汪飛躍，姚志明，許勝強(qiáng)，魏 凱，楊先軍

（1.安徽大學(xué)電子信息工程學(xué)院，合肥 230009；2.中國科學(xué)院合肥智能機(jī)械研究所安徽省仿生感知與先進(jìn)機(jī)器人技術(shù)重點(diǎn)實(shí)驗(yàn)室，合肥 230031；3.江蘇省體育科學(xué)研究所，南京 210033；4.北京體育大學(xué)，北京 100084）

基于柔性力敏傳感器的左右腳動(dòng)態(tài)識(shí)別方法*

汪飛躍1，2，姚志明2，3，4*，許勝強(qiáng)2，魏 凱1，2，楊先軍2

（1.安徽大學(xué)電子信息工程學(xué)院，合肥 230009；2.中國科學(xué)院合肥智能機(jī)械研究所安徽省仿生感知與先進(jìn)機(jī)器人技術(shù)重點(diǎn)實(shí)驗(yàn)室，合肥 230031；3.江蘇省體育科學(xué)研究所，南京 210033；4.北京體育大學(xué)，北京 100084）

在利用柔性力敏傳感器獲取動(dòng)態(tài)足底壓力分布數(shù)據(jù)時(shí)，能夠準(zhǔn)確快速自動(dòng)區(qū)分左右腳的數(shù)據(jù)將極大提升數(shù)據(jù)的可視性和分析的便利性。為此，提出了一種基于足底壓力和腳印外觀形狀的左右腳動(dòng)態(tài)識(shí)別方法。首先，基于足底動(dòng)力學(xué)原理，利用連通域的圖像分割算法對(duì)足底壓力數(shù)據(jù)進(jìn)行聚類分析，得到每一步壓力腳印的時(shí)間和坐標(biāo)范圍；在此基礎(chǔ)上進(jìn)一步分離出完整的單步壓力數(shù)據(jù)；最后利用單步壓力數(shù)據(jù)刻畫腳印輪廓，并根據(jù)輪廓的外觀特征進(jìn)行左右腳識(shí)別。本文提出的方法可應(yīng)用于步態(tài)分析、臨床輔助診斷、步態(tài)識(shí)別等領(lǐng)域。通過108個(gè)實(shí)測數(shù)據(jù)樣本的測試表明：本文方法的識(shí)別率高達(dá)94.5%，并具有較好的魯棒性。

柔性力敏傳感器；連通區(qū)域算法；輪廓特征；聚類分析；腳印識(shí)別

柔性力敏傳感器在臨床輔助診斷［1-3］、步態(tài)分析［4-7］、步態(tài)識(shí)別［8-9］等領(lǐng)域得到了廣泛的應(yīng)用。柔性力敏傳感器能夠?qū)崟r(shí)、準(zhǔn)確的獲取人在正常行走過程中的足底壓力數(shù)據(jù)，通過對(duì)足底壓力數(shù)據(jù)的分析解算，可以得到每一步的著地時(shí)刻、離地時(shí)刻、腳印范圍、腳印面積、著地時(shí)間、單步平均壓力值、單 步最大壓力值以及單步騰空時(shí)間等步態(tài)特征參數(shù)， 從而實(shí)現(xiàn)對(duì)測試者步態(tài)的評(píng)價(jià)。足底壓力數(shù)據(jù)的 分析解算主要包括單步足底壓力數(shù)據(jù)的提取和左 右腳的識(shí)別。在文獻(xiàn)［10］中，依據(jù)行走過程中的單腳特征參數(shù)和兩腳之間的過程參數(shù)，規(guī)劃出腳印可能的運(yùn)動(dòng)軌跡曲線，實(shí)現(xiàn)人數(shù)統(tǒng)計(jì)。其不足在于在利用單腳特征參數(shù)和兩腳之間的過程參數(shù)對(duì)目標(biāo)腳印進(jìn)行匹配時(shí)，未考慮多人較近同時(shí)行走情況下，由于腳印鄰近造成錯(cuò)誤匹配。解決此問題一個(gè)有效的方法是對(duì)已經(jīng)分割出的腳印進(jìn)行左右腳識(shí)別，利用前一步腳印和當(dāng)前腳印的關(guān)系進(jìn)行約束，如果前后兩次腳印都屬于同一側(cè)腳或者是左右腳的相對(duì)位置發(fā)生改變，則此些情況應(yīng)當(dāng)予以排除，進(jìn)而可以有效地排除由于腳印鄰近造成錯(cuò)誤匹配情況。文獻(xiàn)［6］研制了一種新的步態(tài)觸覺特征分析系統(tǒng)，通過結(jié)合柔性力敏傳感器與測力臺(tái)的優(yōu)點(diǎn)，能夠全面的提供人體步態(tài)觸覺特征，但是該系統(tǒng)的不足在于，該系統(tǒng)不能自動(dòng)識(shí)別左右腳，需進(jìn)行人工判別，因此該系統(tǒng)不夠方便、智能、快捷。在柔性力敏傳感器的諸多應(yīng)用領(lǐng)域中，左右腳數(shù)據(jù)的自動(dòng)識(shí)別和數(shù)據(jù)分割一直是一個(gè)難題，它制約了足底壓力數(shù)據(jù)的應(yīng)用。如果能夠解決這一問題，必將極大提升足底壓力數(shù)據(jù)的可視性和分析便利性。

目前，左右腳數(shù)據(jù)分割算法比較成熟，但是較為成熟的左右腳識(shí)別方法卻相對(duì)較少：在文獻(xiàn)［4］中，首先利用Mean-shift算法對(duì)足底壓力數(shù)據(jù)進(jìn)行聚類，然后利用腳跟以及腳印方向來判斷左右腳。這種方法能夠判斷正常行走的情況，但對(duì)于一些異常步態(tài)，如剪刀步態(tài)、醉酒步態(tài)等，沒有很好的識(shí)別率。還有其他左右腳識(shí)別方法，比如人工判斷和內(nèi)置標(biāo)記壓力鞋墊。但這些方法各自存在弊端：人工判斷的方式只適合少量腳印的判斷，內(nèi)置標(biāo)記壓力鞋墊雖然能更好的獲取單步足底壓力信息和壓力分布，但是它不能夠獲取步長、步寬、步速等運(yùn)動(dòng)學(xué)信息。大面積柔性力敏傳感器能夠獲取較豐富的步態(tài)信息，不僅能夠獲取步長、步寬、步速等空間參數(shù)信息，還可以獲取單步著地時(shí)間、單步騰空時(shí)間等時(shí)間參數(shù)信息。針對(duì)以上不足，本文結(jié)合大面積柔性力敏傳感器，利用連通域的圖像分割算法對(duì)足底壓力數(shù)據(jù)進(jìn)行聚類分析，并提出了一種基于足底壓力和腳印輪廓的左右腳識(shí)別方法。實(shí)驗(yàn)證實(shí)，本文提出的方法能夠準(zhǔn)確、快速的進(jìn)行左右腳識(shí)別和數(shù)據(jù)分割，極大提升了數(shù)據(jù)可視性和分析便利性。

本文采用由中科院合肥智能機(jī)械研究所研制的基于柔性力敏傳感器［11］的數(shù)字化場地（圖1）獲取步行時(shí)的足底壓力分布數(shù)據(jù)來測試本文所提出的左右腳識(shí)別方法，該數(shù)字化場地由49塊單塊面積為80 cm×80 cm的柔性力敏傳感器組成，單塊柔性力敏傳感器有80個(gè)×80個(gè)壓力敏感點(diǎn)，數(shù)字化場地的采樣頻率為100 Hz。

圖1 基于柔性力敏傳感器的數(shù)字化場地

1 左右腳識(shí)別方法及步驟

在利用基于柔性力敏傳感器的數(shù)字化場地獲取足底壓力分布數(shù)據(jù)時(shí)，所獲得的足底壓力數(shù)據(jù)是按照時(shí)間戳先后順序依次存放在計(jì)算機(jī)緩存中，為了實(shí)現(xiàn)對(duì)左右腳數(shù)據(jù)的分割以及左右腳的識(shí)別，需要對(duì)緩存中的數(shù)據(jù)進(jìn)行處理，主要包括數(shù)據(jù)濾波、數(shù)據(jù)聚類以及左右腳識(shí)別。數(shù)據(jù)濾波是為了濾除足底壓力數(shù)據(jù)采集過程中外界噪聲的干擾，數(shù)據(jù)聚類是為了獲取單步腳印的起、止時(shí)間和坐標(biāo)范圍，再由此對(duì)單步的足底壓力數(shù)據(jù)進(jìn)行提取，實(shí)現(xiàn)單步足底壓力數(shù)據(jù)的分割，進(jìn)而可計(jì)算出腳印的外輪廓，最后依據(jù)輪廓的特征對(duì)腳印進(jìn)行識(shí)別。

1.1 單步腳印數(shù)據(jù)分割

依據(jù)柔性力敏傳感器的特點(diǎn)，可以將柔性力敏傳感器采集到的動(dòng)態(tài)足底壓力數(shù)據(jù)理解成是一幅動(dòng)態(tài)變換的數(shù)字圖像。柔性力敏傳感器傳輸?shù)臄?shù)據(jù)格式為：｛TimeID，Row，Col，Value｝，分別表示時(shí)間戳，行，列和壓力值。記 f（i,j）（t）表示傳感器敏感點(diǎn)（i,j）在t時(shí)間戳?xí)r刻的采樣壓力值，則柔性力敏傳感器在t時(shí)刻的采樣信息F（t）可以用式（1）所示的矩陣形式來表示。其中，M和N分別為柔性力敏傳感器的行數(shù)和列數(shù)；

圖2所示為正常行走過程中腳印的形成過程（不包括所有時(shí)序）。根據(jù)人正常行走過程中腳印形成的特點(diǎn)，可知人行走過程中的腳印是由不同時(shí)間戳的壓力腳印疊加而成，因此，在進(jìn)行單步腳印識(shí)別之前，需要對(duì)單步數(shù)據(jù)進(jìn)行提取。本文基于連通域的圖像分割算法［10,12-14］將不同時(shí)間戳的壓力腳印進(jìn)行聚類分析，從而得到目標(biāo)腳印。

圖2 人正常行走時(shí)腳印的形成過程

由于柔性力敏傳感器生產(chǎn)工藝以及電流對(duì)采集電路的影響，采集數(shù)據(jù)過程中或多或少存在數(shù)據(jù)噪聲干擾。為了減少噪聲的干擾，需對(duì)足底壓力數(shù)據(jù)進(jìn)行濾波。研究發(fā)現(xiàn)，噪聲點(diǎn)大都以離散點(diǎn)的形式出現(xiàn)，不會(huì)出現(xiàn)數(shù)據(jù)雜點(diǎn)聚集現(xiàn)象［10,13］。鑒于此，本文借鑒有關(guān)數(shù)字圖像處理的方法［12,14］，采用一種比較快速的剔除雜點(diǎn)的算法。其思想是：以當(dāng)前壓力點(diǎn)為中心，構(gòu)建一個(gè)3×3的濾波窗口，統(tǒng)計(jì)濾波窗口內(nèi)有壓力值的個(gè)數(shù)，如果壓力值的個(gè)數(shù)小于一定的閾值，則將此壓力點(diǎn)剔除（本文閾值為4）。實(shí)驗(yàn)證明此種濾波方法能夠有效快速地濾除雜點(diǎn)。如圖3所示為去噪前的腳印圖像，濾波后的效果如圖4所示。

圖3 去噪之前的圖像

圖4 去噪之后的圖像

正常情況下，行走是一種有規(guī)律的運(yùn)動(dòng)方式，主要體現(xiàn)在步速的穩(wěn)定、步長的穩(wěn)定，步寬的穩(wěn)定。因此，本文足底壓力數(shù)據(jù)聚類分析基于以下幾個(gè)經(jīng)驗(yàn)條件：

條件1 正常行走過程中，步長、步寬在一個(gè)合理的范圍內(nèi)變化；

條件2 正常人的腳長、腳寬在比較合理的范圍內(nèi)；

條件3 正常行走過程中，同屬一個(gè)腳印不同數(shù)據(jù)塊之間的時(shí)間戳間隔在一個(gè)合理的范圍內(nèi)；

聚類算法主要包括以下幾個(gè)步驟：

Step 1 依次掃描每一時(shí)間戳壓力數(shù)據(jù)，將壓力數(shù)據(jù)映射到圖像矩陣中，并對(duì)圖像矩陣進(jìn)行二值化處理，圖5（a）為例子演示；

圖5 二值化矩陣8鄰域連通區(qū)域標(biāo)記

Step 2 利用8-鄰域連通區(qū)域標(biāo)記算法對(duì)二值矩陣進(jìn)行標(biāo)記分類，將每一時(shí)間戳的足底壓力數(shù)據(jù)分為不同的區(qū)域塊，計(jì)算各個(gè)區(qū)域塊的坐標(biāo)范圍。圖5（b）為8鄰域連通區(qū)域標(biāo)記后矩陣，其中框范圍表示區(qū)域塊的范圍；

Step 3 根據(jù)各個(gè)區(qū)域塊的幾何中心和設(shè)定的相關(guān)閾值參數(shù)，將各個(gè)時(shí)間戳中不同類別的小區(qū)域類依次劃分到不同的腳印中，從而實(shí)現(xiàn)腳印的分割。對(duì)所有的區(qū)域塊進(jìn)行聚類和迭代，最終可以分離出每一步腳印。

依據(jù)上述3個(gè)經(jīng)驗(yàn)條件可知：在正常行走過程中，屬與同一腳印的不同區(qū)域塊之間的距離應(yīng)該小于正常腳印的長度FL；不同區(qū)域塊融合后形成腳印的面積應(yīng)該在正常腳印面積范圍FA內(nèi)；不同區(qū)域塊融合后形成腳印的寬度也應(yīng)該在正常腳印寬度范圍FW內(nèi)，每一幀中不同腳印之間在空間位置上應(yīng)該沒有重疊；同屬一個(gè)腳印的區(qū)域塊之間的時(shí)間戳間隔也應(yīng)在在正常的范圍FT內(nèi)。本文在實(shí)際操作過程中，F(xiàn)L閾值為27 cm，F(xiàn)A閾值為180 cm2，F(xiàn)W閾值為10 cm，F(xiàn)T閾值為120 ms。

本文采用最小包絡(luò)框?qū)^(qū)域塊進(jìn)行聚類劃分，充分利用最小外接矩形的形狀特征。圖6（a）為聚類過程中t時(shí)刻匹配示意圖。圖6（b）表示不同的聚類方式。

圖6（a）中C為待匹配區(qū)域塊，S1、S2分別為已被正確劃分的腳印，時(shí)間戳范圍分別為［760,t-1］、［1520,t-1］，圖中MMA、MIA分別表示最小包絡(luò)框的長度和寬度，（Sx1,Sy1）、（Sx2,Sy2）、（x,y）分別對(duì)應(yīng)所在區(qū)域塊的幾何中心。圖6（b）中，F(xiàn)L1、FL2分別為待匹配區(qū)域塊到S1、S2的距離。本文以幾何中心點(diǎn)間的距離作為區(qū)域塊之間的距離，以MMA和MIA分別作為腳印的長度和寬度。

情況1：C與S1聚類，依次計(jì)算FL、FA、FW、FT，F(xiàn)L1=30 cm，其范圍已經(jīng)超出了腳印的長度FL，表明C不能夠與S1合并。

情況2：C與S2聚類，依次比較FL、FA、FW、FT，計(jì)算可得，F(xiàn)L2=10 cm、FA=160 cm2、FW=8 cm、FT=1 ms，均符合判定閾值，再計(jì)算C與S2合并后的腳印范圍，并與S1的腳印范圍求交集，如果（C?S2）?S1=φ，說明腳印之間在空間位置上沒有重疊，則由此可知C 與S2應(yīng)屬于同一腳印。C與S2應(yīng)合并，S2重新計(jì)算最小包絡(luò)框、幾何中心、坐標(biāo)范圍RS以及更新時(shí)間戳范圍［1520,t］。圖6（c）為合并之后的效果。

如果以上兩種情況都不符合，則表明待匹配區(qū)域塊為一新腳印的起始幀。

聚類完成后，即可得到每一腳印的相關(guān)信息（如表1所示），包括著地時(shí)刻ST、離地時(shí)刻ET、以及坐標(biāo)范圍RS，其中，ST為腳印聚類開始的時(shí)間戳；ET為腳印聚類結(jié)束時(shí)刻；RS由left、top、right和bottom 4個(gè)參數(shù)組成，分別代表最小包絡(luò)框的最左、最上、最右以及最下像素點(diǎn)所在的位置。依據(jù)所述3個(gè)信息對(duì)存儲(chǔ)在緩存區(qū)的足底壓力數(shù)據(jù)進(jìn)行遍歷查找，依次篩選出每一步的壓力數(shù)據(jù)。

以表1中第1步為例，提取時(shí)間戳［760，1660］內(nèi)，所有坐標(biāo)在（0.1625，0.2625，0.4500，0.6000）范圍內(nèi)的壓力點(diǎn)數(shù)據(jù)，并填充大小為60×40的腳印圖像矩陣。為了后續(xù)處理方便，填充矩陣時(shí)，需增加水平和豎直偏移量，以保證腳印在圖像中間。圖7為提取第1步腳印的原始腳印圖。

圖6 聚類過程

表1 足底壓力數(shù)據(jù)聚類信息

圖7 第1步的原始腳印

2.2 單步腳印左右腳識(shí)別

從足部解刨學(xué)上看，腳印存在以下特征：①足內(nèi)弓部分存在明顯的彎曲，足外弓一側(cè)彎曲不明顯；②腳印最寬的部分在于前腳掌，其次是足后跟部分，足弓區(qū)域最為狹窄。利用柔性力敏傳感器獲取的單腳腳印圖像也能體現(xiàn)出此特征，如圖8所示。因此，本文在進(jìn)行左右腳識(shí)別時(shí)，可以利用前腳掌和足弓的位置關(guān)系確定腳印的方向，并結(jié)合腳印的足內(nèi)弓和足外弓位置關(guān)系識(shí)別左右腳。為了識(shí)別的方便，本文將腳印分為三個(gè)區(qū)域：足跟、足弓以及前腳掌。前腳掌和足內(nèi)弓之間存在明顯彎曲一側(cè)，定義為內(nèi)側(cè)，前腳掌和足外弓之間彎曲不明顯，定義為外側(cè)。

圖8 單腳腳印形狀

腳印識(shí)別的步驟如下：

Step 1 利用雙線性內(nèi)插值算法對(duì)原始圖像（圖7）進(jìn)行放大，并對(duì)放大后的圖像進(jìn)行中值濾波；

Step 2 利用凸包算法［15］尋找1中圖像的最小外接矩形，并計(jì)算腳印水平和垂直方向的夾角；

Step 3 利用2中所求的夾角對(duì)圖像進(jìn)行旋轉(zhuǎn)，并進(jìn)行近鄰插值。圖像以長軸旋轉(zhuǎn)，旋轉(zhuǎn)后如圖9；

圖9 旋轉(zhuǎn)腳印圖像

Step 4 對(duì)旋轉(zhuǎn)后的圖像進(jìn)行形態(tài)學(xué)處理，主要包括膨脹和腐蝕操作，并對(duì)圖像進(jìn)行平滑濾波；

Step 5 利用Canny邊緣檢測算法對(duì)4中的圖像進(jìn)行外邊緣提取，再次利用凸包算法計(jì)算最小外包絡(luò)矩形框［10］；

Step 6 以5中的外包絡(luò)矩形框的長軸方向進(jìn)行掃描，記錄短軸方向上腳印寬度，以及上、下邊界點(diǎn)的坐標(biāo)，其中上下邊界點(diǎn)坐標(biāo)值是垂直方向上，以最小外包絡(luò)矩形框的上邊界為基準(zhǔn)，腳印上、下邊界點(diǎn)距離最小外包絡(luò)矩形框的上邊界的像素距離，如圖10；

圖10 腳印輪廓

Step 7 對(duì)腳印的寬度、以及上、下邊界點(diǎn)的數(shù)據(jù)進(jìn)行4次多項(xiàng)式數(shù)據(jù)擬合，為了突出擬合曲線的波峰和波谷，需要分別將橫軸和縱軸范圍壓縮至腳印長度和腳印寬度的范圍；

Step 8 利用腳印寬度曲線、上邊界點(diǎn)曲線和下邊界點(diǎn)曲線的極值存在情況即可判斷左右腳。

數(shù)據(jù)擬合后的曲線如圖11～圖13所示：

圖11 腳印寬度曲線

圖12 上邊界點(diǎn)曲線

圖13 下邊界點(diǎn)曲線

圖11為腳印寬度曲線，橫坐標(biāo)表示腳的長度，縱坐標(biāo)表示腳印的寬度。圖中紅線表示源數(shù)據(jù)腳寬曲線，黑線表示數(shù)據(jù)擬合之后的腳寬曲線。圖12 和13分別代表上邊界點(diǎn)曲線和下邊界點(diǎn)曲線，圖中橫坐標(biāo)表示腳印的長度，縱坐標(biāo)分別代表上邊界在外包絡(luò)矩形框內(nèi)的位置和下邊界在外包絡(luò)矩形框內(nèi)的位置。圖中紅線表示源數(shù)據(jù)的位置曲線，黑線表示數(shù)據(jù)擬合后邊界點(diǎn)位置曲線。圖11～圖13的橫軸和縱軸的單位為cm。

記 fwidth、fup、fdown分別表示腳印的腳寬曲線、上邊界點(diǎn)坐標(biāo)曲線、下邊界點(diǎn)坐標(biāo)曲線，分別求fwidth、fup、fdown的極值分布情況。本文采用局部搜索的方法，依次比較和記錄曲線的各個(gè)極值和極值個(gè)數(shù)。

假設(shè)曲線橫坐標(biāo)為x，縱坐標(biāo)為y，x,y之間滿足y=f（x），尋找極值點(diǎn)的策略如下：

①x從0開始，計(jì)算 f（x），以?x為步長（?x本文取值為0.02），計(jì)算 f（x+?x），比較 f（x+?x）與f（x）的大小，判斷曲線的增減性，如果f（x+?x）＞f（x），表明函數(shù)在當(dāng)前區(qū)域?yàn)檫f增，反之表明遞減。

②再以 x=x+?x為起始點(diǎn)，比較 f（x）與f（x+?x），如果此次判斷出的增減性與前一次一致，則重復(fù)步驟2。如果此次判斷出的增減性與前一次相反，表明此段區(qū)域存在一個(gè)極值點(diǎn)，如果前一次為遞增，此次為遞減，則此點(diǎn)為極大值點(diǎn)，反之，如果前一次為遞減，此次為遞增，則此點(diǎn)為極小值點(diǎn)。記錄極值點(diǎn)個(gè)數(shù)以及極值，極值以 f（x）表示（不需要準(zhǔn)確數(shù)值，只要在極值點(diǎn)附近即可），再重復(fù)步驟②，直到 f（x）=0結(jié)束。

③對(duì)于腳印寬度曲線，需要比較第一個(gè)極大值fmax1與第二個(gè)極大值 fmax2的大小，如果 fmax1＜fmax2，說明腳印最寬處在右側(cè)，即腳尖向右，反之向左。對(duì)于上邊界曲線和下邊界點(diǎn)曲線，只需要統(tǒng)計(jì)極值點(diǎn)（Nup和Ndown）個(gè)數(shù)，如果極值點(diǎn)數(shù)目為3，則表明此邊界波動(dòng)明顯，為腳印足內(nèi)功一側(cè)，如果極值點(diǎn)數(shù)目為1，則表明此邊界較為平滑，為足外弓一側(cè)。通過結(jié)合腳印的方向和極值點(diǎn)個(gè)數(shù)，即可識(shí)別出腳印。具體情況如式（2）、式（3）所示：

3 測試實(shí)驗(yàn)與結(jié)果分析

3.1 數(shù)據(jù)采集與預(yù)處理

本文中所有的數(shù)據(jù)均采集于合肥師范學(xué)院體育教育學(xué)院，實(shí)驗(yàn)人數(shù)為27人（20男，7女），年齡均在20周歲～23周歲，均無明顯的足底疾病，行走能力正常。在進(jìn)行試驗(yàn)之前，需給予測試者足夠的時(shí)間熟悉實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)流程，并事先告訴測試者需要裸腳進(jìn)行測試。待測試者了解并熟悉測試流程后，測試者按照以下4種行走方式正常行走：①測試者沿某一列正常行走；②測試者沿某一列慢速行走；③測試者沿某一列快速行走；④測試者任意方向任意速度任意姿勢行走。為了保證數(shù)據(jù)有效性，每一種行走方式需重復(fù)行走4次。

此次試驗(yàn)中，每一種行走方式共采集108組數(shù)據(jù)樣本，每組數(shù)據(jù)樣本的處理流程如圖14所示。

圖14 數(shù)據(jù)處理流程

3.2 測試方法與評(píng)價(jià)指標(biāo)

為了評(píng)價(jià)本文提出的左右腳識(shí)別方法，本文基于以下評(píng)價(jià)標(biāo)準(zhǔn)統(tǒng)計(jì)真實(shí)識(shí)別率。

評(píng)價(jià)標(biāo)準(zhǔn)：

其中AR（i,j）表示第i樣本以第j種行走方式行走，右腳的識(shí)別準(zhǔn)確率；AL（i,j）表示第i樣本以第j種行走方式行走，左腳的識(shí)別準(zhǔn)確率；A（i,j）表示第i樣本以第j種行走方式行走，左右腳的識(shí)別準(zhǔn)確率。TL（i,j）表示第i樣本以第j種行走方式行走實(shí)驗(yàn)，正確識(shí)別左腳的次數(shù)；TR（i,j）表示第i樣本以第j種行走方式行走實(shí)驗(yàn)，正確識(shí)別右腳的次數(shù)；FL（i,j）表示第i樣本以第j種行走方式行走實(shí)驗(yàn)，右腳識(shí)別錯(cuò)誤的次數(shù)；FR（i,j）表示第i樣本以第j種行走方式行走實(shí)驗(yàn)，左腳識(shí)別錯(cuò)誤的次數(shù)。

3.3 實(shí)驗(yàn)結(jié)果

27位測試者按照事先的流程正常行走，計(jì)算后的左腳識(shí)別率、右腳識(shí)別率、左右腳識(shí)別率如表2所示。

實(shí)驗(yàn)數(shù)據(jù)表明，前面3種正常步態(tài)情況的左腳識(shí)別率、右腳識(shí)別率、左右腳平均識(shí)別率都比較高，第4種任意的行走情況的左右腳識(shí)別率比其他三種略低。經(jīng)分析發(fā)現(xiàn)，有些測試人在進(jìn)行第4種方式測試時(shí)，存在左、右腳腳跟或腳掌不著地的情況，在利用壓力數(shù)據(jù)刻畫壓力腳印時(shí)，腳印發(fā)生大面積截?cái)?，從而造成識(shí)別錯(cuò)誤。

表2 腳印的識(shí)別率

本文提出的左右腳識(shí)別方法僅僅依賴于足底壓力數(shù)據(jù)本身，并依據(jù)腳印的外觀形狀特征進(jìn)行左右腳識(shí)別。同文獻(xiàn)［4］比較發(fā)現(xiàn)，本文提出的左右腳識(shí)別方法具有較好的魯棒性，針對(duì)異常步態(tài)也有很高的識(shí)別率。同人工識(shí)別相比，本文提出的方法效率很高，而且更智能。在正常步態(tài)測試環(huán)境中，本文提出左右腳識(shí)別方法能夠準(zhǔn)確、快速的進(jìn)行左右腳識(shí)別和數(shù)據(jù)區(qū)分，而且具有很好的魯棒性，擁有比較高的識(shí)別率。

通過對(duì)單步足底壓力數(shù)據(jù)的分割提取和識(shí)別，可以計(jì)算得到每一腳數(shù)據(jù)的著地時(shí)刻、離地時(shí)刻、腳印范圍、腳印面積、著地時(shí)間、單步平均壓力值、單步最大壓力值、單步騰空時(shí)間等步態(tài)特征參數(shù)。表3為應(yīng)用本文方法計(jì)算得到的腳印序列的相關(guān)參數(shù)信息。

表3 腳印序列中每一步的參數(shù)信息

各個(gè)參數(shù)的含義及計(jì)算方法如下：

腳印面積：統(tǒng)計(jì)單腳腳印在ST、ET和RS范圍內(nèi)不同坐標(biāo)壓力點(diǎn)的總數(shù)，即腳印在柔性力敏傳感器上留下的最大受力面積。

著地時(shí)間：又稱支撐時(shí)間，表示單步獲得地面支撐力的時(shí)間，即ETN-STN，N表示步數(shù)；

單步單幀最大壓力值：單步在ST、ET和RS范圍內(nèi)，單幀最大的壓力值，即

騰空時(shí)間：單步從腳趾離地到再次腳跟著地的時(shí)間，即STN+2-ETN，N表示步數(shù)；

雙支撐時(shí)間：在步行過程中，有一個(gè)時(shí)期，兩側(cè)足都與地面接觸，一側(cè)足處于蹬離期，一側(cè)足處于站立前期，雙足同時(shí)都處于支撐期，此時(shí)期即為雙支撐時(shí)間，即ETN-STN+1，N表示步數(shù)。

4 結(jié)束語

本文針對(duì)柔性力敏傳感器在足底壓力分布數(shù)據(jù)采集和應(yīng)用上的數(shù)據(jù)處理需求，提出了一種快捷、高效的足底壓力數(shù)據(jù)分割和左右腳動(dòng)態(tài)識(shí)別方法。為分析大面積柔性力敏傳感器的壓力數(shù)據(jù)帶來了便捷，實(shí)現(xiàn)了對(duì)左右腳數(shù)據(jù)的準(zhǔn)確分離及識(shí)別，極大提升了數(shù)據(jù)可視性和分析便利性，也為步態(tài)分析與評(píng)估、神經(jīng)性疾病診斷以及步態(tài)識(shí)別帶來了便利。本文的聚類分析算法和左右腳識(shí)別方法依然存在需要改進(jìn)的地方，如改進(jìn)聚類條件，提高腳印識(shí)別效率等，這將是筆者下一步研究和改進(jìn)的重點(diǎn)。此外，將本文的成果與步態(tài)的健康水平相結(jié)合，準(zhǔn)確的評(píng)價(jià)步態(tài)的健康狀況也是下一步研究的內(nèi)容。

［1］ Takeda T，Sakai Y，Hata Y.Evaluation of Autonomy Walk by Dynamic Foot Pressure Analysis［J］.2013 IEEE International Conference on Systems，Man，and Cybernetics（SMC），2013，8215（2）：3408-3413.

［2］ Biswas A，Lemaire E，Kofman J.Dynamic Gait Stability Index Based on Plantar Pressures and Fuzzy Logic.［J］.Journal of BiomeChanics，2008，41（7）：1574-1581.

［3］ Daliri M R.Automatic Diagnosis of Neuro-Degenerative Diseases Using Gait Dynamics［J］.Measurement，2012，45（7）：1729-1734.

［4］ Zhang J，Qian G，Kidané A.Footprint Tracking and rRecognition Using a Pressure Sensing Floor［J］.Image Processing（ICIP），2009 16th IEEE International Conference on，2009：2737-2740.

［5］ 楊先軍，李春麗，夏懿，等.電動(dòng)跑步機(jī)上步態(tài)特征獲取系統(tǒng)的設(shè)計(jì)［J］.傳感技術(shù)學(xué)報(bào)，2012，25（6）：751-755.

［6］ 徐蘇，周旭，孫怡寧，等.一種新的步態(tài)觸覺特征分析系統(tǒng)及應(yīng)用［J］.傳感技術(shù)學(xué)報(bào)，2008，21（11）：1935-1939.

［7］ 劉洋，周旭，孫怡寧，等.基于步法的跑步機(jī)速度跟蹤控制方法［J］.傳感技術(shù)學(xué)報(bào)，2015，28（2），217-220.

［8］ 王琨，王年，鮑文霞，等.一種步態(tài)觸覺特征識(shí)別算法［J］.安徽大學(xué)學(xué)報(bào)，2013，37（5）：32-36.

［9］ Qian G，Zhang J，Kidané A.People Identification Using Floor Pressure Sensing and Analysis［J］.Sensors Journal，IEEE，2010，10（9）：1447-1460.

［10］許勝強(qiáng)，夏懿，姚志明，等.一種基于柔性力敏傳感器的人數(shù)統(tǒng)計(jì)系統(tǒng)［J］.計(jì)算機(jī)工程，2014，40（1）：167-171.

［11］楊先軍.柔性力敏傳感器及其應(yīng)用技術(shù)研究［D］.合肥：中國科學(xué)技術(shù)大學(xué)，2012.

［12］劉海波，沈晶，郭聳.Visual C++數(shù)字圖像處理技術(shù)詳解［M］.北京：機(jī)械工業(yè)出版社，2010：245-265.

［13］劉世法，周旭，孫怡寧，等.一種新型均值濾波器及在壓力分布中的應(yīng)用［J］.計(jì)算機(jī)應(yīng)用，2009，29（6）：1728-1730

［14］Conzalez R C，Woods R E.Digital Image Processing［M］.3版.北京：電子工業(yè)出版社，2010：650-664.

［15］劉光惠，陳傳波.求解簡單多邊形和平面點(diǎn)集凸包的新算法［J］.計(jì)算機(jī)科學(xué)，2007，34（12）：222-226.

汪飛躍（1991-）男，碩士研究生，主要研究方向?yàn)樾盘?hào)與信息處理，youngwfy@sina.com；

楊先軍（1980-），男，博士，中國科學(xué)院合肥智能機(jī)械研究所副研究員，主要研究方向?yàn)橹悄苄盘?hào)處理、傳感技術(shù)、檢測技術(shù)及數(shù)字體育，xjyang@iim.ac.cn。

姚志明（1983-），男，博士，中國科學(xué)院合肥智能機(jī)械研究所副研究員，主要研究方向?yàn)檫\(yùn)動(dòng)生物力學(xué)、模式識(shí)別與智能系統(tǒng)等，zhmyao@iim.ac.cn；

Dynamic Footprint Recognition Method Based on Flexible Force-Sensitive Sensor*

WANG Feiyue1，2，YAO Zhiming2，3，4*，XU Shengqiang2，WEI Kai1，2，YANG Xianjun2
（1.School of Electronics and Information Engineering，Anhui University，Hefe 230039，China；2.Key Laboratory of Biomimetic Sensing and Advanced Robot Technology，Institute of Intelligent Machines，Chinese Academy of Sciences，Hefei 230031，China；3.Jiangsu Research Institute of Sports Science，Nanjing 210033，China；4.Beijing Sport University，Beijing 100084，China）

Distinguishing the left and right footprint data accurately，rapidly and automatically by using the flexible force-sensitive sensor for acquiring the dynamic plantar pressure distribution data can greatly improve the visibility of data and the convenience of data analysis.Therefore，a novel method for footprints recognition based on the plantar pressure and the appearance shape features of the footprint is presented.The concrete implementation steps are as follows.Firstly，on account of the principle of the plantar kinetics，the connected component algorithm is applied to data clustering analysis，the coordinate and time range of the target footprint are obtained at the same time.Then we gain the complete plantar pressure data of each footprint and extract the appearance shape features of them.Finally，footprint recognition is accomplished on the basis of the plantar pressure and the appearance shape features. The proposed method can be applied to many fields，such as gait analysis，clinical diagnosis and gait recognition. Experimental results of 108 samples in normal walking pattern show that the proposed method not only has a high recognition rate（94.5%），but also has strong robustness.

flexible force-sensitive sensor；connected component algorithm；shape features；data clustering analysis；footprint recognition EEACC：7220

TP18

A

1004-1699（2015）07-0964-08

10.3969/j.issn.1004-1699.2015.07.004

項(xiàng)目來源：安徽省科技攻關(guān)計(jì)劃課題項(xiàng)目（1301042215，1501021042）；國家科技支撐計(jì)劃項(xiàng)目（2013BAH14F01）

2014-12-04 修改日期：2015-04-02