摘要
随着人口老龄化加剧，外骨骼机器人、医护领域的行走助力、康养领域的状态监测等日益成为国内外学者研究的重点领域，其中根据人体运动状态进行人体意图感知是以上研究内容的重要基础。目前人体运动意图感知方法主要基于可穿戴设备采集人体运动信息，通过机器学习方法识别分类人体状态，但存在传感器分辨率不高，人体状态分类精度低等问题。针对上述问题，本文提出了一种基于人体模型及多传感器融合的行为意图感知方法，首先通过多元传感获取足部运动特征数据，然后根据人体模型作为约束条件判别运动状态，最后通过深度学习识别行为模式及步态，并结合人体行为意图数据库感知运动意图，主要工作内容如下： （1）搭建了一套足部运动数据采集系统，通过自制柔性压力传感器获取支撑相高分辨率足底压力数据，使用IMU获取摆动相足部的运动轨迹，可实现对整个步态周期运动特征的精确获取。 （2）使用Anybody软件建立人体模型，结合运动捕捉系统对平地行走、上、下楼梯等典型运动状态进行分析，并通过传感器实测数据验证模型仿真正确性。建立回归映射模型，确定仿真数据与真实数据的映射关系，分析不同步态相位下的数据特征，并通过仿真结合实验构建人体行为意图数据库。 （3）对不同人群真实足底压力数据进行归一化处理，结合模型约束得到真实步态特征对足底状态数据进行动态分割，从而识别支撑相步态相位。通过基于卡尔曼滤波的零速修正算法对惯性测量单元采集的步态数据进行处理得到足部运动轨迹，分析不同步态相位下足部轨迹数据特征，并将足底压力数据与足部轨迹数据融合为足部运动数据，建立网络训练数据集。 （4）搭建长短期记忆网络识别人体运动模式，卷积神经网络识别步态，结合人体行为意图数据库感知行走意图，并进行了实验验证，结果表明本文提出方法可准确感知人体行走意图。
NETL