基于模糊理论的足底压力分布模式识别*

刘细阳，　冯思玲，　陈羡美，　刘金容

(海南大学 信息工程学院，海南 海口 570228)



基于模糊理论的足底压力分布模式识别*

刘细阳，冯思玲*，陈羡美，刘金容

(海南大学 信息工程学院，海南 海口 570228)

采集了正常人足底压力的数据，统计分析了行走过程中摆动相5个阶段的压力分布关系，指出采用模糊理论方法能够更好地对足底压力分布模式进行识别.在实验统计的基础上采用拟合方法得出表征足底压力大小的隶属度函数，结合实验数据固定了FCM算法的聚类中心，精简了算法，能够快速确定受试者处于步行状态中的何种支撑相，并对该算法进行仿真验证，实验结果验证了该方法的可行性.

模糊理论；足底压力；模式识别

步态是人行走时身体的姿态，人行走的过程可以划分为不同阶段，对应于每一个阶段足底压力的分布是不同的.人体的足底压力分布反映了有关足的结构、功能及整个身体姿势控制等情况.在站立、步行等运动中，足底部分解剖区域支撑着人体大部分重量，调节着人体的平衡.测量这些区域的压力即可获取足踝、下肢乃至全身的生理、结构及功能等方面的大量信息.倘若人机体全身或足部相关部位出现病变，足底相关区域峰值压力及其分布则也会发生相应的变化，而这种改变往往较临床症状、体征出现更早.因此，检测足底压力信息,依据生理特征，对其分类处理，可以提供用于辅助决策的人体生理、病理力学参数和机能参数,这对临床医学诊断、生物特征识别、刑事物证判定、疾患程度测定、术后疗效评价、生物力学及康复研究均有重要意义[1～4].

近年来，国内外对足底压力进行了广泛的研究.Nafeez & Karvannan[5]研究了大量案例，统计分析了正常人与不同疾病患者之间足底压力分布模式的不同；方正等[6]基于足底4个基本点的压力数据，用KNN算法进行了步态识别；夏懿等[7]研究了个体行走时足底压力分布图像的HOG特征及应用；孙颖慧[8]根据足底压力图像的稀疏表示和特征，进行了步态识别的应用分析.然而由于每个人身高、体重等的不同，单纯的测足底压力的具体值在应用上具有一定的局限性.本文提出一种在实验的基础上，分析各种标准步态足底压力分布的统计特征并模糊化，以此作为足底压力分布模式的样本，使用模糊识别方法对足底压力分布模式进行仿真识别，实验结果验证了方法的可行性.

1　足底压力分布模式

1.1足底压力与步态周期

基于足底解剖区域的划分，在鞋垫上放置了8个薄膜压力传感器，分别放置在足跟、足弓、第1、2、3、4、5跖骨和第1趾区，如图1所示.压力传感器采集的数据传输到计算机进行分析处理.

同一只脚的足跟两次着地之间的过程即为一步态周期(Walking Cycle).一个步态周期可分为摆动相(Swing Phase)及支撑相(Stance Phase).摆动相时，下肢离开地面在空中摆动并前进.支撑相则下肢与地面接触，承受地面反力并具稳定身体的作用.在支撑相中，可分为五个阶段：(1)足跟着地(Initial Contact)；(2)足掌着地(Loading Response)；(3)支撑中期(Mid Stance)；(4)足跟离地(Heel Rise)；(5)足尖着地(Toe Contact).正常人步态周期足底压力分布情况如图2所示.

图2表明可以通过各传感器数值的相对大小关系推断人在行走过程中处于哪种步态.

对67例正常人行走过程中各步态周期对应的压力传感器数值统计分析，得出各步态周期与压力传感器数值相对大小分布模式的对应关系.实验测得67例正常人行走过程中压力传感器的平均峰值如表1所示.

1.2足底压力数值的模糊化

由于实验个体的体重、身高等的差别，传感器数据随实验对象个体的差异而不同，故只看传感器的具体测量值，很难判断实验对象处于何种支撑相.因此，本课题采用模糊数学处理实验数据，引入隶属度μ表示传感器测得数据的相对大小.对于每一个传感器测量值x，相应的隶属度函数为:

(1)

式中，x0为受试者静止站立时传感器值，a为调整系数.a值越大，图像越陡峭，a值通过数据分析软件Origin8对测量值进行曲线拟合得出.隶属度函数图像如图3所示.

表1　正常人足底各区压力峰值数据Tab.1　The normal district average peak plantar pressure data

2　足底压力分布模式识别

(2)

(3)

3　仿真实验与分析

为了验证该方法的有效性，我们在Matlab平台编制了处理程序,新增加了15名受试者，采集了他们处于5种支撑相时的足底压力数据，代入程序中，得到的自动识别结果如表2所示.

表2　算法识别结果Tab.2　The algorithm identifies results

实验得平均识别率为85.3%，由此可见该方法对人体足底压力分布模式具有较好的识别性能.

由于确定足底压力的分布模式、固定类中心wi的计算都是在统计受试者数据的基础上进行，样本量的不足会影响识别率的提高，后续研究中需进一步提高样本量，增加样本的多样性.

[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]袁刚, 张木勋,王中琴,等. 正常人足底压力分布及其影响因素分析[J]. 中华物理医学与康复杂志, 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,张兴亮,王超,等.基于青年人足底压力测试的步态实验研究[J]. 生物医学工程学杂志,2014,31(6):1 278-1 282.

[7]夏懿,马祖长,姚志明,等.基于足底压力分布时空 HOG 特征的步态识别方法[J].模式识别与人工智能,2013,26(6)：529-536.

[8]孙颖慧.基于足底压力图像和稀疏表示的步态识别研究[D].杭州：浙江大学,2013.

责任编辑：龙顺潮

Pattern Recognition of Plantar Pressure Distribution Based on Fuzzy Theory

LIUXi-yang，FENGSi-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

海南省社会发展科技专项(2015SF33)；海南省自然科学基金项目(201562226，20156228)

冯思玲(1973-)，女，河南 新乡人，博士，副教授.E-mail:fengsiling2008@163.com

TP391

A

1000-5900(2016)01-0093-04