基于柔性力敏傳感器的左右腳動態(tài)識別方法*

汪飛躍，姚志明，許勝強，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)院合肥智能機械研究所安徽省仿生感知與先進機器人技術(shù)重點實驗室，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態(tài)識別方法*

汪飛躍1，2，姚志明2，3，4*，許勝強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)院合肥智能機械研究所安徽省仿生感知與先進機器人技術(shù)重點實驗室，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態(tài)足底壓力分布數(shù)據(jù)時，能夠準(zhǔn)確快速自動區(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態(tài)識別方法。首先，基于足底動力學(xué)原理，利用連通域的圖像分割算法對足底壓力數(shù)據(jù)進行聚類分析，得到每一步壓力腳印的時間和坐標(biāo)范圍；在此基礎(chǔ)上進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)輪廓的外觀特征進行左右腳識別。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)識別等領(lǐng)域。通過108個實測數(shù)據(jù)樣本的測試表明：本文方法的識別率高達(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、準(zhǔn)確的獲取人在正常行走過程中的足底壓力數(shù)據(jù)，通過對足底壓力數(shù)據(jù)的分析解算，可以得到每一步的著地時刻、離地時刻、腳印范圍、腳印面積、著地時間、單步平均壓力值、單 步最大壓力值以及單步騰空時間等步態(tài)特征參數(shù)， 從而實現(xiàn)對測試者步態(tài)的評價。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 右腳的識別。在文獻［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)劃出腳印可能的運動軌跡曲線，實現(xiàn)人數(shù)統(tǒng)計。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)對目標(biāo)腳印進行匹配時，未考慮多人較近同時行走情況下，由于腳印鄰近造成錯誤匹配。解決此問題一個有效的方法是對已經(jīng)分割出的腳印進行左右腳識別，利用前一步腳印和當(dāng)前腳印的關(guān)系進行約束，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位置發(fā)生改變，則此些情況應(yīng)當(dāng)予以排除，進而可以有效地排除由于腳印鄰近造成錯誤匹配情況。文獻［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的優(yōu)點，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)不能自動識別左右腳，需進行人工判別，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)的自動識別和數(shù)據(jù)分割一直是一個難題，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別方法卻相對較少：在文獻［4］中，首先利用Mean-shift算法對足底壓力數(shù)據(jù)進行聚類，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，沒有很好的識別率。還有其他左右腳識別方法，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、步速等運動學(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間、單步騰空時間等時間參數(shù)信息。針對以上不足，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足底壓力數(shù)據(jù)進行聚類分析，并提出了一種基于足底壓力和腳印輪廓的左右腳識別方法。實驗證實，本文提出的方法能夠準(zhǔn)確、快速的進行左右腳識別和數(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）獲取步行時的足底壓力分布數(shù)據(jù)來測試本文所提出的左右腳識別方法，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×80個壓力敏感點，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，所獲得的足底壓力數(shù)據(jù)是按照時間戳先后順序依次存放在計算機緩存中，為了實現(xiàn)對左右腳數(shù)據(jù)的分割以及左右腳的識別，需要對緩存中的數(shù)據(jù)進行處理，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、止時間和坐標(biāo)范圍，再由此對單步的足底壓力數(shù)據(jù)進行提取，實現(xiàn)單步足底壓力數(shù)據(jù)的分割，進而可計算出腳印的外輪廓，最后依據(jù)輪廓的特征對腳印進行識別。

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，可以將柔性力敏傳感器采集到的動態(tài)足底壓力數(shù)據(jù)理解成是一幅動態(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｝，分別表示時間戳，行，列和壓力值。記 f（i,j）（t）表示傳感器敏感點（i,j）在t時間戳?xí)r刻的采樣壓力值，則柔性力敏傳感器在t時刻的采樣信息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（不包括所有時序）。根據(jù)人正常行走過程中腳印形成的特點，可知人行走過程中的腳印是由不同時間戳的壓力腳印疊加而成，因此，在進行單步腳印識別之前，需要對單步數(shù)據(jù)進行提取。本文基于連通域的圖像分割算法［10,12-14］將不同時間戳的壓力腳印進行聚類分析，從而得到目標(biāo)腳印。

圖2 人正常行走時腳印的形成過程

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，需對足底壓力數(shù)據(jù)進行濾波。研究發(fā)現(xiàn)，噪聲點大都以離散點的形式出現(xiàn)，不會出現(xiàn)數(shù)據(jù)雜點聚集現(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的算法。其思想是：以當(dāng)前壓力點為中心，構(gòu)建一個3×3的濾波窗口，統(tǒng)計濾波窗口內(nèi)有壓力值的個數(shù)，如果壓力值的個數(shù)小于一定的閾值，則將此壓力點剔除（本文閾值為4）。實驗證明此種濾波方法能夠有效快速地濾除雜點。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)律的運動方式，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經(jīng)驗條件：

條件1 正常行走過程中，步長、步寬在一個合理的范圍內(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，同屬一個腳印不同數(shù)據(jù)塊之間的時間戳間隔在一個合理的范圍內(nèi)；

聚類算法主要包括以下幾個步驟：

Step 1 依次掃描每一時間戳壓力數(shù)據(jù)，將壓力數(shù)據(jù)映射到圖像矩陣中，并對圖像矩陣進行二值化處理，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)記算法對二值矩陣進行標(biāo)記分類，將每一時間戳的足底壓力數(shù)據(jù)分為不同的區(qū)域塊，計算各個區(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)，將各個時間戳中不同類別的小區(qū)域類依次劃分到不同的腳印中，從而實現(xiàn)腳印的分割。對所有的區(qū)域塊進行聚類和迭代，最終可以分離出每一步腳印。

依據(jù)上述3個經(jīng)驗條件可知：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；同屬一個腳印的區(qū)域塊之間的時間戳間隔也應(yīng)在在正常的范圍FT內(nèi)。本文在實際操作過程中，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重新計算最小包絡(luò)框、幾何中心、坐標(biāo)范圍RS以及更新時間戳范圍［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），包括著地時刻ST、離地時刻ET、以及坐標(biāo)范圍RS，其中，ST為腳印聚類開始的時間戳；ET為腳印聚類結(jié)束時刻；RS由left、top、right和bottom 4個參數(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所在的位置。依據(jù)所述3個信息對存儲在緩存區(qū)的足底壓力數(shù)據(jù)進行遍歷查找，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，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，本文在進行左右腳識別時，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)系識別左右腳。為了識別的方便，本文將腳印分為三個區(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

腳印識別的步驟如下：

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

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中所求的夾角對圖像進行旋轉(zhuǎn)，并進行近鄰插值。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 對旋轉(zhuǎn)后的圖像進行形態(tài)學(xué)處理，主要包括膨脹和腐蝕操作，并對圖像進行平滑濾波；

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

Step 6 以5中的外包絡(luò)矩形框的長軸方向進行掃描，記錄短軸方向上腳印寬度，以及上、下邊界點的坐標(biāo)，其中上下邊界點坐標(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 對腳印的寬度、以及上、下邊界點的數(shù)據(jù)進行4次多項式數(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、上邊界點曲線和下邊界點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 上邊界點曲線

圖13 下邊界點曲線

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分別代表上邊界點曲線和下邊界點曲線，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、上邊界點坐標(biāo)曲線、下邊界點坐標(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極值和極值個數(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），尋找極值點的策略如下：

①x從0開始，計算 f（x），以?x為步長（?x本文取值為0.02），計算 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)域為遞增，反之表明遞減。

②再以 x=x+?x為起始點，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)域存在一個極值點，如果前一次為遞增，此次為遞減，則此點為極大值點，反之，如果前一次為遞減，此次為遞增，則此點為極小值點。記錄極值點個數(shù)以及極值，極值以 f（x）表示（不需要準(zhǔn)確數(shù)值，只要在極值點附近即可），再重復(fù)步驟②，直到 f（x）=0結(jié)束。

③對于腳印寬度曲線，需要比較第一個極大值fmax1與第二個極大值 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。對于上邊界曲線和下邊界點曲線，只需要統(tǒng)計極值點（Nup和Ndown）個數(shù)，如果極值點數(shù)目為3，則表明此邊界波動明顯，為腳印足內(nèi)功一側(cè)，如果極值點數(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個數(shù)，即可識別出腳印。具體情況如式（2）、式（3）所示：

3 測試實驗與結(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，實驗人數(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。在進行試驗之前，需給予測試者足夠的時間熟悉實驗環(huán)境和實驗流程，并事先告訴測試者需要裸腳進行測試。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 測試方法與評價指標(biāo)

為了評價本文提出的左右腳識別方法，本文基于以下評價標(biāo)準(zhǔn)統(tǒng)計真實識別率。

評價標(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種行走方式行走實驗，正確識別左腳的次數(shù)；TR（i,j）表示第i樣本以第j種行走方式行走實驗，正確識別右腳的次數(shù)；FL（i,j）表示第i樣本以第j種行走方式行走實驗，右腳識別錯誤的次數(shù)；FR（i,j）表示第i樣本以第j種行走方式行走實驗，左腳識別錯誤的次數(shù)。

3.3 實驗結(jié)果

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

實驗數(shù)據(jù)表明，前面3種正常步態(tài)情況的左腳識別率、右腳識別率、左右腳平均識別率都比較高，第4種任意的行走情況的左右腳識別率比其他三種略低。經(jīng)分析發(fā)現(xiàn)，有些測試人在進行第4種方式測試時，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，腳印發(fā)生大面積截斷，從而造成識別錯誤。

表2 腳印的識別率

本文提出的左右腳識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行左右腳識別。同文獻［4］比較發(fā)現(xiàn)，本文提出的左右腳識別方法具有較好的魯棒性，針對異常步態(tài)也有很高的識別率。同人工識別相比，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，本文提出左右腳識別方法能夠準(zhǔn)確、快速的進行左右腳識別和數(shù)據(jù)區(qū)分，而且具有很好的魯棒性，擁有比較高的識別率。

通過對單步足底壓力數(shù)據(jù)的分割提取和識別，可以計算得到每一腳數(shù)據(jù)的著地時刻、離地時刻、腳印范圍、腳印面積、著地時間、單步平均壓力值、單步最大壓力值、單步騰空時間等步態(tài)特征參數(shù)。表3為應(yīng)用本文方法計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

各個參數(shù)的含義及計算方法如下：

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

著地時間：又稱支撐時間，表示單步獲得地面支撐力的時間，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

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

雙支撐時間：在步行過程中，有一個時期，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，雙足同時都處于支撐期，此時期即為雙支撐時間，即ETN-STN+1，N表示步數(shù)。

4 結(jié)束語

本文針對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)分割和左右腳動態(tài)識別方法。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，實現(xiàn)了對左右腳數(shù)據(jù)的準(zhǔn)確分離及識別，極大提升了數(shù)據(jù)可視性和分析便利性，也為步態(tài)分析與評估、神經(jīng)性疾病診斷以及步態(tài)識別帶來了便利。本文的聚類分析算法和左右腳識別方法依然存在需要改進的地方，如改進聚類條件，提高腳印識別效率等，這將是筆者下一步研究和改進的重點。此外，將本文的成果與步態(tài)的健康水平相結(jié)合，準(zhǔn)確的評價步態(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.電動跑步機上步態(tài)特征獲取系統(tǒng)的設(shè)計［J］.傳感技術(shù)學(xué)報，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，2008，21（11）：1935-1939.

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

［8］ 王琨，王年，鮑文霞，等.一種步態(tài)觸覺特征識別算法［J］.安徽大學(xué)學(xué)報，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，夏懿，姚志明，等.一種基于柔性力敏傳感器的人數(shù)統(tǒng)計系統(tǒng)［J］.計算機工程，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］.計算機應(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集凸包的新算法［J］.計算機科學(xué)，2007，34（12）：222-226.

汪飛躍（1991-）男，碩士研究生，主要研究方向為信號與信息處理，youngwfy@sina.com；

楊先軍（1980-），男，博士，中國科學(xué)院合肥智能機械研究所副研究員，主要研究方向為智能信號處理、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)院合肥智能機械研究所副研究員，主要研究方向為運動生物力學(xué)、模式識別與智能系統(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

項目來源：安徽省科技攻關(guān)計劃課題項目（1301042215，1501021042）；國家科技支撐計劃項目（2013BAH14F01）

2014-12-04 修改日期：2015-04-02