一种测量足底压力的方法

暂无

一种测量足底压力的方法\n技术领域\n[0001] 本发明专利属于足底压力测量领域，具体涉及一种通过足底压力模型提高便携式足底压力装置测量精度和测量广度的方法。\n背景技术\n[0002] 对足底压力的测量对于足腿部疾病、糖尿病等病情的诊断、鞋子的设计、身份的识别、智能控制等领域起到了重要作用。然而现有的精确测量设备，由于测量点数多，控制复杂，对硬件的要求高等特点价格昂贵，一般仅限于专业机构使用，另一方面简易的测量装置，甚至是便携式的足底压力测量设备，由于测量点数少，定位不准确等特点，无法作为专业分析的依据。本专利通过对不同人个体行走过程中相关足底压力数据进行建模，得到符合个人特征的足底压力模型，再配以关键点上的压力测量装置，通过对少数关键点的测量就可以通过足底压力模型得到完整精确的足底压力信息。从而使得使用简易的测量点数较少的足底压力便携设备就可以得到专业人士分析时需要的足底压力数据，并可以实现长时间实时测量。同时减少了测量数据量，为远程传输、大数据传输减少了压力，形成了数据压缩。\n发明内容\n[0003] 本发明的目的在于提供一种测量足底压力的方法，通过建立足底压力模型，在拥有少数测量点测量值的情况下，就可以得到足底压力完整而准确的数据。\n[0004] 为达上述目的，本发明通过以下技术方案实现：\n[0005] 一种测量足底压力的方法：\n[0006] 首先，使用较多传感点的足底压力测量设备测量静态的足底压力和动态的足底压力；其中静态的足底压力包括静止状态正常自然站立、保持身体平衡姿势稳定条件下的足底压力；动态的足底压力包括完成特定动作过程中整个动作周期中各时间点上的足底压力，除此之外，还包括整个动作周期中，足底各位置点压力的最大值组合在一起的足底压力最大值信息，足底各位置点压力的平均值组合在一起的足底压力平均值信息进行简单处理得到的信息；\n[0007] 其次，对采集到的针对个人的足底压力信息进行分析与建模，得到针对个人的足底压力模型；\n[0008] 最后，利用较少传感点的足底压力测量设备监测个人的足底压力情况，通过较少的足底压力信息和针对个人的足底压力模型，对监测点的位置上的足底压力情况进行估计，最终实现通过较少传感点得到完整准确的足底压力信息的功能。\n[0009] 作为本发明的进一步改进，所述较多传感点的足底压力测量设备传感点的分布是阵列式的，且阵列上传感点之间的间距不同；测量者多次测量后，通过提取和对齐每次落脚的足印信息，将足底相对位置相同的点上的测量值进行平均化处理，将足底相对位置不同的点上的测量值进行拼接，以得到足底更多相对位置上的测量值；在进行足印信息对齐方面，使用传感点阵列上每次落脚的压力传感点边界轮廓信息进行角度的旋转和位置的移位。\n[0010] 作为本发明的进一步改进，所述针对个人的足底压力信息进行分析与建模具体包括：所述较少传感点的足底压力测量设备上的传感点在足底上的相对位置点即为测量关键点；使用所述较多传感点的足底压力测量设备采集到的足底压力信息，搭建一个神经网络，以测量关键点位置上的足底相对位置的坐标和该测量关键点上的足底相对位置的测量值,以及部分非测量关键点的坐标和测量值，来训练神经网络；当输入估计点的坐标给神经网络时，所得到的对应该坐标的估计值与该点的实测值偏差小于预设阈值时，神经网络训练完成，所得到的神经网络，包括神经网的结构和参系数，即为含有个体特征的足底压力模型；使用时将所述较少传感点的足底压力测量设备测得的足底压力情况以及需要估计的各足底相对位置点的坐标值，代入足底压力模型，得到足底各位置点上的估计值，即实现了通过较少传感点得到完整准确的足底压力信息的功能。\n[0011] 作为本发明的进一步改进，针对个人足底压力信息的分析与建模还包括：所述较少传感点的足底压力测量设备上的传感点在足底上的相对位置点即为测量关键点；所述针对个人的足底压力模型由一个函数表示，该函数的经验公式为f(h)＝0.5*avg[(valuei-\n2\nvaluej) ]，h为各测量关键点之间的距离即为自变量，该距离由两测量关键点的坐标计算得到，计算函数值时，首先查找满足距离差为h的所有测量关键点对的集合；通过该函数的经验公式和所述较多传感点的足底压力测量设备实测的足底压力点，得到以h，f(h)为横纵坐标的坐标系，以及通过该函数的经验公式得到的函数散点图，该散点图是足底压力模型的离散的经验模型；通过圆、球面、指数、高斯、线性函数，对该散点图进行拟合，通过调节各函数中的参数使得函数曲线与散点之间的差值的平方的平均值最小，且如果添加一个相应的距离，每个点都会在线上方，或者如果添加另一个相应的距离，每个点都会在线下方，这两个距离值应该是相似的，拟合出的函数f(h)即为足底压力模型的连续的估计模型，最后使用该足底压力模型的连续的估计模型和较少传感点的足底压力测量设备的测量值，实现通过较少传感点得到完整准确的足底压力信息的功能。\n[0012] 作为本发明的进一步改进，使用所述足底压力模型的连续的估计模型和所述测量关键点上的值，估计所需位置上点的值，估计过程为被估计点的值等于各所述测量关键点上的值乘以各所述测量关键点在被估计点上的贡献系数后的加和；所述各测量关键点在被估计点上的贡献系数由公式计算得到，计算公式为A＝K-1D,其中A为贡献系数矩阵,K为测量关键点协方差函数矩阵，D为测量关键点与估计点之间的协方差函数矩阵，即：\n[0013] 其中an为第n个测量关键\n点在估计点上的贡献系数，cij为第i个测量关键点和第j个测量关键点之间的协方差，c(xn,x)为第n个测量关键点与估计点之间的协方差，q为拉格朗日乘数。而各点之间的协方差的计算由足底压力的模型和两点之间的距离决定，即c(h)＝c(0)-f(h),h为两点之间的距离；\n由此得到估计点上的估计值，实现通过较少传感点得到完整准确的足底压力信息的功能；\n由此得到除实测点外其他位置上的估计点的估计值。\n[0014] 作为本发明的进一步改进，为了减少计算量选择仅对关键的估计点进行估计，关键估计点在足底面积上建立上下左右间隔相等的矩阵估计点，间隔内的点的估计工作使用相邻的矩阵估计点进行线性拟合。\n[0015] 作为本发明的进一步改进，对足底压力信息进行区域化划分，区域化划分的依据根据足底与地面接触时的生物力学特征点，以这些特征点的位置为质心，进行聚类划分，聚类划分的过程以围绕质心点向外延展过程中的梯度变化为依据，各点之间的梯度计算不以单点值计算，而以该点为中心周围一定面积内的点的平均值来计算；根据区域化划分，得到足底的压力分区，每个分区将在所述较少传感点的足底压力测量设备中被认为是至少需要布局一个测量点的区域，即关键测量区域。\n[0016] 作为本发明的进一步改进，当区域内沿不同方向上的变化存在一定差异时，为了减小方向上的差异带来的估计点的估计误差，需要分析每个区域内压力在不同方向上的变化，至少包括两个方向上的变化，比如该区域内固定的纵向和横向两个方向，纵向为脚尖和脚跟之间的连线方向，横向为脚尖和脚跟之间连线的垂直方向，或依据区域边界的凸凹情况决定参考方向，或依据区域内压力信息的梯度情况决定参考方向，分析在参考方向上的压力变化规律；在各参考方向上，以占变化规律最主要成分的方向为主方向，其他方向为次要方向，以主方向为依据，对次要方向根据异向比压缩距离轴使变程相同，然后进行各方向的叠加，从而得到区域内的足底压力模型f(h)，f(h)＝f0(h)+f1(h)+f2(h)+…+fn(h)，其中fn(h)代表沿某一方向上的足底压力模型。\n[0017] 作为本发明的进一步改进，区域化后的足底压力模型充分考虑了局部的影响，然而在更大尺度上的区域之间以及整个足底平面上的变化对估计点的影响并没有充分的考虑，因此更为充分的足底压力模型f(h)＝f(h)＝f0(h)+f1(h)+f2(h)+…+fm(h)，其中fm(h)代表不同尺度区域下的足底压力模型。\n[0018] 作为本发明的进一步改进，所述较少传感点的足底压力测量设备，一般考虑其便携式和持续监测的需求，包括传感部分，电源部分，电路调理部分，数据打包部分和无线发射部分，传感部分的衬垫形状如同鞋垫，衬垫使用薄膜电路板制造工艺制作，衬垫上有阵列导线布设，且上面有阵列插嵌点，将足底压力传感器单元插嵌入插嵌点上，根据实际测量时对测量点位置的选择，通过插拔或点焊完成足底压力传感器单元位置的布设和调整。\n附图说明\n[0019] 图1是本发明一种测量足底压力的方法基本流程的示意图；\n[0020] 图2是本发明一种较多传感点足底压力测量设备传感点矩阵布局示意图；\n[0021] 图3是本发明一种神经网络足底压力模型的示意图；\n[0022] 图4是本发明一种基于距离相关插值模型的足底压力模型的示意图；\n[0023] 图5是本发明一种通过少数测量点和足底压力模型估计估计点的过程示意图；\n[0024] 图6是本发明一种较少传感点的足底压力测量设备实施方式的示意图；\n具体实施方案\n[0025] 下面通过具体实施方式结合附图对本发明作进一步详细说明。\n[0026] 如附图1所示的一种测量足底压力的方法基本流程的示意图。首先使用较多点的足底压力测量设备测量得到测试者动、静态的详细的足底压力数据信息，其次依据该信息分析得到该测试者的足底压力模型，最后在日常使用简易的较少点的足底压力测量设备进行监测时，通过少量的足底压力数据和该测试者的足底压力模型，计算出完善详细的该测试者的足底压力信息。\n[0027] 具体的流程为：\n[0028] 首先，使用较多传感点的足底压力测量设备测量静态的足底压力、动态的足底压力；其中静态的足底压力，包括静止状态正常自然站立，保持身体平衡姿势稳定条件下的足底压力；动态的足底压力，包括完成特定动作过程中，整个动作周期中各时间点上的足底压力，相当于各时间帧上的足底压力图像，优选针对正常行走动作的测量，除此之外，还包括整个动作周期中，足底各位置点压力的最大值组合在一起的足底压力最大值信息，足底各位置点压力的平均值组合在一起的足底压力平均值信息等可以简单处理得到的信息。\n[0029] 其次，对采集到的针对个人的足底压力信息进行分析与建模，得到针对个人的足底压力模型。\n[0030] 最后，利用较少传感点的足底压力测量设备监测个人的足底压力情况，通过较少的足底压力信息和针对个人的足底压力模型，对监测点的位置上的足底压力情况进行估计，最终实现通过较少传感点得到完整准确的足底压力信息的功能。\n[0031] 测得的压力数值的有效性由各传感点传感器的特性决定，包括传感材料、传感电路、以及传感器的大小等。测量设备测量的是有限个传感点的值，即使是较多传感点的传感器也不能准确测量整个脚底平面每个位置上的准确值，因为传感器的体积以及足底是平面，准确的说是足底与传感器的接触面积是一个平面，所以只能得到该平面的平均压力值，另一方面，传感器之间存在一定的间距，在间距上的足底压力值，是不能通过一次测量而测得的，一般需要采用多次测量，每次测量时传感点在足底的相对位置发生变化，从而采集到足底更多位置上的压力数值。\n[0032] 由于某些足底压力的测量设备位置固定不变，而测量者的测量过程为在整个测量区域范围内进行较随意的行走，所以要将每次落脚的足印进行提取后，并进行对齐处理，对齐处理根据边界轮廓的情况进行角度的旋转和位置的移位，如果是相同的位置点，用于该位置的多次测量取平均值使用，如果是不同的位置点，则将不同位置的测量点图像进行拼接，构成更多测量点的足底压力图像。所述较多传感点的足底压力测量设备，传感点的分布是阵列式的，且阵列上传感点之间的间距不同，这样有助于构建相对位置不同的测量点。\n[0033] 如附图2所示的一种较多传感点足底压力测量设备传感点矩阵布局示意图，脚印形状一定，如脚印1和脚印2在不同方向上落脚时，将脚印1和脚印2旋转移位后对齐，点的位置相同，则将相同点的测量值取平均，如脚印1和脚印3，将脚印1和脚印3旋转移位后对齐，点的位置有的相同，有的不同，则将相同的点的测量值取平均，不同的点的测量值进行拼接，构成更多点的测量信息，其点数可能超过拼接前的任何一个脚印的测量点数。\n[0034] 不同位置测量点的拼接可以增加实测的点数，但是仍然不能形成足底压力图，最终仍然需要插值和拟合的过程，只是在极多的足底相对位置测量点的测量值条件下，对缺失点的插值和拟合更加容易，更线性化，因为出现突变的趋势体现，基本已经在测量值中体现。\n[0035] 另外多次测量，对相同动作周期时间点、相同足底相对位置上的压力值进行平均处理，可以减少单次测量造成的误差。对于静态的足底压力测量，是一种相对时间较短的，姿势固定、身体较稳定的动态测量。\n[0036] 如附图4所示的一种基于距离相关插值模型的足底压力模型的示意图。从某区域或整个足底面上，得到测量点上的坐标和测量值，根据模型的经验公式，做出该区域或整个足底压力模型的离散的经验模型，即散点图，再选择球形模型函数对散点图进行拟合，最终得到球形模型的某区域或整个足底压力模型的连续的估计模型。\n[0037] 所述较少传感点的足底压力测量设备上的传感点在足底上的相对位置点即为测量关键点；使用所述较多传感点的足底压力测量设备采集到的足底压力信息，搭建一个神经网络，以测量关键点位置上的足底相对位置的坐标和该测量关键点上的足底相对位置的测量值,以及部分非测量关键点的坐标和测量值，来训练神经网络；当输入估计点的坐标给神经网络时，所得到的对应该坐标的估计值与该点的实测值偏差小于预设阈值时，神经网络训练完成，所得到的神经网络，包括神经网的结构和参系数，即为含有个体特征的足底压力模型；使用时将所述较少传感点的足底压力测量设备测得的足底压力情况以及需要估计的各足底相对位置点的坐标值，代入足底压力模型，得到足底各位置点上的估计值，即实现了通过较少传感点得到完整准确的足底压力信息的功能。\n[0038] 所述较少传感点的足底压力测量设备上的传感点在足底上的相对位置点即为测量关键点；所述针对个人的足底压力模型可以由一个函数表示，该函数的经验公式为f(h)＝0.5*avg[(valuei-valuej)2]，h为各测量关键点之间的距离即为自变量，该距离可以由两测量关键点的坐标计算得到，计算函数值时，首先查找满足距离差为h的所有测量关键点对的集合，为了减少计算量，有时查找的是满足距离差为h到h+Δh范围内的所有测量关键点对的集合，Δh为距离的区域化宽度，再将所有满足条件的点对中每对点的值的差进行平方运算，然后将已经得到的该集合点对的差的平方进行平均，再将平均值乘以0.5即为函数值；通过该函数的经验公式和所述较多传感点的足底压力测量设备实测的足底压力点，可以得到以h，f(h)为横纵坐标的坐标系，以及通过该函数的经验公式得到的函数散点图，该散点图是足底压力模型的离散的经验模型；通过圆、球面、指数、高斯、线性函数，对该散点图进行拟合，通过调节各函数中的参数使得函数曲线与散点之间的差值的平方的平均值最小，且如果添加一个相应的距离，每个点都会在线上方，或者如果添加另一个相应的距离，每个点都会在线下方，这两个距离值应该是相似的，拟合出的函数f(h)即为足底压力模型的连续的估计模型，最后使用该足底压力模型的连续的估计模型和较少传感点的足底压力测量设备的测量值，实现通过较少传感点得到完整准确的足底压力信息的功能。\n[0039] 使用所述足底压力模型的连续的估计模型和所述测量关键点上的值，估计所需位置上点的值，估计过程为被估计点的值等于各所述测量关键点上的值乘以各所述测量关键点在被估计点上的贡献系数后的加和；所述各测量关键点在被估计点上的贡献系数由公式计算得到，计算公式为A＝K-1D,其中A为贡献系数矩阵,K为测量关键点协方差函数矩阵，D为测量关键点与估计点之间的协方差函数矩阵，即：\n[0040] 其中an为第n个测量关键\n点在估计点上的贡献系数，cij为第i个测量关键点和第j个测量关键点之间的协方差，c(xn,x)为第n个测量关键点与估计点之间的协方差，q为拉格朗日乘数。而各点之间的协方差的计算由足底压力的模型和两点之间的距离决定，即协方差c(h)＝c(0)-f(h),h为两点之间的距离。由此可以得到估计点上的估计值，实现通过较少传感点得到完整准确的足底压力信息的功能。\n[0041] 由此可以得到除实测点外其他位置上的估计点的估计值。然而为了减少计算量我们选择仅对关键的估计点进行估计，关键估计点可以在足底面积上建立上下左右间隔相等的矩阵估计点，间隔内的点的估计工作使用相邻的矩阵估计点进行线性拟合。\n[0042] 在整个足底平面建立测量关键点，以及建立整个足底的压力模型有时会损失部分局部变化对压力模型的影响，影响足底压力模型的准确度，所以采用区域化的方式建立足底压力模型。\n[0043] 对足底压力信息进行区域化划分。区域化划分的依据可以根据足底与地面接触时的生物力学特征点，比如第一趾骨、第二跖骨、第三至五跖骨、第一趾骨、第二跖骨、第三至五趾骨、跟骨等对应位置的特征点，以这些特征点的位置为质心，进行聚类划分。聚类划分的过程以围绕质心点向外延展过程中的梯度变化为依据，并且为了提高判断的准确性，去除噪音的影响，各点之间的梯度计算不以单点值计算，而以该点为中心周围一定面积内的点的平均值来计算。\n[0044] 根据区域化划分，得到足底的压力分区，每个分区将在所述较少传感点的足底压力测量设备中被认为是至少需要布局一个测量点的区域，即关键测量区域。\n[0045] 在每个区域内建立该区域内的足底压力模型，该关键测量区域内的足底压力模型可以由一个函数表示，该函数的经验计算公式为f(h)＝0.5*avg[(valuei-valuej)2]，即函数以区域内各点之间的距离h为自变量，该距离由两点的坐标计算得到，计算函数值，首先查找满足距离差为h的所有点对的集合，为了减少计算量，有时查找的是满足距离差为h到h+Δh范围内的所有点对的集合，Δh为距离的区域化宽度，再将所有点对中每对点的值的差进行平方运算，然后取该集合点对差平方的平均值，再乘以0.5即为函数值。\n[0046] 通过该函数的经验公式和所述较多传感点的足底压力测量设备实测的足底压力点，可以得到以h，f(h)为横纵坐标的坐标系，以及通过该函数的经验公式得到的函数散点图，该散点图是该关键测量区域内的足底压力模型的离散的经验模型；通过圆、球面、指数、高斯、线性函数，对该散点图进行拟合，通过调节各函数中的参数使得函数曲线与散点之间的差值的平方的平均值最小，且如果添加一个相应的距离，每个点都会在线上方，或者如果添加另一个相应的距离，每个点都会在线下方，这两个距离值应该是相似的，拟合出的函数f(h)即为该关键测量区域内的足底压力模型的连续的估计模型，最后使用该关键测量区域内足底压力模型的连续的估计模型和较少传感点的足底压力测量设备在该关键测量区域内的测量值，每个区域依次操作，实现通过较少传感点得到完整准确的足底压力信息的功能。\n[0047] 当使用关键测量区域内足底压力模型的连续的估计模型进行实际测量时，只需要测得该关键测量区域内的部分点上的值，根据这些测量点上的值估计该区域内所需位置上点的值，估计过程为被估计点的值等于这些测量点上的值乘以这些测量点在估计点上的贡献系数后的和。而这些测量点在评估点上的贡献系数由公式计算得到，计算公式为A＝K-1D,相关系数矩阵A,K为区域内测量点协方差函数矩阵，D为区域内测量点与估计点之间的协方差函数矩阵，即\n[0048] 其中an为区域内第n个关键\n点在估计点上的贡献系数，cij为区域内第i个测量点和第j个测量点之间的协方差，c(xn,x)为区域内第n个测量点与估计点之间的协方差，q为拉格朗日乘数。而各点之间的协方差的计算由关键测量区域内足底压力模型的连续的估计模型和区域内两点之间的距离决定，即协方差c(h)＝c(0)-f(h),h为两点之间的距离。\n[0049] 该关键测量区域内的足底压力模型也可以由一个神经网络表示，使用所述较多传感点的足底压力测量设备采集到的在该区域内的足底压力信息，搭建一个神经网络，以区域内各点的坐标和各点的测量值，来训练神经网络；当输入区域内估计点的坐标给神经网络时，所得到的对应该坐标的估计值与该点的实测值偏差小于预设阈值时，神经网络训练完成，所得到的神经网络，包括神经网的结构和参系数，即为含有个体特征的该区域的足底压力模型；使用时将所述较少传感点的足底压力测量设备在该区域内测得的足底压力情况以及需要估计的该区域内各足底相对位置点的坐标值，代入足底压力模型，得到足底在该区域内各位置点上的估计值，每个区域依次操作，即实现了通过较少传感点得到完整准确的足底压力信息的功能。\n[0050] 由此可以得到区域内除实测点外其他位置上的估计点的估计值。然而为了减少计算量我们选择仅对关键的估计点进行估计，关键估计点可以在足底面积上该区域建立上下左右间隔相等的矩阵估计点，间隔内的点的估计工作使用相邻的矩阵估计点进行线性拟合。\n[0051] 如附图5所示的一种通过少数测量点和足底压力模型估计估计点的过程示意图,通过少数测量点对估计点进行估计。\n[0052] 当区域内沿不同方向上的变化存在一定差异时，为了减小方向上的差异带来的估计点的估计误差，需要分析每个区域内压力在不同方向上的变化，至少包括两个方向上的变化，比如该区域内固定的纵向和横向两个方向，纵向为脚尖和脚跟之间的连线方向，横向为脚尖和脚跟之间连线的垂直方向，或依据区域边界的凸凹情况决定参考方向，或依据区域内压力信息的梯度情况决定参考方向，分析在参考方向上的压力变化规律。在各参考方向上，以占变化规律最主要成分的方向为主方向，其他方向为次要方向。以主方向为依据，对次要方向根据异向比压缩距离轴使变程相同，然后进行各方向的叠加，从而得到足底压力模型f(h)。f(h)＝f0(h)+f1(h)+f2(h)+…+fn(h)，其中fn(h)代表沿某一方向上的足底压力模型。\n[0053] 区域化后的足底压力模型充分考虑了局部的影响，然而在更大尺度上的区域之间以及整个足底平面上的变化对评估点的影响并没有充分的考虑，此时更为充分的足底压力模型f(h)＝＝f0(h)+f1(h)+f2(h)+…+fm(h)，其中fm(h)代表不同尺度区域下的足底压力模型。\n[0054] 所述较少传感点的足底压力测量设备，一般考虑其便携式和持续监测的需求，包括传感部分，电源部分，电路调理部分，数据打包部分和无线发射部分，传感部分的衬垫形状如同鞋垫，衬垫使用薄膜电路板制造工艺制作，衬垫上有阵列导线布设，且上面有阵列插嵌点，可以将足底压力传感器单元插嵌入插嵌点上，根据实际测量时对测量点位置的选择，可以通过插拔或点焊完成足底压力传感器单元位置的布设和调整，一般布设在与足底生物力学分析密切相关的关键测量点上。\n[0055] 如附图6所示的一种较少传感点的足底压力测量设备实施方式的示意图，足底压力传感单元可以在衬垫的阵列插嵌点上插拔或者点焊。\n[0056] 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。