穿戴式下肢截肢患者的步態(tài)檢測系統研究
發(fā)布時間：2021-04-19 09:34
根據中國殘疾人聯合會2010年末公布的統計數據顯示我國殘疾人總人數8502萬,其中下肢截肢的殘疾人數是120多萬。患者在截肢后為了能夠站立起來進行正常的生活,一般會選擇安裝假肢矯形器,但假肢矯形器的安裝是否合理并且達到最佳治療效果,需要依靠醫(yī)生、治療師和矯形器技師對患者進行一套完整的體檢、步行能力測定和步態(tài)分析評估。目前還沒有一種很好的方式對其進行定量評估,而步態(tài)分析可以為醫(yī)生提供客觀量化的運動學與動力學依據。步態(tài)分析的關鍵是采用較精確的步態(tài)檢測系統,新型的步態(tài)檢測系統已經成為國內外學者的研究熱點。本文以下肢截肢患者安裝假肢矯形器的步態(tài)分析為研究內容,在閱讀大量國內外參考文獻的基礎上,針對在役步態(tài)檢測系統中存在采集設備便攜性差、步態(tài)信號識別檢測不準確等問題,提出了一種便攜式的、能準確識別步態(tài)信號的下肢截肢患者步態(tài)檢測的方法。在此基礎上,對下肢截肢患者的步態(tài)檢測系統進行總體設計,內容涵蓋測試系統的總體框架設計、便攜式結構設計、傳感系統、數據采集系統、數據傳輸系統和數據處理系統的總體設計,并對數據采集系統、數據傳輸系統和數據處理系統進行了重點分析�；诳傮w設計的技術路線,選用MPU-605...
【文章來源】：上海大學上海市 211工程院校
【文章頁數】：132 頁
【學位級別】：碩士
【部分圖文】：
不同類型的上肢與下肢假肢矯形器
上海大學碩士學位論文4一般在獲取觀察對象的步態(tài)圖像或視頻后，通過算法和軟件分析不同步行速度和姿態(tài)的人體輪廓和運動姿勢來達到步態(tài)檢測的目的。LittleJ和BoydJ認為通過非結構性方式的步態(tài)來識別個體是可行的[9]，利用從一系列灰度圖像的光流中獲得的個體運動形狀和特征來達到識別的目的。光流法的計算過程較復雜而且抗噪性較差，其運動目標探測方法的基礎是假設灰度梯度基本不變。因此徐中宇等為了從步態(tài)圖像中提取出完整的人體輪廓，提出了一種新的步態(tài)輪廓提取算法[10]。該算法首先通過背景減除法和對稱幀差法的結合提取出人體運動的區(qū)域，緊接著消除噪聲和陰影后得到了較為完整的人體輪廓，最后將該人體輪廓作為他們的改進C-V模型的初始零水平集后得到了細化的人體輪廓。其改進的算法所得到的人體輪廓如圖1.2所示，而且該算法具有良好抗噪性而且時間復雜度低、識別率高。(a)原始圖(b)分割結果圖1.2改進算法的原始圖及分割結果LiangWang和TieniuTan等提出了一種簡單有效的基于統計形狀分析的步態(tài)自動識別算法[11]。該算法的步態(tài)檢測實例如圖1.3所示。對于每個圖像序列，使用改進的背景減法程序從背景中提取步行人的運動輪廓，然后將檢測到的輪廓的時間變化表示為公共坐標系中復雜向量配置的相關序列，并使用Procrustes形狀分析方法進一步分析，獲得平均形狀作為步態(tài)特征。采用基于全譜距離測度的監(jiān)督模式分類技術進行識別。該方法不直接分析步態(tài)的動力學，而是隱式地利用步態(tài)的動作來捕捉步態(tài)的結構特征，特別是人體生物特征的形狀線索。圖1.3步態(tài)檢測實例
上海大學碩士學位論文4一般在獲取觀察對象的步態(tài)圖像或視頻后，通過算法和軟件分析不同步行速度和姿態(tài)的人體輪廓和運動姿勢來達到步態(tài)檢測的目的。LittleJ和BoydJ認為通過非結構性方式的步態(tài)來識別個體是可行的[9]，利用從一系列灰度圖像的光流中獲得的個體運動形狀和特征來達到識別的目的。光流法的計算過程較復雜而且抗噪性較差，其運動目標探測方法的基礎是假設灰度梯度基本不變。因此徐中宇等為了從步態(tài)圖像中提取出完整的人體輪廓，提出了一種新的步態(tài)輪廓提取算法[10]。該算法首先通過背景減除法和對稱幀差法的結合提取出人體運動的區(qū)域，緊接著消除噪聲和陰影后得到了較為完整的人體輪廓，最后將該人體輪廓作為他們的改進C-V模型的初始零水平集后得到了細化的人體輪廓。其改進的算法所得到的人體輪廓如圖1.2所示，而且該算法具有良好抗噪性而且時間復雜度低、識別率高。(a)原始圖(b)分割結果圖1.2改進算法的原始圖及分割結果LiangWang和TieniuTan等提出了一種簡單有效的基于統計形狀分析的步態(tài)自動識別算法[11]。該算法的步態(tài)檢測實例如圖1.3所示。對于每個圖像序列，使用改進的背景減法程序從背景中提取步行人的運動輪廓，然后將檢測到的輪廓的時間變化表示為公共坐標系中復雜向量配置的相關序列，并使用Procrustes形狀分析方法進一步分析，獲得平均形狀作為步態(tài)特征。采用基于全譜距離測度的監(jiān)督模式分類技術進行識別。該方法不直接分析步態(tài)的動力學，而是隱式地利用步態(tài)的動作來捕捉步態(tài)的結構特征，特別是人體生物特征的形狀線索。圖1.3步態(tài)檢測實例
【參考文獻】：
期刊論文
[1]基于多分類器融合的步態(tài)識別方法[J]. 郇戰(zhàn),陳學杰,呂士云,耿宏楊. 計算機應用. 2019(03)
[2]現代戰(zhàn)創(chuàng)傷致脊髓損傷患者的三維步態(tài)分析[J]. 孫嘉利,單守勤,黃美賢,顏晗,鐘世鎮(zhèn). 中國臨床解剖學雜志. 2015(02)
[3]步態(tài)分析在臨床康復應用中的研究進展[J]. 向靜,胥方元. 現代醫(yī)藥衛(wèi)生. 2014(22)
[4]面向外骨骼機器人人機交互的步態(tài)數據獲取系統及識別模型[J]. 高增桂,孫守遷,張克俊,佘鐸淳,楊鐘亮. 計算機科學. 2014(10)
[5]步態(tài)分析在下肢假肢裝配中的應用[J]. 吳志彬,蔣宛凌,舒彬. 中國康復醫(yī)學雜志. 2013(12)
[6]人體步態(tài)時相對稱性評價指標的對比研究[J]. 王人成,張美芹. 中國康復醫(yī)學雜志. 2011(10)
[7]基于改進C-V模型的步態(tài)輪廓提取方法[J]. 徐中宇,姜洪霖,張忠波. 計算機工程. 2010(17)
[8]正常成人步態(tài)特征研究[J]. 胡雪艷,惲曉平,郭忠武,王廣志,丁輝. 中國康復理論與實踐. 2006(10)
博士論文
[1]液壓驅動下肢外骨骼機器人關鍵技術研究[D]. 范伯騫.浙江大學 2017
碩士論文
[1]基于足底壓力與姿態(tài)信號的步態(tài)識別系統設計[D]. 胡慧蓮.哈爾濱工業(yè)大學 2019
[2]基于IMU的帕金森病患者凍結步態(tài)檢測方法研究[D]. 馬鑾.安徽大學 2019
[3]下肢外骨骼機器人步態(tài)檢測系統研究[D]. 茍歡.北京林業(yè)大學 2016
[4]康復用下肢外骨骼系統仿生步態(tài)規(guī)劃方法研究[D]. 張邵敏.中國科學院深圳先進技術研究院 2016
[5]基于慣性傳感器的步態(tài)測量方法研究與實現[D]. 季冉.大連理工大學 2015
本文編號：3147300
【文章來源】：上海大學上海市 211工程院校
【文章頁數】：132 頁
【學位級別】：碩士
【部分圖文】：
不同類型的上肢與下肢假肢矯形器
上海大學碩士學位論文4一般在獲取觀察對象的步態(tài)圖像或視頻后，通過算法和軟件分析不同步行速度和姿態(tài)的人體輪廓和運動姿勢來達到步態(tài)檢測的目的。LittleJ和BoydJ認為通過非結構性方式的步態(tài)來識別個體是可行的[9]，利用從一系列灰度圖像的光流中獲得的個體運動形狀和特征來達到識別的目的。光流法的計算過程較復雜而且抗噪性較差，其運動目標探測方法的基礎是假設灰度梯度基本不變。因此徐中宇等為了從步態(tài)圖像中提取出完整的人體輪廓，提出了一種新的步態(tài)輪廓提取算法[10]。該算法首先通過背景減除法和對稱幀差法的結合提取出人體運動的區(qū)域，緊接著消除噪聲和陰影后得到了較為完整的人體輪廓，最后將該人體輪廓作為他們的改進C-V模型的初始零水平集后得到了細化的人體輪廓。其改進的算法所得到的人體輪廓如圖1.2所示，而且該算法具有良好抗噪性而且時間復雜度低、識別率高。(a)原始圖(b)分割結果圖1.2改進算法的原始圖及分割結果LiangWang和TieniuTan等提出了一種簡單有效的基于統計形狀分析的步態(tài)自動識別算法[11]。該算法的步態(tài)檢測實例如圖1.3所示。對于每個圖像序列，使用改進的背景減法程序從背景中提取步行人的運動輪廓，然后將檢測到的輪廓的時間變化表示為公共坐標系中復雜向量配置的相關序列，并使用Procrustes形狀分析方法進一步分析，獲得平均形狀作為步態(tài)特征。采用基于全譜距離測度的監(jiān)督模式分類技術進行識別。該方法不直接分析步態(tài)的動力學，而是隱式地利用步態(tài)的動作來捕捉步態(tài)的結構特征，特別是人體生物特征的形狀線索。圖1.3步態(tài)檢測實例
上海大學碩士學位論文4一般在獲取觀察對象的步態(tài)圖像或視頻后，通過算法和軟件分析不同步行速度和姿態(tài)的人體輪廓和運動姿勢來達到步態(tài)檢測的目的。LittleJ和BoydJ認為通過非結構性方式的步態(tài)來識別個體是可行的[9]，利用從一系列灰度圖像的光流中獲得的個體運動形狀和特征來達到識別的目的。光流法的計算過程較復雜而且抗噪性較差，其運動目標探測方法的基礎是假設灰度梯度基本不變。因此徐中宇等為了從步態(tài)圖像中提取出完整的人體輪廓，提出了一種新的步態(tài)輪廓提取算法[10]。該算法首先通過背景減除法和對稱幀差法的結合提取出人體運動的區(qū)域，緊接著消除噪聲和陰影后得到了較為完整的人體輪廓，最后將該人體輪廓作為他們的改進C-V模型的初始零水平集后得到了細化的人體輪廓。其改進的算法所得到的人體輪廓如圖1.2所示，而且該算法具有良好抗噪性而且時間復雜度低、識別率高。(a)原始圖(b)分割結果圖1.2改進算法的原始圖及分割結果LiangWang和TieniuTan等提出了一種簡單有效的基于統計形狀分析的步態(tài)自動識別算法[11]。該算法的步態(tài)檢測實例如圖1.3所示。對于每個圖像序列，使用改進的背景減法程序從背景中提取步行人的運動輪廓，然后將檢測到的輪廓的時間變化表示為公共坐標系中復雜向量配置的相關序列，并使用Procrustes形狀分析方法進一步分析，獲得平均形狀作為步態(tài)特征。采用基于全譜距離測度的監(jiān)督模式分類技術進行識別。該方法不直接分析步態(tài)的動力學，而是隱式地利用步態(tài)的動作來捕捉步態(tài)的結構特征，特別是人體生物特征的形狀線索。圖1.3步態(tài)檢測實例
【參考文獻】：
期刊論文
[1]基于多分類器融合的步態(tài)識別方法[J]. 郇戰(zhàn),陳學杰,呂士云,耿宏楊. 計算機應用. 2019(03)
[2]現代戰(zhàn)創(chuàng)傷致脊髓損傷患者的三維步態(tài)分析[J]. 孫嘉利,單守勤,黃美賢,顏晗,鐘世鎮(zhèn). 中國臨床解剖學雜志. 2015(02)
[3]步態(tài)分析在臨床康復應用中的研究進展[J]. 向靜,胥方元. 現代醫(yī)藥衛(wèi)生. 2014(22)
[4]面向外骨骼機器人人機交互的步態(tài)數據獲取系統及識別模型[J]. 高增桂,孫守遷,張克俊,佘鐸淳,楊鐘亮. 計算機科學. 2014(10)
[5]步態(tài)分析在下肢假肢裝配中的應用[J]. 吳志彬,蔣宛凌,舒彬. 中國康復醫(yī)學雜志. 2013(12)
[6]人體步態(tài)時相對稱性評價指標的對比研究[J]. 王人成,張美芹. 中國康復醫(yī)學雜志. 2011(10)
[7]基于改進C-V模型的步態(tài)輪廓提取方法[J]. 徐中宇,姜洪霖,張忠波. 計算機工程. 2010(17)
[8]正常成人步態(tài)特征研究[J]. 胡雪艷,惲曉平,郭忠武,王廣志,丁輝. 中國康復理論與實踐. 2006(10)
博士論文
[1]液壓驅動下肢外骨骼機器人關鍵技術研究[D]. 范伯騫.浙江大學 2017
碩士論文
[1]基于足底壓力與姿態(tài)信號的步態(tài)識別系統設計[D]. 胡慧蓮.哈爾濱工業(yè)大學 2019
[2]基于IMU的帕金森病患者凍結步態(tài)檢測方法研究[D]. 馬鑾.安徽大學 2019
[3]下肢外骨骼機器人步態(tài)檢測系統研究[D]. 茍歡.北京林業(yè)大學 2016
[4]康復用下肢外骨骼系統仿生步態(tài)規(guī)劃方法研究[D]. 張邵敏.中國科學院深圳先進技術研究院 2016
[5]基于慣性傳感器的步態(tài)測量方法研究與實現[D]. 季冉.大連理工大學 2015
本文編號：3147300
本文鏈接：http://sikaile.net/kejilunwen/yiqiyibiao/3147300.html
