(jié)束點對步態(tài)周期進行分割，并進行時間歸一化處理，獲得步態(tài)周期加速度信號accp×n，其中，p表示加速度信號通道的個數(shù)，n表示歸一化定長；

步態(tài)模式提取單元，分別計算若干個連續(xù)的步態(tài)周期加速度信號的平均值作為被測對象的agg，并對每個對象提取y個agg以表征其整體步態(tài)；

特征參數(shù)提取單元，用于針對每一被測對象的agg，分別計算反映被測對象步態(tài)特征的參數(shù)，過程如下：a、計算被測對象的agg與標準步態(tài)模式cgg每一對應(yīng)通道的pearson相關(guān)系數(shù)，對所有通道的pearson相關(guān)系數(shù)求和得到參數(shù)p；b、采用動態(tài)規(guī)劃方法計算被測對象的agg與cgg每一對應(yīng)通道的動態(tài)時間規(guī)整距離，對所有通道動態(tài)時間規(guī)整距離求和得到參數(shù)d；c、計算被測對象的agg每一通道的極值點個數(shù)，對所有通道極值點個數(shù)求和得到參數(shù)e；d、分別對被測對象的agg的腰部前向通道與豎直方向通道步態(tài)加速度信號進行傅里葉變換，再計算偶次諧波之和與奇數(shù)次諧波之和的比值得到諧波系數(shù)，將腰部前向與豎直方向步態(tài)加速度信號的諧波系數(shù)相加得到參數(shù)h；e、計算被測對象的agg腰部前向通道與豎直方向通道加速度的自相關(guān)系數(shù)，其中左右腿相關(guān)性峰值點，即為對稱性指標，根據(jù)腰部前向加速度與豎直方向加速度的兩個對稱性指標求和得到參數(shù)s。

所述步態(tài)評估模塊包括：步態(tài)評估模型建立單元，用于分別從若干預定標準對象的agg中，提取出反映對應(yīng)標準對象步態(tài)特征的參數(shù)，從而建立步態(tài)評估模型，其過程如下：

預定標準對象的數(shù)量為m，每一預定標準對象的agg數(shù)量為y，從每一agg中提取n個反映對應(yīng)標準對象步態(tài)特征的參數(shù)，最終構(gòu)成矩陣xym×n；再采用灰色關(guān)聯(lián)度方法建立灰色關(guān)聯(lián)度模型作為步態(tài)評估模型，其中，灰色關(guān)聯(lián)度模型中的標準化特征參數(shù)向量xref，參考數(shù)列r、最小值minabs與最大值maxabs的計算方式如下：

首先，計算標準化特征參數(shù)向量xref，下式中，xi(j)代表xym×n的第i行，第j列：

其次，根據(jù)標準化特征參數(shù)向量xref歸一化中間參數(shù)zym×n，下式中，zi(j)代表zym×n的第i行第j列數(shù)值，xref(j)代表xref向量的第j列數(shù)值；

然后，計算參考數(shù)列r：

最后，確定最小值minabs與最大值maxabs，下式中，r(j)代表r的第j列數(shù)值：

所述步態(tài)評估模塊包括：步態(tài)評分單元，用于將所述若干反映被測對象步態(tài)特征的參數(shù)帶入所述步態(tài)評估模型，對被測對象的步態(tài)進行評估，其過程如下：

提取了被測對象的y個agg，反映被測對象步態(tài)特征的參數(shù)包括：pearson相關(guān)系數(shù)，即參數(shù)p；動態(tài)時間規(guī)整距離，即參數(shù)d；極值點個數(shù)，即參數(shù)e；諧波系數(shù)，即參數(shù)h；對稱性參數(shù)，即參數(shù)s；則構(gòu)成矩陣gy×n，根據(jù)步態(tài)評估模型中的標準化特征參數(shù)向量xref進行歸一化得到歸一化矩陣

根據(jù)步態(tài)評估模型中的參考數(shù)列r、最小值minabs與最大值maxabs計算關(guān)聯(lián)系數(shù)ξ(y×n)，下式中，代表的第i行第j列數(shù)值，ξi(j)代表ξ(y×n)的第i行第j列數(shù)值：

其中，γ為分辨系數(shù)；

根據(jù)關(guān)聯(lián)系數(shù)ξ(y×n)求歸一化矩陣第i行與參考數(shù)列r之間的關(guān)聯(lián)度ci：

其中，ωj為權(quán)重；

計算步態(tài)評估分數(shù)score：

由上述本發(fā)明提供的技術(shù)方案可以看出，從運動學層面分析被測對象的步態(tài)，其能夠客觀的對步態(tài)能力進行評估，且可靠性較高，可以作為其他技術(shù)領(lǐng)域的參考數(shù)據(jù)；此外，涉及的硬件價格也遠遠低于現(xiàn)有步態(tài)分析裝置，從而降低成本。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域的普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他附圖。

圖1為本發(fā)明實施例提供的一種步態(tài)能力評估方法的流程圖；

圖2為本發(fā)明實施例提供的多通道步態(tài)信號采集模塊示意圖；

圖3為本發(fā)明實施例提供的步態(tài)評分的流程圖；

圖4為本發(fā)明實施例提供的一種步態(tài)能力評估裝置的示意圖。

具體實施方式

下面結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明的保護范圍。

圖1為本發(fā)明實施例提供的一種步態(tài)能力評估方法的流程圖，如圖1所示，其主要包括如下步驟：

步驟11、根據(jù)獲取到的連續(xù)的步態(tài)加速度信號來提取被測對象的agg(averagegaitgraph，個人步態(tài)模式)，并與預定的cgg(characteristicgaitgraph，標準步態(tài)模板)進行對比，從而計算出若干反映被測對象步態(tài)特征的參數(shù)。

本發(fā)明實施例中，可以直接從存儲介質(zhì)中讀取連續(xù)的步態(tài)加速度信號，再進行的后續(xù)操作；當然，也可以利用多通道步態(tài)信號采集模塊來獲得被測對象的步態(tài)加速度信號。

示例性的，所述多通道步態(tài)信號采集模塊可以采用如圖2所示的三個慣性測量傳感器實現(xiàn)，每一慣性測量傳感器imu分別放置于被測對象腰部、大腿后側(cè)中間部分。

示例性的，為了確保采集到的步態(tài)加速度信號有效，可以讓被測對象首先嘗試步行1-2分鐘，直至適應(yīng)場地與設(shè)備。實際采集時沿一條水平直線以舒適速度行走5-8分鐘。

本發(fā)明實施例中，所述的被測對象，以及后文所提到的標準對象都可以是人體或者是仿真的具有行走能力的人體模型。但是，需要強調(diào)的是，即使將人體作為被測對象，并不需要對人體做其他的處理，本方案僅獲取外部數(shù)據(jù)，并由處理器(或者其他類似裝置)進行后續(xù)的處理。

本發(fā)明實施例中，還可以利用數(shù)據(jù)顯示模塊來實時顯示步態(tài)加速度信號的波形，以及最終的步態(tài)能力評估結(jié)果。在顯示波形時，數(shù)據(jù)顯示模塊首先根據(jù)數(shù)據(jù)具體幀格式進行實時解析，然后將解析過的數(shù)據(jù)存入文件，并實時顯示波形。

本發(fā)明實施例中，數(shù)據(jù)顯示模塊與多通道步態(tài)信號采集模塊可以通過有線或無線方式進行數(shù)據(jù)交互。

本發(fā)明實施例中，計算出若干反映被測對象步態(tài)特征的參數(shù)的過程如下：

1)首先將慣性傳感器做采集到的步態(tài)加速度信號轉(zhuǎn)換到標準正交坐標系中，具體的，可結(jié)合陀螺儀數(shù)據(jù)并采用基于四元數(shù)的轉(zhuǎn)換方法對坐標進行轉(zhuǎn)換。之后需要對每一通道連續(xù)的加速度信號做低通濾波處理；示例性的，可以使用20hz低通濾波器對數(shù)據(jù)進行濾波處理。

2)步態(tài)分割根據(jù)腳底的壓力傳感器信號進行分割，壓力傳感器放置于被測對象腳初始著地位置；即，針對每一通道，均利用壓力傳感器信號找到步態(tài)起始點與結(jié)束點對步態(tài)周期進行分割。由于分割出的步態(tài)周期加速度信號長度不同為了使得步態(tài)信號具有可比性，以及方便后續(xù)處理，需要進行時間歸一化處理，獲得步態(tài)周期加速度信號accp×n，其中，p表示加速度信號通道的個數(shù)，n表示歸一化定長。

3)分別計算若干個連續(xù)的步態(tài)周期加速度信號的平均值作為被測對象的agg，并對每個對象提取y個agg以表征其整體步態(tài)。示例性的，可以取y＝4；所述agg同樣為一個pxn的矩陣。

4)針對每一被測對象的agg，分別計算反映被測對象步態(tài)特征的參數(shù)，過程如下：a、計算被測對象的agg與標準步態(tài)模板cgg每一對應(yīng)通道的pearson相關(guān)系數(shù)，對所有通道的pearson相關(guān)系數(shù)求和得到參數(shù)p；b、采用動態(tài)規(guī)劃方法計算被測對象的agg與cgg每一對應(yīng)通道的動態(tài)時間規(guī)整距離，對所有通道動態(tài)時間規(guī)整距離求和得到參數(shù)d；c、計算被測對象的agg每一通道的極值點個數(shù)，對所有通道極值點個數(shù)求和得到參數(shù)e；d、分別對被測對象的agg的腰部前向通道與豎直方向通道步態(tài)加速度信號進行傅里葉變換，再計算偶次諧波之和與奇數(shù)次諧波之和的比值得到諧波系數(shù)，將腰部前向加速度與豎直方向步態(tài)加速度信號的諧波系數(shù)相加得到參數(shù)h；e、計算被測對象的agg腰部前向通道與豎直方向通道步態(tài)加速度信號的自相關(guān)系數(shù)，其中左右腿相關(guān)性峰值點，即為對稱性指標，根據(jù)腰部前向加速度與豎直方向加速度的兩個對稱性指標求和得到參數(shù)s。

本發(fā)明實施例中，所述的標準步態(tài)模板cgg可以通過對若干個標準對象的agg求平均來獲得。

步驟12、分別從若干預定標準對象的agg中，提取出反映對應(yīng)標準對象步態(tài)特征的參數(shù)，從而建立步態(tài)評估模型；再將所述若干反映被測對象步態(tài)特征的參數(shù)帶入所述步態(tài)評估模型，對被測對象的步態(tài)進行評估。

本步驟主要包括兩部分內(nèi)容：建立步態(tài)評估模型，以及步態(tài)評分。

1、建立步態(tài)評估模型，其具體過程如下：

假設(shè)，預定標準對象的數(shù)量為m，每一預定標準對象的agg數(shù)量為y，從每一agg中提取n個反映對應(yīng)標準對象步態(tài)特征的參數(shù)，最終構(gòu)成矩陣xym×n；再采用灰色關(guān)聯(lián)度方法建立灰色關(guān)聯(lián)度模型作為步態(tài)評估模型，其中，灰色關(guān)聯(lián)度模型中的標準化特征參數(shù)向量xref，參考數(shù)列r、最小值minabs與最大值maxabs的計算方式如下：

首先，計算標準化特征參數(shù)向量xref，下式中，xi(j)代表xym×n的第i行，第j列：

其次，根據(jù)標準化特征參數(shù)向量xref歸一化中間參數(shù)zym×n，下式中，zi(j)代表zym×n的第i行第j列數(shù)值，xref(j)代表xref向量的第j列數(shù)值。

然后，計算參考數(shù)列r：

最后，確定最小值minabs與最大值maxabs，下式中，r(j)代表r的第j列數(shù)值：

2、步態(tài)評分，如圖3所示，其具體過程如下：

提取被測對象的y個agg，并提取反映被測對象步態(tài)特征的參數(shù)包括：pearson相關(guān)系數(shù)，即參數(shù)p；動態(tài)時間規(guī)整距離，即參數(shù)d；極值點個數(shù)，即參數(shù)e；諧波系數(shù)，即參數(shù)h；對稱性參數(shù)，即參數(shù)s；則構(gòu)成矩陣gy×n，根據(jù)步態(tài)評估模型中的標準化特征參數(shù)向量xref進行歸一化得到歸一化矩陣

根據(jù)步態(tài)評估模型中的參考數(shù)列r、最小值minabs與最大值maxabs計算關(guān)聯(lián)系數(shù)ξ(y×n)，下式中，代表的第i行第j列數(shù)值，ξi(j)代表ξ(y×n)的第i行第j列數(shù)值：

其中，γ為分辨系數(shù)；

根據(jù)關(guān)聯(lián)系數(shù)ξ(y×n)求歸一化矩陣第i行與參考數(shù)列r之間的關(guān)聯(lián)度ci：

其中，ωj為權(quán)重；

計算步態(tài)評估分數(shù)score：

當進行完上述處理過程后，可以將相關(guān)數(shù)據(jù)存儲在信息存儲模塊中。

本發(fā)明實施例的上述方案，從運動學層面分析被測對象的步態(tài)，其可以對步態(tài)能力進行客觀的評價，并可以作為其他技術(shù)領(lǐng)域的參考數(shù)據(jù)；此外，涉及的硬件價格也遠遠低于現(xiàn)有步態(tài)分析裝置，從而降低成本。

通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到上述實施例可以通過軟件實現(xiàn)，也可以借助軟件加必要的通用硬件平臺的方式來實現(xiàn)。基于這樣的理解，上述實施例的技術(shù)方案可以以軟件產(chǎn)品的形式體現(xiàn)出來，該軟件產(chǎn)品可以存儲在一個非易失性存儲介質(zhì)(可以是cd-rom，u盤，移動硬盤等)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述的方法。

本發(fā)明另一實施例還提供一種步態(tài)能力評估裝置，該裝置可用于實現(xiàn)前述實施例所述的方案，如圖4所示，其主要包括：

數(shù)據(jù)分析及特征參數(shù)提取模塊，用于根據(jù)獲取到的連續(xù)的加速度信號來提取被測對象的個人步態(tài)模式agg，并與預定的標準步態(tài)模板cgg進行對比，從而計算出若干反映被測對象步態(tài)特征的參數(shù)；

步態(tài)評估模塊，用于分別從若干預定標準對象的agg中，提取出反映對應(yīng)標準對象步態(tài)特征的參數(shù)，從而建立步態(tài)評估模型；再將所述若干反映被測對象步態(tài)特征的參數(shù)帶入所述步態(tài)評估模型，對被測對象的步態(tài)進行評估。

此外，該裝置還包括：

多通道步態(tài)信號采集模塊，用于獲取被測對象的步態(tài)加速度信號；所述多通道步態(tài)信號采集模塊放置于被測對象腰部、大腿后側(cè)中間部分；

數(shù)據(jù)顯示模塊，用于實時顯示加速度信號的波形，以及最終的步態(tài)評估結(jié)果。

在具體實現(xiàn)時，所述數(shù)據(jù)分析及特征參數(shù)提取模塊可以包括：

步態(tài)數(shù)據(jù)預處理單元，將多通道步態(tài)信號采集模塊采集到的步態(tài)加速度信號轉(zhuǎn)換到標準正交坐標系中，具體的，可結(jié)合陀螺儀數(shù)據(jù)并采用基于四元數(shù)的轉(zhuǎn)換方法對坐標進行轉(zhuǎn)換，之后對每一通道連續(xù)的加速度信號做低通濾波處理；

步態(tài)分割與歸一化單元，針對每一通道，均利用壓力傳感器信號找到步態(tài)起始點與結(jié)束點對步態(tài)周期進行分割，并進行時間歸一化處理，獲得步態(tài)周期加速度信號accp×n，其中，p表示加速度信號通道的個數(shù)，n表示歸一化定長；

步態(tài)模式提取單元，分別計算若干個連續(xù)的步態(tài)周期加速度信號的平均值作為被測對象的agg，并對每個對象提取y個agg以表征其整體步態(tài)。示例性的，可以取y＝4；

特征參數(shù)提取單元，用于針對每一被測對象的agg，分別計算反映被測對象步態(tài)特征的參數(shù)，過程如下：a、計算被測對象的agg與標準步態(tài)模板cgg每一對應(yīng)通道的pearson相關(guān)系數(shù)，對所有通道的pearson相關(guān)系數(shù)求和得到參數(shù)p；b、采用動態(tài)規(guī)劃方法計算被測對象的agg與cgg每一對應(yīng)通道的動態(tài)時間規(guī)整距離，對所有通道動態(tài)時間規(guī)整距離求和得到參數(shù)d；c、計算被測對象的agg每一通道的極值點個數(shù)，對所有通道極值點個數(shù)求和得到參數(shù)e；d、分別對被測對象的agg的腰部前向通道與豎直方向通道步態(tài)加速度信號進行傅里葉變換，再計算偶次諧波之和與奇數(shù)次諧波之和的比值得到諧波系數(shù)，將腰部前向加速度與豎直方向步態(tài)加速度信號的諧波系數(shù)相加得到參數(shù)h；e、計算被測對象的agg腰部前向通道與豎直方向通道加速度的自相關(guān)系數(shù)，其中左右腿相關(guān)性峰值點，即為對稱性指標，根據(jù)腰部前向加速度與豎直方向加速度的兩個對稱性指標求和得到參數(shù)s。

在具體實現(xiàn)時，所述步態(tài)評估模塊可以包括：步態(tài)評估模型建立單元，用于分別從若干預定標準對象的agg中，提取出反映對應(yīng)標準對象步態(tài)特征的參數(shù)，從而建立步態(tài)評估模型，其過程如下：

預定標準對象的數(shù)量為m，每一預定標準對象的agg數(shù)量為y，從每一agg中提取n個反映對應(yīng)標準對象步態(tài)特征的參數(shù)，最終構(gòu)成矩陣xym×n；再采用灰色關(guān)聯(lián)度方法建立灰色關(guān)聯(lián)度模型作為步態(tài)評估模型，其中，灰色關(guān)聯(lián)度模型中的標準化特征參數(shù)向量xref，參考數(shù)列r、最小值minabs與最大值maxabs的計算方式如下：

首先，計算標準化特征參數(shù)向量xref，下式中，xi(j)代表xym×n的第i行，第j列：

其次，根據(jù)標準化特征參數(shù)向量xref歸一化中間參數(shù)zym×n，下式中，zi(j)代表zym×n的第i行第j列數(shù)值，xref(j)代表xref向量的第j列數(shù)值。

然后，計算參考數(shù)列r：

最后，確定最小值minabs與最大值maxabs，下式中，r(j)代表r的第j列數(shù)值：

在具體實現(xiàn)時，所述步態(tài)評估模塊可以包括：步態(tài)評分單元，用于將所述若干反映被測對象步態(tài)特征的參數(shù)帶入所述步態(tài)評估模型，對被測對象的步態(tài)進行評估，其過程如下：

提取了被測對象的y個agg，反映被測對象步態(tài)特征的參數(shù)包括：pearson相關(guān)系數(shù)，即參數(shù)p；動態(tài)時間規(guī)整距離，即參數(shù)d；極值點個數(shù)，即參數(shù)e；諧波系數(shù)，即參數(shù)h；對稱性參數(shù)，即參數(shù)s；則構(gòu)成矩陣gy×n，根據(jù)步態(tài)評估模型中的標準化特征參數(shù)向量xref進行歸一化得到歸一化矩陣

根據(jù)步態(tài)評估模型中的參考數(shù)列r、最小值minabs與最大值maxabs計算關(guān)聯(lián)系數(shù)ξ(y×n)，下式中，代表的第i行第j列數(shù)值，ξi(j)代表ξ(y×n)的第i行第j列數(shù)值：

其中，γ為分辨系數(shù)；

根據(jù)關(guān)聯(lián)系數(shù)ξ(y×n)求歸一化矩陣第i行與參考數(shù)列r之間的關(guān)聯(lián)度ci：

其中，ωj為權(quán)重；

計算步態(tài)評估分數(shù)score：

本發(fā)明實施例中所提供的裝置還包括信息存儲模塊，用來存儲計算所需要以及計算所獲得的各種數(shù)據(jù)。在具體實現(xiàn)時，上述涉及顯示、計算與存儲的模塊可以通過諸如智能終端或者計算機之類的設(shè)備來實現(xiàn)。

需要說明的是，上述裝置中包含的各個功能模塊所實現(xiàn)的功能的具體實現(xiàn)方式在前面的實施例中已經(jīng)有詳細描述，故在這里不再贅述。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，僅以上述各功能模塊的劃分進行舉例說明，實際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能模塊完成，即將裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。

以上所述，僅為本發(fā)明較佳的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)該以權(quán)利要求書的保護范圍為準。