劉細(xì)陽，　馮思玲，　陳羨美，　劉金容

(海南大學(xué) 信息工程學(xué)院，海南 ?？?570228)

?

基于模糊理論的足底壓力分布模式識別*

劉細(xì)陽，馮思玲*，陳羨美，劉金容

(海南大學(xué) 信息工程學(xué)院，海南 海口 570228)

采集了正常人足底壓力的數(shù)據(jù)，統(tǒng)計分析了行走過程中擺動相5個階段的壓力分布關(guān)系，指出采用模糊理論方法能夠更好地對足底壓力分布模式進(jìn)行識別.在實驗統(tǒng)計的基礎(chǔ)上采用擬合方法得出表征足底壓力大小的隸屬度函數(shù)，結(jié)合實驗數(shù)據(jù)固定了FCM算法的聚類中心，精簡了算法，能夠快速確定受試者處于步行狀態(tài)中的何種支撐相，并對該算法進(jìn)行仿真驗證，實驗結(jié)果驗證了該方法的可行性.

模糊理論；足底壓力；模式識別

步態(tài)是人行走時身體的姿態(tài)，人行走的過程可以劃分為不同階段，對應(yīng)于每一個階段足底壓力的分布是不同的.人體的足底壓力分布反映了有關(guān)足的結(jié)構(gòu)、功能及整個身體姿勢控制等情況.在站立、步行等運動中，足底部分解剖區(qū)域支撐著人體大部分重量，調(diào)節(jié)著人體的平衡.測量這些區(qū)域的壓力即可獲取足踝、下肢乃至全身的生理、結(jié)構(gòu)及功能等方面的大量信息.倘若人機(jī)體全身或足部相關(guān)部位出現(xiàn)病變，足底相關(guān)區(qū)域峰值壓力及其分布則也會發(fā)生相應(yīng)的變化，而這種改變往往較臨床癥狀、體征出現(xiàn)更早.因此，檢測足底壓力信息,依據(jù)生理特征，對其分類處理，可以提供用于輔助決策的人體生理、病理力學(xué)參數(shù)和機(jī)能參數(shù),這對臨床醫(yī)學(xué)診斷、生物特征識別、刑事物證判定、疾患程度測定、術(shù)后療效評價、生物力學(xué)及康復(fù)研究均有重要意義[1～4].

近年來，國內(nèi)外對足底壓力進(jìn)行了廣泛的研究.Nafeez & Karvannan[5]研究了大量案例，統(tǒng)計分析了正常人與不同疾病患者之間足底壓力分布模式的不同；方正等[6]基于足底4個基本點的壓力數(shù)據(jù)，用KNN算法進(jìn)行了步態(tài)識別；夏懿等[7]研究了個體行走時足底壓力分布圖像的HOG特征及應(yīng)用；孫穎慧[8]根據(jù)足底壓力圖像的稀疏表示和特征，進(jìn)行了步態(tài)識別的應(yīng)用分析.然而由于每個人身高、體重等的不同，單純的測足底壓力的具體值在應(yīng)用上具有一定的局限性.本文提出一種在實驗的基礎(chǔ)上，分析各種標(biāo)準(zhǔn)步態(tài)足底壓力分布的統(tǒng)計特征并模糊化，以此作為足底壓力分布模式的樣本，使用模糊識別方法對足底壓力分布模式進(jìn)行仿真識別，實驗結(jié)果驗證了方法的可行性.

1　足底壓力分布模式

1.1足底壓力與步態(tài)周期

基于足底解剖區(qū)域的劃分，在鞋墊上放置了8個薄膜壓力傳感器，分別放置在足跟、足弓、第1、2、3、4、5跖骨和第1趾區(qū)，如圖1所示.壓力傳感器采集的數(shù)據(jù)傳輸?shù)接嬎銠C(jī)進(jìn)行分析處理.

同一只腳的足跟兩次著地之間的過程即為一步態(tài)周期(Walking Cycle).一個步態(tài)周期可分為擺動相(Swing Phase)及支撐相(Stance Phase).擺動相時，下肢離開地面在空中擺動并前進(jìn).支撐相則下肢與地面接觸，承受地面反力并具穩(wěn)定身體的作用.在支撐相中，可分為五個階段：(1)足跟著地(Initial Contact)；(2)足掌著地(Loading Response)；(3)支撐中期(Mid Stance)；(4)足跟離地(Heel Rise)；(5)足尖著地(Toe Contact).正常人步態(tài)周期足底壓力分布情況如圖2所示.

圖2表明可以通過各傳感器數(shù)值的相對大小關(guān)系推斷人在行走過程中處于哪種步態(tài).

對67例正常人行走過程中各步態(tài)周期對應(yīng)的壓力傳感器數(shù)值統(tǒng)計分析，得出各步態(tài)周期與壓力傳感器數(shù)值相對大小分布模式的對應(yīng)關(guān)系.實驗測得67例正常人行走過程中壓力傳感器的平均峰值如表1所示.

1.2足底壓力數(shù)值的模糊化

由于實驗個體的體重、身高等的差別，傳感器數(shù)據(jù)隨實驗對象個體的差異而不同，故只看傳感器的具體測量值，很難判斷實驗對象處于何種支撐相.因此，本課題采用模糊數(shù)學(xué)處理實驗數(shù)據(jù)，引入隸屬度μ表示傳感器測得數(shù)據(jù)的相對大小.對于每一個傳感器測量值x，相應(yīng)的隸屬度函數(shù)為:

(1)

式中，x0為受試者靜止站立時傳感器值，a為調(diào)整系數(shù).a值越大，圖像越陡峭，a值通過數(shù)據(jù)分析軟件Origin8對測量值進(jìn)行曲線擬合得出.隸屬度函數(shù)圖像如圖3所示.

表1　正常人足底各區(qū)壓力峰值數(shù)據(jù)Tab.1　The normal district average peak plantar pressure data

2　足底壓力分布模式識別

(2)

(3)

3　仿真實驗與分析

為了驗證該方法的有效性，我們在Matlab平臺編制了處理程序,新增加了15名受試者，采集了他們處于5種支撐相時的足底壓力數(shù)據(jù)，代入程序中，得到的自動識別結(jié)果如表2所示.

表2　算法識別結(jié)果Tab.2　The algorithm identifies results

實驗得平均識別率為85.3%，由此可見該方法對人體足底壓力分布模式具有較好的識別性能.

由于確定足底壓力的分布模式、固定類中心wi的計算都是在統(tǒng)計受試者數(shù)據(jù)的基礎(chǔ)上進(jìn)行，樣本量的不足會影響識別率的提高，后續(xù)研究中需進(jìn)一步提高樣本量，增加樣本的多樣性.

[1]PERIYASAMY R,ANAND S.The effect of foot arch on plantar pressure distribution during standing [J]. Journal of Medical Engineering & Technology, 2013, 37(5): 342-347.

[2]NOEL LW K, NIKI M S. The effect of various subject characteristics on plantar pressure pattern[J]. Journal of Foot and Ankle Research, 2014, 4(8): 8-11.

[3]HAFER J F, LENHOFF M W, SONG J,et al. Reliability of plantar pressure platforms [J]. Gait and Posture, 2013, 38(3): 544- 548.

[4]袁剛, 張木勛,王中琴,等. 正常人足底壓力分布及其影響因素分析[J]. 中華物理醫(yī)學(xué)與康復(fù)雜志, 2004,26(3)：156-159.

[5]SYED N,KARVANNAN H. Plantar pressure distribution among asymptomatic individuals:a cross-sectional study [J]. Foot & Ankle Specialist, 2012(5): 102-106.

[6]方正,張興亮,王超,等.基于青年人足底壓力測試的步態(tài)實驗研究[J]. 生物醫(yī)學(xué)工程學(xué)雜志,2014,31(6):1 278-1 282.

[7]夏懿,馬祖長,姚志明,等.基于足底壓力分布時空 HOG 特征的步態(tài)識別方法[J].模式識別與人工智能,2013,26(6)：529-536.

[8]孫穎慧.基于足底壓力圖像和稀疏表示的步態(tài)識別研究[D].杭州：浙江大學(xué),2013.

責(zé)任編輯：龍順潮

Pattern Recognition of Plantar Pressure Distribution Based on Fuzzy Theory

LIUXi-yang，F(xiàn)ENGSi-ling*，CHENXian-mei，LIUJin-rong

(College of Information Science and Technology, Hainan University, Haikou 570228 China)

In this paper, normal plantar pressure data was collected, pressure distribution relations of five stages during walking were statisticsal analysed,Fuzzy theory is pointed to be better recognition of plantar pressure distribution pattern. On the basis of experimental statistics, membership functions characterizing the size of the plantar pressure is obtained by using the fitting method.Combining with experimental data, the clustering algorithm center of FCM is fixed, and the algorithm is streamlined, which can quickly determine the status of a subject in which walking support phase, and the algorithm simulation.Experimental results demonstrate the feasibility of this method.

fuzzy theory；plantar pressure；pattern recognition

2015-07-05

海南省社會發(fā)展科技專項(2015SF33)；海南省自然科學(xué)基金項目(201562226，20156228)

馮思玲(1973-)，女，河南 新鄉(xiāng)人，博士，副教授.E-mail:fengsiling2008@163.com

TP391

A

1000-5900(2016)01-0093-04