专利交易市场

本发明公开了一种步态监测方法，在左、右鞋垫下侧分别安装左压力传感器和右压力传感器，在左、右鞋垫足弓区域分别安装左距离传感器和右距离传感器；在人体的后侧腰部处设置第一距离传感器，在人体的背部中间设置第二距离传感器；获取所述左压力传感器和右压力传感器的压力数据和所述左距离传感器、右距离传感器、第一距离传感器和第二距离传感器的相互之间的距离数据；根据压力数据和距离数据生成实时行走姿态；根据人体的身高信息和体重信息生成行走标准姿态；将实时行走姿态与标准姿态进行对比，判断行走是否正常。本发明具有以下有益效果：该方法能够方便、精确的安装测量装置，能够实时进行监测。

本发明实施例提供一种基于肌电信号的步态识别模型建立方法、识别方法及装置，所述模型建立方法包括以下步骤：采集肌电信号；降噪处理；添加类标签并提取以下肌电信号特征：斜率变化率、威利森幅度、方差对数、波形长度和特征DB7-MAV；计算DBI指标和SCAT指标并获得综合评定结果；将综合评定结果作为样本按预定比例随机分为训练样本组和测试样本组，并分别输入LightGBM模型中进行训练和测试，根据训练集误差和测试集误差调整LightGBM模型中的参数，重复进行分组、训练、测试和调整参数，直到模型测试结果的误差符合预定标准的数据模型，将人体步态类型与综合评定结果的对应关系存入数据模型。本发明实施例可高效、准确地建立数据模型，且步态识别率高，识别结果更可靠。

本发明公开了按部分学习解耦表征的步态识别方法，包括如下步骤：(1)通过自编码器将原始图像分解成外观特征、典型特征和姿态特征；(2)利用水平金字塔匹配HPM将典型特征提取为静态步态特征；(3)利用微运动捕捉模块MCM将姿态特征累计成动态步态特征；(4)将静态步态特征和动态步态特征进行拼接实现特征嵌入操作。本发明通过使用水平金字塔匹配和微运动捕捉模块分别提取静态特征和动态特征，显著提升模型在极端角度的识别性能。

本发明公开了一种结合视角转换模型与隐马尔可夫模型的步态识别方法，根据人行走习惯特点选取5个具有代表性的步态作为关键帧，计算一个步态周期内各帧到5个关键步态帧的距离并归一化后构造步态特征向量，利用该步态特征向量结合截断奇异值分解构造视角转换模型并训练隐马尔可夫模型参数。通过视角转换模型将测试集观测向量转换为与注册集相同的视角，最后实现基于隐马尔可夫模型的跨视角步态识别。经视角转换模型转换后的测试集与注册集具有更高的共性，隐马尔可夫模型也利于表达步态转换过程，该方法结合视角转换模型与隐马尔可夫模型的优点，增强了对视角变化的鲁棒性，能够在跨视角识别的情况下取得较好的效果。