（计算机软件与理论专业论文）年龄相关的健康男性步态稳定性研究.pdf

上海大学硕士学位论文 年龄相关的健康男性步态稳定性研究 摘要 步态分析对人类步态的康复指导有着非常重要的意义。稳定性分析作为步态 分析的一个分支，已成为老年人意外跌倒问题中备受关注的研究热点之一。本文 试图论证正常行走步态的稳定性与年龄之间是否真的有关联，如果有关联，进而 为判断、评估非正常步态提供量化标准，从根本上促进对老年人意外跌倒的研究。 为了找到正常步态下行走稳定性与年龄之间的关系，本论文提出了一种新的、 体系完整的基于特征选择的步态稳定性分析方法，包括利用动态时间规整算法完 成特征值计算的稳定性评价方法、利用自适应遗传算法搜索最佳特征组合的步态 特征选择方法以及利用支持向量机评价特征组合适应度的特征组合评价方法。 本文利用这些方法分析了5 1 个健康男性的步态数据。这些实验数据来自日 本会津大学( t h eu n i v e r s i t yo fa i z u ) 生物信息技术实验室( b i o m e d i c a li n f o r m a t i o n t e c h n o l o g yl a b o r a t o r y ) ，包括志愿者行走在水平面上时身上3 0 个点的位置信息。 然后利用1 4 连体行走模型，抽取了位置、速度、加速度三类共计5 7 个特征描述 人类的步态稳定性。 经过特征选择后，特征数量减少了4 3 9 ，数据采集点减少了5 3 3 ，而特 征组合适应度提高了5 9 ，并且这些特征基本上是左右对称的。在对找到的最 佳特征组合中所有特征进行统计分析后发现：除了2 0 2 9 岁这一群体外，稳定性 随着年龄的变化如以前的研究中提出的假设一样随着年龄的增长而变差。说 明利用这些特征按照年龄分组简单求和的统计值，可以得到一个正常步态的界定 范围，从而对正常、非正常步态做出判断，并可依据各项参数即各特征值，对病 理步态做相应调整。 这一基础研究为简化数据采集装备提供了实验支持，也验证了步态稳定性随 着年龄增长而变差的假设，另外对临床治疗病理步态并制定恢复方案有一定的参 考意义。 关键词：步态稳定性，行走模型，动态时间规整，自适应遗传算法，支持 向量机 a g e - r e l a t e dw a l k i n gs t a b i l i t ya n a l y s i so f h e a l t h ym a l es u b j e c t s a b s t r a c t w a l k i n gs t a b i l i t ya n a l y s i si sv e r yi m p o r t a n tf o rr e h a b i l i t a t i o no nh u m a nw a l k i n g w a l k i n gs t a b i l i t ya n a l y s i sh a sb e c o m ev e r yi n t e r e s t i n ga n da t t r a c t i v ei nt h eq u e s t i o n s o fa c c i d e n t a lf a l l sf o re l d e r l y t h i st h e s i st r i e st od e m o n s t r a t ew h e t h e rt h e r ei sa n yr e - l a t i o n s h i pb e t w e e na g ea n dw a l k i n gs t a b i l i t y , t h e np r o v i d e saq u a n t i t a t i v es t a n d a r dt o j u d g eo re v a l u a t et h eg a i to fap a t i e n t ，m o r ei m p o r t a n t l y , t h a tw i l lh e l pu su n d e r s t a n d t h er e a s o n sf o ra c c i d e n t a lf a l l so fe l d e r l yb e t t e r t og e tt h er e l a t i o n s h i pb e t w e e n a g ea n dw a l k i n gs t a b i l i t yu n d e rn o r m a lg a i t s ，t h i s p a p e rt r i e san e wa p p r o a c hb a s e do nf e a t u r es e l e c t i o nt os t u d yw a l k i n gs t a b i l i t y i t u s e sad y n a m i ct i m ew a r p i n ga l g o r i t h mt oc a l c u l a t et h ev a l u eo ff e a t u r e ，s u p p o r tv e c - t o tm a c h i n et oe v a l u a t et h ef i t n e s so ff e a t u r ec o m b i n a t i o n ，a n da 1 1a d a p t i v eg e n e t i c a l g o r i t h mt os e a r c ht h eb e s tf e a t u r ec o m b i n a t i o n t h i st h e s i si n v e s t i g a t e sw a l k i n gp a t t e r n si n51h e a l t h ym a l es u b j e c t s a l ld a t aa r e f r o mt h eb i o m e d i c a li n f o r m a t i o na n dt e c h n o l o g yl a b o r a t o r yi nt h eu n i v e r s i t yo fa i z u e a c hc o p yo fd a t ai n c l u d e sp o s i t i o n , v e l o c i t ya n da c c e l e r a t i o ni n f o r m a t i o n b a s e d o nt h ef o u r t e e n l i n k a g ew a l k i n gm o d e l ，5 7g a i tf e a t u r e sw e r ee m p l o y e dt od e s c r i b e s u b j e c t s g a i t a f t e rf e a t u r es e l e c t i o n ，t h e r ei s4 3 9 r e d u c t i o no nf e a t u r en u m b e r ，5 3 3 r e d u c t i o no nm a r k e r s ，a n d5 9 i n c r e a s ei nf e a t u r ef i t n e s s a c c o r d i n gt os o m es t a t i s t i c s u p o nt h o s es e l e c t e df e a t u r e s ，i ti sf o u n dt h a tg a i ts t a b i l i t yd e c r e a s e sw i t ha g e i n g ，j u s t l i k et h ea s s u m p t i o n si np r e v i o u sr e s e a r c h e s ，e x c e p tt h eg r o u pt w e n t i e s i ts h o w st h a t b a s e do nt h es i m p l es t a t i s t i c sb yg e tt h es u mo fa l lt h o s es e l e c t e df e a t u r e sa c c o r d i n gt o a g e ，ar a n g ec o u l db ea c q u i r e dt od e t e r m i n ew h e t h e rt h eg a i ti sn o r m a lo rn o t a c - c o r d i n gt ot h es p e c i f i cp a r a m e t e rt h a ti sa l s of e a t u r ev a l u e ，p l a nf o ra d j u s t i n ga b n o r - m a lg a i tc o u l db em a d e i i 上海大学硕士学位论文 t h i sb a s i cr e s e a r c ht e s t i f i e st h a tt h er e l a t i o n s h i pb e t w e e na g ea n dw a l k i n gs t a b i l i t y , a n dp r o v i d e ss o m es u p p o r t st os i m p l i f yd a t aa c q u i s i t i o nm e a s u r e m e n t sa n ds o m er e f - e r e n c e st oc l i n i ct r e a t m e n t s k e y w o r d s ：w a l k i n gs t a b i l i t y , w a l k i n gm o d e l ，d y n a m i ct i m ew a r p i n g ，a d a p f i v eg e n e t i ca l g o r i t h m ，s u p p o r tv e c t o rm a c h i n e i i i 原创性声明 本人声明：所呈交的论文是本人在导师指导下进行的研究工作。 除了文中特别加以标注和致谢的地方外，论文中不包含其他人已发表 或撰写过的研究成果。参与同一工作的其他同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示了谢意。 签名：难日期：幽 本论文使用授权说明 本人完全了解上海大学有关保留、使用学位论文的规定，即：学 校有权保留论文及送交论文复印件，允许论文被查阅和借阅；学校可 以公布论文的全部或部分内容。 ( 保密的论文在解密后应遵守此规定) 日期： 上海大学硕士学位论文 1 1 引言 第一章绪论 人类步行可以分为四个主要组成部分：( 1 ) 运动的开始和终止；( 2 ) 朝着目 的地行进；( 3 ) 行进过程中稳定性的保持；( 4 ) 对环境改变的适应能力。所谓 稳定性就是维持身体的稳定不至于跌倒，它对人的姿势控制系统是一个非常大的 挑战，主要有两方面的原因：第一，人体重量的三分之二是由身高的上三分之二 在承受着；第二，在步行周期中的大部分时间里，身体是靠单脚支撑的t 2 1 。 仅从静力学的角度来说，如果支撑面越小，重心越高，那么要维持稳定性就 变得很困难。因为在相对静止的条件下，只要能保证身体的重心落在两腿的支撑 区域之内的，那么就不会有安全隐患存在。但是从生理的角度来说，步态受到人 体组织结构、生理功能、运动控制能力及心理状态等多种因素的影响，因此运动 中的步态稳定性的维持变得更加错综复杂3 川1t 5 1 。 现代测量技术的发展使我们有可能对人类行走时身体各部分的运动数据进 行动态捕获，这使得对步态稳定性的分析成为可能。通过对步态稳定性的定量分 析，可以帮助医生更加科学地分析病因和诊断病情、评定疗效、指导病人行走训 练。同时，可以为人工关节、义肢、康复训练及器材等的设计研究提供一定的理 论支持和参考价值，它已成为基础和临床研究中不可缺少的手段之一，在体育、 人类学、宇航、人机工程、工业等诸方面也有重要的科学意义及应用价值。对于 双足步行机器人的步态规划与控制问题，步态稳定性分析更具有仿生学的指导意 义6 1 7 】。 1 2 课题研究背景 随着科学技术的发展及医学的进步，人类的平均寿命也随之延长，同时，全 世界都面临着人口老龄化所带来的问题。就我国而言，由于计划生育政策的实施， 我国老龄化速度大大高于其他国家。早在1 9 9 5 年l o 月1 日，抽样调查表明：我 国6 0 岁以上的老人已占社会总人口的1 0 2 ( 老龄化标准为l o ) ，现已达1 4 3 亿，到2 0 2 0 年将占总人口的1 6 。 上海大学硕士学位论文 对老年人来说，摔跤是最普遍同时也是最严重的问题。当前，老年人的摔跤 是全世界都在关注的问题，因为它对健康有着实质性的影响并且花在健康保健的 费用也是非常庞大的蝎1 9 1 0 据统计，在所有的伤害医疗报告中，6 5 岁以上年龄 段占到了4 的比例o 1 1 2 1 。据美国弗吉尼亚州疾病控制中心统计，在超过7 0 岁的人群中大概有三分之一的每年都有跌倒的经历，其中四分之一的跌倒给他们 带去了身体上和心理上不同程度的伤害1 1 3 1 。美国另一项统计资料表明有1 3 的 居家老年人( 6 5 岁以上) 发生过跌倒事件，并且有一半的跌倒事件会重复发生。老 年护理院中每年有4 0 跌倒的老年人发生髋部损伤，住院和需要长期招呼的老年 人分别有2 0 和4 5 的跌倒发生率，同时跌倒还是8 5 岁以上老年人意外死亡的 主要原因。另外，我国广州军区武汉总医院对因跌倒而进医院的老年人进行了统 计调查，认为“跌倒已成为老人致残的“杀手”。统计表明，1 3 以上的6 5 岁 左右的老年人每年跌倒一次，6 5 6 9 岁女性跌倒的发生率为3 0 ，8 0 岁及以上女 性为5 0 ；6 5 岁左右男性跌倒发生率为1 3 ，8 0 岁及以上男性为3 1 。 如上述调查所示，摔跤的概率随着年龄增长而增加。一些步态运动学参数被 证明和摔跤有一定的关系。到现在为止，大量相关研究表明，导致摔跤的因素有 很多，比如肌肉力量弱化、摔跤历史所造成的心理阴影、稳定性变差、视力下降 等等k 1 4 1 0 但在所有这些因素当中，步态稳定性被认为是最为重要的，因为它被 认为是步行过程中影响步态所有的因素的综合体现。 相对来说，对站立的分析比较简单点，因为它是相对静止的稳定。当人垂直 站立的时候，人体重量的三分之二由上身的三分之二身高来承担。只要身体的重 心落在两脚的支撑范围之内，人就不会因失去稳定性而摔跤。关于这一点，有充 分的机械学理论可以证明它。 但是，行走和站立是两种很不一样的状态。在日常生活中，人行走在千变万 化的环境里。在行走的过程中，我们必须根据当前的环境来调整好自己的状态， 最终反映为步态。在这期间，当我们把体重带来的压力从一只支撑脚转移到另一 只支撑脚的时候，不稳定也就随之发生了，因为这个转移过程已经破坏了原有的 稳定。为了能够安全地向目标迈进，我们必须把脚放置在一个合适的位置以成功 的克服环境给我们带来的障碍，从而保持动态的稳定。 如上所述，对我们来说，稳定性是导致摔跤的最为重要的原因。当人逐渐变 2 上海大学硕士学位论文 老，其步态的稳定性也就变得越来越重要。年轻人可以很容易的对那些会影响到 步态稳定性的外部因素作出及时的反应和调整。那是因为年轻人相对老年人有更 好的体能、肌肉力量及应变能力。而老年人，因为年龄的增长，导致了肌肉力量 变差、前庭功能下降、震动觉减退等等，而这些都是步行过程中维持稳定性的不 可或缺的因素。任何来自身体内部或是外部环境的小变化，对他们来说更加容易 引起摔跤致伤( 1 5 1 0 当行走在非常复杂的路况条件下，就算是身强力壮的年轻人，他们的生理控 制系统也是难以应对的。通常情况下，他们并不知道他们的步态正处于一个不稳 定的状态，就算他们知道这一事实，他们也不清楚究竟是不稳定到怎样一种程度。 结果，他们就很可能因为心理上的忽视而摔跤、受伤。 但是在我们解释人为什么会摔跤、为异常步态的人提供康复方案之前，非常 有必要弄清楚什么样的步态才是正常的步态以及它与年龄的关系，因为只有在充 分了解正常步态之后，才能为判断和评估非正常步态提供量化标准，医生才可以 为病人制定科学合理的治疗方案，也可以对即将发生的危险提前预警，从而防止 意外的发生。 在利用正常步态数据进行稳定性分析的时候，有一点必须牢记：什么样的步 态才算是正常的步态。因为人有男女之分、年龄的不同、甚至不同的身体几何结 构，所以在对数据分析之前，应当根据样本的特点选择一个适当的标准来衡量是 否正常。否则，要是把对女性老年病人分析得到的结论应用到健康年轻的男性身 上，毫无疑问那肯定是不对的。 就目前而言，对步态稳定性的分析主要有年龄相关性分析、正常与不正常比 较分析、影响因子分析等等。所有的分析都涉及到同一个问题，就是如何去评价 稳定性的好坏，有的只是简单抽取步态周期中特定时刻点的数据、也有用到通常 情况下相似性比较的1 1 6 11 1 7 1 ( 1 8 11 1 9 1 。 1 3 步态稳定性研究概况 鉴于步态稳定性研究的实际意义，有关这方面的研究已取得了非常骄人的成 绩。国内在这方面的研究相对较少，国外的研究工作已有比较长的历史，尤其是 发达国家，在这方面的成果比较突出。到目前为止，已经积累了相当多的有关步 上海大学硕士学位论文 态稳定性方面的研究角度及研究方法，下面就这些具有代表性的研究角度对步态 稳定性分析的发展状况作一个简要概括。 g a g e 在1 9 6 4 年提出了利用加速度模型来进行稳定性研究，他利用谐波分析 法对躯干的加速度进行分析1 2 0 1 。但是s m i d t 等人在不久后对此方法进行了改进， 他们发现在正常人、拄拐杖的人和做过截肢手术的病人在谐波比例上有非常大的 差异1 2 1 11 2 2 1 。 不久之后，y a c k 和b e r g e r 利用加速度模型在老年人和年轻人中做了一个实 验，他们把三维加速度计绑在测试者第二胸椎的位置，让测试者在自然状态下步 行2 0 米左右，然后利用s m i d t 等人改进的谐波比例研究方法进行分析，发现正 常年轻人和正常老年人在加速度模型方面非常相似，但是那些有稳定性问题的老 年人的加速度在垂直方向上和行进方向上表现的很差1 2 3 1 0 加速度模型一度被认为是稳定性研究方面最具潜力的模型，m o e n i l s s o n 在 他的论文中说加速度模型研究方法有着相当高的可靠性，并且可以探测出人在不 同地面上行走时的变化。但是，此模型最大的缺点是，它仅仅对躯干这一个位置 进行了测量，它认为由于这个测量区域包含了身体的重心，所以通过此点的测量 数据可以反应整个身体的运动情况 1 8 1 1 2 4 1 1 2 5 1 。 德国的b r a u n ew ，f i s c h e ro 利用人类步行周期性的特点，将步行周期划分 为站立期和摆动期这样两个组成部分，他们利用站立期和摆动期间的行走速度、 跨步长度以及双足支撑时间来进行年龄相关性分析，他们认为如果一个人的稳定 性越强的话，那么这个人行走的速度就越快、步长越小，并且花在双足支撑上的 时间也越少t 2 6 1 0 通过实验，确实发现老年人在这三个参数上的表现逊色于年轻 人，似乎符合预期的判断，但是结论和假设间存在这样一种矛盾：一方面老年人 的这些时空特征的变化或许能反映他们的稳定性不够好；然而另一方面，老年人 希望通过这样一种调整来获得更好的稳定性。因为这样一种矛盾的存在，使得这 一类基于时空特征的研究方法受到后来者越来越多的质疑。 另外，m u h a m m a d a r i f * 等2 7 1 人利用一种非线性分析方法一近似熵研究了 年轻人和老年人之间稳定性的差异，他们发现测试者在行走的过程总是试图通过 调整步行速度来维持自己的稳定性，所以他们认为调整速度可以作为增加稳定性 的一种手段。 4 上海大学硕士学位论文 2 0 0 6 年，上海大学与日本会津大学启动了一个针对老年人摔跤问题的步态 稳定性研究项目，张博锋教授发明了一个叫做十四刚体步行模型1 2 8 1 基于这个 模型他对人的下肢、脚印、步行周期进行稳定性研究，发现这三个方面的表现并 不是想象中那样随着年龄的增长而减弱，尤其是在步行周期性上，几乎是随着年 龄呈现稳定性变强的趋势。 步态稳定性方面的研究还有很多，比如说视力对行走稳定性的影响等等，不 胜枚举，但是到目前为止仍然没有一个统一的、大家都认可的研究模型或方法。 一方面是因为大部分研究都是基于一种假设：人越老，他的步态就越不稳定。实 际上，如上面所提到的一样，稳定性的影响因素有很多，比如视力的好坏、前庭 功能的强弱、周边环境的影响等等。另外，就评价稳定性的方法而言，也有值得 商榷的地方。一些研究只是用到了一个步态周期中的最高点和最低点这两个数据， 而舍弃了绝大部分数据，放弃了步行过程的完整性。其实像近似熵这类非线性时 间序列方法是一个不错的选择，因为它试图通过比较两个步行周期之间的相似性 来评价稳定性的好坏，但是这类方法本身存在一定的局限性，因为它要求两个相 比较的步行数据序列必须要有相同的长度。我们知道，通常情况下，不管是什么 样的数据采集设备，其采样频率是固定的，而人走路的频率是不可能保持不变的 ( 除非是机器人) ，那么在这样一种情况下，不同步态周期里的数据很难保证具有 相同的长度，所以要应用此类方法，必须破坏原数据，否则无法满足应用条件。 1 4 研究目的 本文针对上述问题，进行了一种新的尝试。首先，用一种新的方法定义了稳 定性；第二，以数据挖掘这样一种全新的角度对年龄和步态稳定性之间的关系进 行研究。 本文主要是对51 个来自不同年龄层的健康男性志愿者步态数据进行年龄相 关的稳定性分析。在抽取到5 7 个稳定性的描述特征之后，试图利用数据挖掘的 方法从中找出具有代表性的、最能反映与年龄相关的特征组合，然后对最优特征 组合进行统计分析。一方面，能够为临床医学提供更有价值的参考，也使我们能 够对步态，尤其是正常步态有更深一步的认识；另一方面，为简化数据采集和制 作可穿戴式的数据采集设备提供理论和实验支持。 5 上海大学硕士学位论文 1 5 研究意义 年龄相关的步态稳定性研究是为了找到一般情况下稳定性随着年龄增长的 变化规律，利用这些研究得到的结论如果能提供科学的康复建议或者能对即将来 临的危险进行预测的话，这无疑是对人类生活的又一保障。 1 6 论文结构 本论文是以作者攻读硕士学位期间承担课题的工作为基础，主要对正常健康 男性的步态稳定性进行分析。 第一章阐述了课题研究的背景、目的、意义以及国内外研究的现状。 第二章介绍了步态稳定性的定义、描述稳定性的特征抽取以及特征值的计算。 第三章介绍了如何从可行特征空间中找出近似最优特征组合，详细阐述了针 对这一论题的遗传算法的改进，并完成了对比实验。 第四章阐述了遗传算法中适应度评价方法，利用会津大学博士生毛玉翔改进 的支持向量机对样本进行分类，并完成了对比实验。 第五章对第三章、第四章中的实验结果进行分析，并进行总结，展望了今后 要做的工作。 6 上海大学硕士学位论文 第二章基于动态时间规整法的步态稳定性 特征抽取 根据样本数据的年龄信息，本论文试图找到年龄与步态稳定性之间的关系。 所以，如何去定义稳定性应该是首先要解决的问题，同时它也是研究者一直以来 想要去解决的问题。因为这是进行步态稳定性研究的开始，稳定性定义的好坏必 然会影响到稳定性特征的质量，以及所得到的结论。 本章以一种全新的角度对什么是步态稳定性进行了描述，基于稳定性定义和 1 4 刚体步行模型，完成了描述步态稳定性的特征的抽取以及特征值的计算。 2 1 步态稳定性特征抽取 本论文采用英国o x f o r dm e t r i c sl i m i t e d 公司的v i c o nm x 系统对5 1 位男性 的正常步态数据进行采集，该系统能够捕获人在行走过程中的位置数据。采样频 率为1 2 0 h z 。志愿者沿着长约1 0 米的水平面行走。 通过对人体结构的研究，采集了3 0 个关键点的数据，如图2 1 所示。 图片的右边是对应各个标志点的序号进行的解释。它们分别是：头的前面的 左右两侧的点，头的后面两侧的点，也就是图左边的1 l f h d 、2r f h d 、3l b h d 和4r b h d 这个点，它们确定了身体的头部。5 是指人体背部头的下方脊柱突出 的那一部位，6 是传统意义上的人体的中心点。7 是指锁骨中心的点，8 是左肩 膀的点，9 是左侧肘部，1 0 是当左手心朝向地面时，手腕内侧( 靠近大拇指) ，相应 地，1 1 是指左手腕外侧；点1 2 、1 3 、1 4 、1 5 分别和8 、9 、1 0 、1 1 分别相对应。 1 6 、1 7 、1 8 、1 9 这四个点分别是腰部的前左侧、前右侧、前部中心、后左侧、 后右侧，这五个位置确定了腰部的位置，2 1 是指左腿膝盖，2 2 是指左脚踝，2 3 是指左脚后跟，2 4 是指左脚大拇趾，2 5 是指左脚小脚趾，其中2 3 ，2 4 和2 5 确 定了左脚部位。那么，相应地，点2 6 、2 7 、2 8 、2 9 、3 0 分别和2 1 、2 2 、2 3 、2 4 、 2 5 相对应。这就是标志点和人体各部位的对应。 7 上海大学硕学位论文 1 一d 一h d m 口 “ 4 m h t e d 5 。一n h b 6 ：t 1 0 # o f y h l l 7c 一c h v k h o u “ 9 一b w 1 0 一i d c ) ，u l s b t ( 自g 日目d e ) 12r r i t t h t h 5 1 一“l d l t e 1 4 m 目f t 9 “o ) 15 一o ( 】n d o ) 1 6 t 1 7 l w h t h t 1 8 一s e e n t 4 t 1 9 一b t 。v h t b t 2 1 c c 2 ，一* lt 5k 1 一 口ek n t o c m 5 b h t h o c 2 7 0 1 k 一r i g h t h * 1 5 l o 一e r m h 图2 1 采集数据点 然后根据1 4 剐体模型，抽取了其中5 7 个特征。 上海大学硕士学位论文 图2 21 4 刚体模型 其中1 9 个关键点分别是：头部( h e a d ) ，颈部m c k ) ，左肩( l s h o ) ，右肩 ( r s h o ) ，左肘( l e l b ) ，右肘( r e l b ) ，左手( l w r 0 ，右手( r w r i ) ，左胯( l h i p ) ， 右胯( r h i p ) ，胯q h ( c e n t ) ，左膝( l k n e ) ，右膝( r k n e ) ，左脚踝( l a n k ) ，右脚 踝( r a n k ) ，左脚后跟( l h e e ) ，右脚后跟( r h e e ) ，左脚趾( u o e ) 和右脚趾( r t o e ) 。 以上的关键点与标志点的对应关系如下： h e a d = ( l f h d + r f h d + l b h d + r b h d ) 4 l s h o = l s h o r s h o = r s h o n e c k = ( l s h o + r s h o ) 2 l e l b = l e l b r e l b = r e l b l w r i = ( l w r a + l w r b ) 2r w r i = ( r w r a + r w r b ) 2 l h i p = ( l a s i + l p s i ) 2 r h i p = ( r a s i + r p s i ) 2 c e n t = ( l a s i + l p s i + r a s i + r p s 0 4 l k n e = l k n er k n e = r k n e l a n k = l a n k r a n k = r a n k l h e e = l h e e r h e e = r h e e l t o e = l t o e r t o e = r t o e 每一个点有位置、速度、加速度三个特征，共计5 7 个特征来描述人的步态 稳定性。 9 上海大学硕士学位论文 2 2 稳定性评价方法 论文研究的重点是步态稳定性，因此选择一种合适的评价稳定性的方法是至 关重要的。在对稳定性研究的过程中，研究者不断对稳定性评价方法进行改进， 并且借用了很多其他领域的研究方法。下面将讨论一些在稳定性分析中常用的评 价方法。 2 2 1 重心法 在对步态稳定性研究的一开始，研究者认为身体的重心是影响步态稳定性的 最为重要的一个因素1 2 8 1 从纯机械学的角度来说，维持稳定性的目标是为了使 身体重心能够安全的落在双脚支撑范围之内，只要这样，人就不会因为失去稳定 性而摔跤。 这样一种准则很适合应用于机器人的行走，或者人站立的情况，但它很难被 人的行走所接受，因为当人在步行的时候，为了能向前行进，就破坏了平衡导致 身体前倾，只有当另外一只脚放在适当位置的时候，才会避免摔倒，而在这个过 程，身体重心在地面上的投影在大部分时间里超出了支撑脚所能支撑的范围1 2 9 1 2 2 2 最大值与最小值法 为了方便研究，大部分研究都是以脚后跟作为参照点来获取步行的周期信息。 在步行期间，身体上所有的点会随着脚的向前移动而上下波动。因为在一个周期 吗里面，最高点和最低点有一定的代表性，所以很多人利用这两个点的平均值来 衡量稳定性。 这种方法对数据的处理很简单，但是它仅仅利用到了两个点的数据，舍弃了 绝大部分其他数据，没有考虑到步行完整性。 2 2 3 非线性时间序列 非线性时间序列分析是一种动态的时间处理统计方法。基于随机过程理论和 数学统计方法，非线性时间序列通过找到随机数据序列的规律来解决实际问题。 1 0 上海大学硕士学位论文 经典的统计分析方法都假定数据序列具有独立性，而时间序列分析则侧重研究数 据序列之间互相依赖的关系。 其中，近似熵是一种经典的非线性时间序列分析方法。c h a n d a nk k a r m a k a r 等3 0 1 b 人用近似熵去评价稳定性。近似熵的值越小说明步行数据序列表现得更 加整齐，相反，近似熵值越大意味着步行是不太正常的。公式1 说明了近似熵的 计算方法。 4 p f 扎c ，m ，t - ，= 一n 石手竺亏i 竽；荨孚兰端 c 1 ， 其中，代表的是数据元素的个素，m 是模板的长度，是偏差，通常情况 下，被当作样本数据的标准差的百分比去对待。 y o h t a k i 等啦! 人则用l y a p u n o v 指数来完成稳定性的估计。l y a p u n o v 指数 九由下式决定。 d ( a t ) = d ( 0 ) e 怂( 2 ) 其中，n ( z x t ) 是c 时间间隔内相周期间的位移，d ( 0 ) 是相邻点的初始化距离。 在重构的状态空间里，l y a p u n o v 指数九量化了相邻轨迹差异性的平均指数。 l y a p u n o v 指数九越大说明两个轨迹间的差异越大，相反，两个轨迹间的相似越 好。 相对那些简单的数学计算方法来说，在分析随机数据规律方法，非线性时间 序列分析方法应该是一个较好的选择。但是这类方法对步态分析而言，却不一定 有理想中的效果。因为这类方法本身存在一定的局限性，它要求相比较的两个数 据模板或者说步行周期数据具有相同的长度。一般来说，数据采样设备的采样频 率是固定不变的，但是任何一个人都不可能保证在行走过程中步行周期始终不变。 也就是说，为了将此方法应用到稳定性研究，它必须破坏原数据使其具有相同的 数据长度，所以说，这应当也是不合理的。 2 3 步态稳定性定义 正如上一节中所描述的稳定性评价方法，它们有这样或者那样的不足。为了 充分利用人在行走过程中的所有数据和充分考虑行走过程的完整性，本论文提出 了一种新的评价稳定性的方法。 人类的步行是一种独一无二的活动，在这期间，人的身体会随着脚步一步一 上海大学硕士学位论文 步的向目标靠近( 1 8 1 。它是由一连串连续的、重复性动作，一个又一个的步行周 期组成的k 3 3 1 。 步行周期就是指行走过程中那些重复的动作的一个连续的两次次出现时的 时间间隔。通常情况下指的是从一只脚的脚后跟着地，到此脚后跟再次着地时所 花费的时间阱1 。 既然人的步行具有周期性，同样的事件在行走过程中重复出现，那可以用不 同周期间步态数据的相似来评价稳定性。公式3 说明了如何去定义稳定性。 s t a b i l i t y = s i m i l a r i t y ( o r ，c j ) ( 3 ) 其中g 和c ，指的是不同周期里的步态数据，s i m i l a r i t y 指的相似性计算方 法，然后得到步态稳定值s t a b i l i t y 。 2 4 特征值计算 在上一节中对稳定性进行了定义。接下来，根据这个定义，需要计算步态周 期数据间的相似性。算得的相似值作为稳定性特征的值。 2 4 1 动态时间规整算法 动态时间规整( d y n a m i ct i m ew a r p i n g ，d t w ) 是一种用来计算两个在时间或 者速度上有差异的序列相似性的方法。它能够很灵活地进行模式匹配。动态时间 规整通过压缩、放大相比较的一对模式能够找到特定约束条件下最佳的模式匹配 路径。比如说在人的走路姿势中，就可以找到其中的相似性，不管这个人走得多 慢，或者很快，甚至出现加速或减速，它们之间的相似性总可以通过动态时间规 整的方法计算出来。它已被广泛应用于视频、音频、图像处理一实际上，动态时 间规整算法可以分析任何被转化为线性表示的数据。它在声音识别领域的应用已 经非常成熟，成功的解决了语速不均的问题( 3 5 1 , 现以步态数据为例，说明d t w 的基本原理。 假如有两个相比较的步态周期r 和尺，其中r 是测试模板，r 是参考模板( 两 者可以互换) 。z 被表示为( 及j ) ，及刃，及功，虱m ) ，r l 为测试周 期中步态数据的时序标号，n = l 为测试周期的起始时刻数据，n = n 为测试周期结 束时刻的数据，因此为该周期所包含的数据点总数，致丹) 为测试周期中第刀个 1 2 上海大学硕士学位论文 点的数据。同样r 被表示为( r ( 1 ) ，r ( 2 ) ，r ( m ) ，r ( m ) 】，研是该 周期中步态数据的时序标号，m = l 为参考周期起始时刻数据，m = m 为参考周期 结束时刻的数据，因此m 为该周期所包含的数据点总数，尺( ，1 ) 为第m 个点的数 据。 图2 3d t w 算法搜索路径 为了比较丁和尺之间的相似度，可以计算它们之间的距离d 乃捌，距离越 小则相似度越高。为了计算这一失真距离，应从r 和r 中各个对应时刻之间的 距离算起。设，z 和m 分别是丁和r 中任意选择的时刻，饥及咒) ，r ( ，z ) 表示这两 时刻之间的距离。距离函数取决于实际采用的距离度量，在d t w 算法中通常采 用欧式距离。 然后把测试模板的各个时刻玎= j 在一个二维直角坐标系中的横轴上标出， 把参考模板的各时刻m = l - m 在纵轴上标出，通过这些表示时刻的整数坐标画出 一些纵横线即可形成一个网格，网格中的每一个交叉点，研) 表示测试模板中某 一帧与训练模式中某一帧的交汇点。d p 算法可以归结为寻找一条通过此网格中 若干个点的路径，路径通过的格点即为测试和参考模板中进行距离计算的帧号。 路径不是随意选择的，但是其各部分的先后次序不可能改变，因此所选的路径必 定是从左下角出发，在右上角结束，如图2 1 。 为了描述这条路径，假设路径通过的所有格点依次为( m 小，( 孙朋f ) ， ( 附，其中( 刀，m l 户( j ，j ) ，( l n ，m l o = ( n , 旧，路径可以用函数m f o ( n 。) 描述，其 上海大学硕士学位论文 2 4 2 改进的动态时间规整算法 传统的d t w 匹配算法虽然简洁，但计算量和所需存储空间仍然很大。为了 是路径不致过分倾斜，张钢等人b 7 1 提出通过约束匹配路径的斜率来解决搜索效 率过低的问题。他们将斜率约束在0 5 - - 2 的范围内，如果路径已通过t ( n 扣1 ，m “) ， 那么下一个通过的格点( n i ，m i ) 只可能是下列三种情况之一： ( 7 t ，m i ) = ( h i 一1 + 1 ，m i 一1 + 2 ) ( 扎i ，m e ) = m 卜1 + 1 ，m i lm i 一1 + 1 )l 7 l i ，r 啦j = i n 卜1 十，一1 十1 j f ，m i ) = ( h i 一1 + 1 ，m i 一1 ) 用r j 表示上述三个约束条件。求最佳路径的问题可以归结为满足约束条件r j 时，求最佳路径函数聊尸 仍) ，使得沿路径的积累距离达到最小值，即： s d i n t , m d = 高甍= 蒜z 图2 4 改进的d t w 算法 搜索该路径的方法如下：搜索从( n l ，m 1 ) 点出发，可以展开若干条满足日的 路径，假设可计算每条路径达到( 聊，枷点时的总的积累距离，具有最小累计距 离者即为最佳路径。易于证明，限定范围内的任一格点( 聊，朋f ) 只可能有一条搜 索路径通过。对于 。，朋t ) ，其可达到该格点的前一个格点只可能是 m i ) 、伽m 1 4 上海大学硕士学位论文 m j 1 ) 和( ，2 “，聊f 2 ) ，j j l 么( n i ，m f ) 一定选择这3 个距离中的最小者所对应的格点作 为其前续格点，若用( ，z 1 j ，m ，1 ) 代表此格点，并将通过该格点路径延伸而通过0 r ， 聊f ) ，这时此路径的积累距离为： d ( n f ，m ) 】= d r ( n o ，r ( m ) 】+ d e 一1 ，m 一1 ) 】( 5 ) 其中的l l i 1 = 门广l ，m 广1 由下式决定： o ( n t _ 1 j 仇f 一1 ) 】= m i n o ( n l l j 仇f ) 】，o ( n i _ 1 jm i 一1 ) 】，o ( n i - 1 ，1 7 1 i 一2 ) 】)( 6 ) 这样可以从( 刀，聊f ) = ( 1 ，1 ) 出发搜索( n 2 ，m 2 ) ，再搜索 3 ，m 3 ) ，对每一 个0 t ，m i ) 都存储相应的前一格点0 m 扛j ) 及相应的帧匹配距离饥m f 】。搜索 n ( n n ，肌) 时，只保留最佳路径。如果有必要的话，通过逐点向前寻找可以求得 整条路径。这套d p 算法便是d t w 算法。 d t w 算法可以直接按上面的描述来实现，即分配两个n m 的矩阵，分别 为积累距离矩阵d 和帧匹配距离矩阵d ，其中帧匹配距离矩阵d ( i ，j ) 的值为测试 模板的第i 帧与参考模板的第j 帧间的距离。d ( n ，m ) 即为最佳匹配路径所对应的 匹配距离州3 。 2 4 3 应用 基于本文对步态稳定性的定义，和动态时间规整算法的特性，可以利用此算 法来完成任意两个步态周期之间的相似性比较，然后把得到的相似值作为该特征 的特征值。 一般情况下，一个步态周期里有7 个可识别的事件。但是考虑到左右两边的 对称性，本文用到了1 0 个事件： 对c ：右脚跟触地； l t o ：左脚尖离地： l f a ：左脚靠近右脚； l - ：右脚跟离地； l 1 v ：左胫骨垂直； l i c ：左脚离地： r t o ：右脚尖离地； 砒狐：右脚靠近左脚： 上海大学硕士学位论文 l h r ：左脚跟离地； i 汀v ：右胫骨垂直。 0 1 5 善盯 星 差 0 晒 0 1 5 ；0 1 0 晒 p 叭叭 ( a ) 左脚尖样本数据 ( a ) 两周期间的比较 图2 5 步态周期间的相似性计算 图2 3 ( a ) 是其中一个志愿者的左脚尖的两个周期数据，周期l 作为参考模板， 周期作为测试模板，然后利用动态时间规整算法找出这两个周期的最佳匹配路径， 进而可得到最短距离，这一距离就是这两个周期的相似性。这个距离越小，说明 两个模板的相似程度更高，稳定性越好。 因为所有数据都超过n 3 个周期，所以会进行n 一1 次相似性比较，每一次 比较中前一个周期作为参考模板，而后一个周期作为测试模板。 。( & ) = y r - ( n 石r w 广( c j , c j + 1 ) ( 礼 1 ) ( 7 ) 如公式所示，c j 、g + 1 为相邻的周期数据，d t w 是动态时间规整算法，d ( s i ) 是第f 个特征的特征值。 1 6 上海大学硕士学位论文 2 5 小结 本章对步态稳定性特征的抽取进行了详细描述。在本章的一开始，首先利用 1 4 连体模型，抽取了包括位置、速度、加速度在内共计5 7 个特征对人的稳定性 进行描述。这些特征为基于年龄信息做特征选择打下基础。 然后对以前用到的步态稳定性评价方法进行了讨论，并指出这些方法存在的 问题，然后从一个全新的角度对什么是稳定性进行了定义，基于这种定义和动态 时间规整算法能很好地解决时间轴不一致问题的特性，本章借助动态时间规整算 法计算了步态稳定值，亦即特征值。 1 7 上海大学硕士学位论文 第三章基于遗传算法的特征选择 本论文接下来要做的是在抽取到的5 7 个稳定性描述特征中根据年龄分类信 息找到最具代表性的、分类性