1.
老年人日常步态监测与
跌倒风险评估
机械24 郝鸣
指导老师：陈 恳 教授
付成龙 副教授
2016年3月3日
1

2.
CONTENT
目录
2
• 社会背景
• 研究意义
• 研究现状综述
• 原理分析
• 研究方案
• 工作计划
• 参考文献

3.
社会背景
• 跌倒是老龄化社会面临的一项主要公共卫生问题
65 岁以上的老年人每年约有1/3 会发生跌倒
• 在我国，每年至少有2000万老年人发生约2500万次跌
倒
直接医疗费用在50 亿元人民币以上
社会代价约为160亿~800亿元人民币
• 预防老年人跌倒
准确的预测这部分高危人群
对这部分人群进行预防和干预
• 步态分析是一种非常有效的预测手段
可以有效预测慢性行走疾病
3

4.
研究意义
• 传统步态分析工具存在不足
动作捕捉设备 —— 数据量小、精度高、成本高
医生现场进行观测 —— 依赖经验、无法横向对比
• 测量结果不准确
测试环境与生活环境相差甚远——测试时用“更好的”步态
存在实验者效应（意识到自己正在被别人观察的个人具有改变自
己行为的倾向）
4
动作捕捉：红外传感器+计算机视觉 计时起立-走测试：需要医生现场观测

5.
研究意义
IMU应用于步态分析
• 惯性测量单元(Inertial Measurement Unit, IMU)
三轴陀螺仪+三轴加速度计+（三轴磁强计）
固定于身体各个部分，测量运动信息
具有可携带——应用于实验室外，监测日常生活
低功耗——长期监测
5
荷兰Xsens：MTx
美国YEI：YEI-BT 英国BAE： SiIMU01

6.
医学领域
• 步态参数：
空间参数（步长、步宽、步高等）
时间参数（单足支撑时间、双足支撑时间等）
• 主要方法
实验设计：传统手段测量步态参数
问卷/观察：标定高危人群
统计方法：建立高危人群与步态参数的关系
• 研究表明，步宽与双足支撑时间与行走稳定性的关
系更明显
• 步长、步宽的变异系数（ 标准偏差 / 平均值）可以
作为评估行走稳定性的重要指标（400步以上）
6
研究现状

7.
室内定位
• 2005年,美国Foxlin制作出的导航鞋(NavShoe)，IMU+GPS
• 2007年，美国密歇根大学的Lauro Ojeda等人使用了SiIMU01制
作了无GPS的个人导航推算系统
（No-GPS Personal Dead-reckoning System）
7
研究现状

8.
步态测量
• 2008年，美国的Bamberg等人制作了步态鞋
（GaitShoe），用于帕金森综合症患者
只考虑了侧视平面内的运动，长度误差达到10cm量级
提出了长期监测概念
8
研究现状

9.
• 2010年，瑞士的Mariani等人使用了小型的S-
Sense
测量步长、步高、转交、触地时间
测量了U形、8形轨迹的实验，动捕设备对比结果
与动捕设备相比，步长相差1.5±6.8 cm
9
研究现状

10.
• 2012年，美国密歇根大学的John Rebula等人，
应用了更小的nIMU
测量步长、步宽
与动捕输数据对比 1±4%
10
研究现状

11.
IMU固定于腰上
• 可以只通过一个IMU同时测量两只脚的行走参数
• 监测跌倒：国内学者Ge Wu，Guoru Zhao等人
11
研究现状

12.
将脚作为刚体运动处理
• 步态划分
摆动相、支撑相
• 姿态求解
对角速度积分
求解旋转矩阵
• 速度估计
加速度坐标变换
积分求解速度
• 求解轨迹
对速度积分求解位移
12
原理分析

13.
• 惯性元件漂移——直接积分误差随时间无限增大
• 匀速行走最大加速度3g~5g，姿态求解不宜使用加速度计+卡尔
曼滤波校正
• 脚在支撑相期间的速度为零
• ZUPT（Zero Velocity Update Technology，零速率校正）
 将积分区间控制在每一步内，从而遏制误差的无限增长
 利用边界条件，校正速度曲线
13
原理分析

14.
• 目标1：提高精度：
改变固定位置
 影响步态划分
 减小晃动
 减少积分区间
利用ZUPT算法修正
在腰部增加一个IMU
 利用人的模型特点
 接近质心，反映人的质心运动
14
研究方案

15.
• 目标2：识别运动状态
识别生活中主要的运动状态：行走、跑步、走斜坡、
上下楼梯等等
去除不需要的信息：坐着、开车、骑自行车等
实现对日常生活的监测
15
研究方案

16.
16
研究方案
系统设计
上传至云端

17.
• 目前进展
完成IMU的接口程序编写
做了一些简单实验
• 工作计划表
17
工作计划
时间 任务
3月 测量数据，观察数据特点；
初步编写计算算法。
4月 进行简单测试，优化算法；
设计实验。
5月 进行试验，对算法进行完善；
开始撰写论文。
6月 论文完善

18.
[1] 杨波, 付成龙. 惯性测量单元在老年人跌倒风险评估中的应用进展[J]. 中国康复理论与实践, 2015(7):780-784.
[2] Allet L, Armand S, Bie R ，A D, et al. Gait alterations of diabetic patients while walking on different surfaces.[J]. Gait & Posture, 2009,
29(9):488–493
[3] Brach J S, Berlin J E, Vanswearingen J M, et al. Too much or too little step width variability is associated with a fall history in older persons who
walk at or near normal gait speed[J]. Journal of Neuroengineering & Rehabilitation, 2005, 2(1):1-8.
[4] Barak Y, Wagenaar R C, Holt K G. Gait characteristics of elderly people with a history of falls: a dynamic approach.[J]. Physical Therapy, 2006,
86(86):1501-10.
[5] Gabell A ,, Nayak U S. The Effect of Age on Variability in Gait[J]. Journal of Gerontology, 1984, 39(6):662-6.
[6] Owings T M, Grabiner M D. Measuring step kinematic variability on an instrumented treadmill: how many steps are enough?[J]. Journal of
Biomechanics, 2003, 36(8):1215-1218.
[7] Shirley S. WANG. From Athletes to the Elderly: The Science of Trips and Falls [N]. The WALL STREET JOURNAL, 2013-9-23
[8] Foxlin E. Pedestrian Tracking with shoe-mounted inertial sensors.[J]. IEEE Computer Graphics & Applications, 2005, 25(6):38-46.
[9] Ojeda L, Borenstein J. Non-GPS navigation for security personnel and first responders[J]. Journal of Navigation, 2007, 60(03):391-407.
[10] Bamberg S J M, Benbasat A Y, Donna Moxley S, et al. Gait analysis using a shoe-integrated wireless sensor system.[J]. IEEE Transactions on
Information Technology in Biomedicine A Publication of the IEEE Engineering in Medicine & Biology Society, 2008, 12(4):413 - 423.
[11] Mariani B, Hoskovec C, Rochat S, et al. 3D gait assessment in young and elderly subjects using foot-worn inertial sensors.[J]. Journal of
Biomechanics, 2010, 43(15):2999-3006.
[12] Rebula J R, Ojeda L V, Adamczyk P G, et al. Measurement of foot placement and its variability with inertial sensors ☆[J]. Gait & Posture, 2013,
38(4):974-980.
[13] Kose A, Cereatti A, Della C U. Estimation of traversed distance in level walking using a single inertial measurement unit attached to the
waist.[C]// Conference proceedings : ... Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE
Engineering in Medicine and Biology Society. Annual Conference. Conf Proc IEEE Eng Med Biol Soc, 2011:1125-1128.
[14] González R C, López A M, Rodriguez-Uría J, et al. Real-time gait event detection for normal subjects from lower trunk accelerations [J]. Gait
& Posture, 2010, 31(3):322-325.
[15] Ge W, Xue S. Portable preimpact fall detector with inertial sensors.[J]. IEEE Transactions on Neural Systems & Rehabilitation Engineering A
Publication of the IEEE Engineering in Medicine & Biology Society, 2008, 16(2):178-83.
[16] Zhao, Guoru, Mei, et al. Exploration and Implementation of a Pre-Impact Fall Recognition Method Based on an Inertial Body Sensor
Network[J]. Sensors, 2012, 12(11):15338-15355.
18
参考文献

19.
欢迎老师同学们批评指正
19
谢谢!