一种基于足底压力分布信息的左右脚动态识别方法

摘要

本发明公开了一种基于足底压力分布信息的左右脚动态识别方法，包括足底压力数据滤波、足底压力数据聚类、单步脚印图像处理及左右脚动态识别；其中足底压力数据滤波采用一种改进型的IMF滤波算法；足底压力数据聚类分析采用K-means聚类算法；单步脚印图像处理包括脚印图像双线性插值放大、中值滤波及形态学处理等；左右脚动态识别依据拟合后的脚印轮廓曲线和脚印宽度曲线的极值分布情况进行判别。本发明方法能够实时处理分析足底压力数据，并根据脚印序列每一步的起止时间计算行走过程中的步态特征参数。本发明方法简单、识别速度快、识别准确率高且具有较好的鲁棒性，可推广应用于医院、康复机构以及从事相关步态研究的高校和研究机构。

主权项

一种基于足底压力分布信息的左右脚动态识别方法，其特征在于具体实现为：(1)利用柔性阵列压力传感器拼装成的数字化场地系统实时采集人在正常步态行走过程中足底压力数据；(2)利用一种改进型的IMF滤波算法对(1)中获取的足底压力数据进行滤波处理；(3)对滤波处理后的足底压力数据进行K‑means聚类分析，聚类分析完成后，得到单个脚印的起止时间，即开始帧和结束帧，以及单个脚印在数字化场地系统中的坐标范围；(4)利用步骤(3)中得到的单个脚印的起止时间和单个脚印在数字化场地系统中的坐标范围对单步足底压力数据Pre[i,j]进行提取，i、j分别表示行列坐标；将提取的单脚足底压力数据映射到脚印图像矩阵Mat(m,n)，并对脚印图像进行二值化处理，得到二值化脚印图像，映射按照下式进行：m，n表示映射过后的行列坐标，hoffset表示水平偏移量，voffset表示竖直偏移量；$\left\{\begin{array}{c}m=i-\mathrm{top}+\mathrm{hoffset}\\ n=j-\mathrm{left}+\mathrm{voffset}\end{array}\right.$(5)利用双线性插值对二值化脚印图像进行近邻插值放大，利用凸包算法计算放大后脚印图像的最小外接矩形，并以最小外接矩形两轴夹角进行旋转，旋转后，脚印长轴方向应为水平方向，短轴方向应为纵轴方向，并对旋转后图像进行平滑滤波处理；(6)对图像进行形态学处理，对脚印凸出区域进行自适应去除，对脚印缺省区域进行自适应填充，腐蚀和膨胀操作分别利用下式进行：腐蚀操作：膨胀操作：$Y=E\oplus B=\{y:B\left(y\right)\cap E\ne \Phi \}$上式中，X、Y分别为经过腐蚀操作和膨胀操作的结果；⊙表示腐蚀操作运算符、表示膨胀操作运算符；B(x)和B(y)代表结构元素，E为工作空间；(7)利用Canny算子边界提取算法提取脚印外轮廓，并利用平行线扫描方式计算脚印宽度以及上下轮廓点坐标，利用最小二乘法对脚印宽度、脚印轮廓进行曲线拟合；(8)分析拟合的脚印宽度曲线和脚印上轮廓、脚印下轮廓曲线的极值分布情况，与脚印宽度曲线模型、脚印外轮廓曲线模型以及脚印内轮廓曲线模型的极值分布情况做比较，利用左右脚判定准则动态判断脚印是左脚脚印还是右脚脚印；重复步骤(1)到步骤(8)，直到脚印序列中的所有脚印识别完成；所有脚印识别完成后，解算行走过程中的步态特征参数。