技术领域
本发明涉及人机交互、康复训练及康复辅具领域，更具体地，涉及一种穿戴式的人体姿态检测及肢体肌力测量系统。
背景技术
随着老龄化社会的到来，老年人口数量的急速增加。与此同时，由于疾病和意外事故的发生，肢体功能障碍残疾人的数量也日渐增多。因此，社会对医疗康复及监测设备的需求持续增长。近年来，国内外的研究人员提出了外骨骼、助行机器人等辅助器械。判断辅助器械性能是否优秀的一个重要指标是它的人机交互方式及其有效性。
在现有的研究中，肌电信号是辅助器械常用的人机交互方式之一。肌肉在产生收缩时会产生微弱的肌电信号，这些肌电信号能够具体地反应人体意图。然而肌电信号是非常微弱的，它需要经过放大、滤波，这导致肌电信号的采集设备非常昂贵且易受电磁噪声干扰。同时，肌电信号传感器不仅需要紧贴皮肤使用，穿戴不方便，而且肌电信号容易受汗渍、精神疲劳等因素的影响。这些原因都导致肌电信号不宜作为一种普适性的人机交互信号。
压力/力矩信号也是常用的人机交互方式之一，然而压力/力矩信号采集不方便，所包含的人体意图也不好提取。这使得压力/力矩信号在作为人机交互信号时有不可忽视的缺陷。
人体部位的姿态角也是一种常用的人机交互方式，但是人体部位姿态角仅能反应出人体的当前状态，人体意图表达却非常有限。同时，现有的人体部位姿态角采集设备通常是光学设备，价格不菲，人员在使用时也需要穿戴多个光学标记，使用非常不便。
综上所述，现有的外骨骼、助行机器人等辅助器械仍然缺乏合适的人机交互方式。因此，如何在控制传感器成本同时，增加传感器可检测到的人体状态和意图信息，提升意图识别准确率，是人机交互重要的研究方向。
发明内容
针对现有技术的缺陷，本发明的目的在于解决现有的外骨骼、助行机器人等辅助器械仍然缺乏合适的人机交互方式的技术问题。
为实现上述目的，本发明提供一种可穿戴式的人体姿态检测及肢体肌力测量系统，包括：固定带、姿态角测量模块以及数据读取发射模块；
所述固定带用于穿戴在人体不同部位上，每个固定带上均承载有姿态角测量模块和数据读取发射模块，所述姿态角测量模块、气压传感器以及数据读取发射模块置于固定带外侧；所述姿态角测量模块用于测量其所在部位的姿态角；所述数据读取发射模块用于读取人体不同部位的姿态角数据，并通过射频技术发送给远端的数据处理模块，以供所述数据处理模块根据人体不同部位的姿态角数据确定人体的姿态。
可选地，每个固定带上还承载有气囊、气压传感器以及导气管；所述气囊置于固定带的内侧，与人体不同部位接触，其内部压强随着人体不同部位肌肉收缩而发生变化；所述气压传感器用于根据其所在部位气囊内部压强输出对应的电压值；所述导气管用于连接所述气囊和气压传感器；所述数据读取发射模块用于读取人体不同部位的电压值，并通过射频技术发送给远端的数据处理模块，以供所述数据处理模块根据人体不同部位的电压值确定人体不同部位的肢体肌力。
可选地，每个固定带上还承载有电源模块以及复位电路；所述电源模块用于为姿态角测量模块、气压传感器以及数据读取发射模块供电；所述复位电路用于对所述数据读取发射模块进行复位。
可选地，所述姿态角测量模块为GY953惯性导航传感器模块。
可选地，所述数据读取发射模块为nRF24LE1无线模块。
可选地，所述数据处理模块接收人体不同部位的姿态角数据，构成姿态角数组，并对所述姿态角数组进行限幅滤波，以剔除测量有误的姿态角数据，利用支撑向量机SVM算法对限幅滤波后的姿态角数组进行分类，以判别人体姿态，人体姿态分为上楼、下楼、走路、跑步或深蹲五类，其中，支撑向量机SVM算法需要预先采集姿态角数据进行训练。
可选地，所述数据处理模块接收人体不同部位的电压值，并根据预先测量的各个部位的电压初始值确定各个部位的肢体肌力，各个部位的肌肉保持舒张状态时测量的多组电压值的平均值即为预先测量的各个部位的电压初始值；当所述数据处理模块接收人体任意一个部位的电压值大于该部位的电压初始值时，该部位的肢体肌力与该部位的电压值和电压初始值的差值成正比，当所述数据处理模块接收人体任意一个部位的电压值小于或等于该部位的电压初始值时，该部位的肢体肌力为0。
可选地，所述nRF24LE1无线模块利用串口读取GY953惯性导航传感器模块的姿态角数据，同时可利用内部AD转换器将气压传感器输出电压值的模拟量转换为数字量。
可选地，所述固定带用于穿戴在人体的左小腿、右小腿、躯干胸部、左大腿以及右大腿部位。
可选地，当固定带上承载有气囊时，固定带需采用非弹性材料，若固定带上承载有气囊，在安装气囊至人体的大腿时，大腿肌肉保持舒张状态，气囊不需与人体皮肤接触，但为保证使用过程中气囊能够充分检测肌肉收缩情况，气囊内围需要紧贴所测量的肌肉，气囊外围用固定带包住。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明使用固定带使得人体姿态检测及肢体肌力测量系统可穿戴在身上，穿戴方便，不易脱落，可靠性强，信息多样，实用性强。
本发明使用的nRF24LE1无线模块、GY953惯性导航传感器模块、气压传感器、移动电源等器件，价格低廉，具有很好的经济效应。
本发明使用射频技术网络传输数据至数据处理模块，网络结构简单，易于搭建，易于更换。
本发明能够检测出人体姿态及肢体肌力，有助于医院、康复中心等单位对病人进行康复性训练，同时能够有效应用于外骨骼、助行机器人等康复产品。
附图说明
图1为本发明提供的可穿戴式人体姿态检测及肢体肌力测量系统的整体结构示意图；
图2为本发明提供的人体姿态检测及肢体肌力测量系统穿戴安装示意图；
图3为本发明提供的系统穿戴实物图及中心节点实物图；
图4为本发明提供的气囊穿戴方式和工作原理图，图4a为气囊穿戴方式示意图，图4b为气囊工作原理示意图；
图5为本发明提供的姿态检测节点的模块结构示意图；
图6为本发明提供的姿态检测节点的实物图；
图7为本发明提供的姿态检测及肢体肌力测量节点的模块结构示意图；
图8为本发明提供的姿态检测及肢体肌力测量节点的实物图；
图9为本发明提供的姿态检测节点的程序实现流程图；
图10为本发明提供的姿态检测及肢体肌力测量节点的程序实现流程图；
图11为本发明提供的中心节点的程序实现流程图；
图12为本发明提供的肢体肌力测量算法流程图；
图13为本发明提供的判别人体姿态算法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明公开一种便携的穿戴式人体姿态检测和肢体肌力测量系统，不仅能够实时检测使用者的姿势，而且可以测量使用者的肢体肌力。它具有易穿戴、实时性高、可靠性强、信息全面和价格低廉等特点。
在人机交互领域，交互方式不断得到创新和发展，能够检测人体状态和识别人体意图的传感器被广泛应用，包括压力传感器、刚度传感器、惯性传感器等。单一传感器所获得人体状态和意图信息是比较有限的，因此多传感器融合检测人体状态、获取人体意图信息是现在极为热门的方向。传感器在获得数据之后，如何实时、有效、便捷地进行传输也极为重要。在检测人体状态时，设备之间的通信采用无线传输比有线传输更加简洁，易于为人所接受。在目前的研究中，无线传感器网络、个人和自组织网络、射频识别技术以及ZigBee网络技术被大量用于构建本地网络，以实现在各单个传感器节点间传递传感信息和控制命令。
基于上述思路，本发明结合“多传感器融合”理论，设计了一种可穿戴式的人体姿态检测及肢体肌力测量系统，其中该系统包括两个子系统：即人体姿态检测子系统和肢体肌力测量子系统。这两个子系统可以单独存在也可以一起存在。
人体姿态检测子系统包括固定带、姿态角测量模块以及数据读取发射模块。固定带用于穿戴在人体不同部位上，每个固定带上均承载有姿态角测量模块和数据读取发射模块，姿态角测量模块、气压传感器以及数据读取发射模块置于固定带外侧；姿态角测量模块用于测量其所在部位的姿态角；数据读取发射模块用于读取人体不同部位的姿态角数据，并通过射频技术发送给远端的数据处理模块，以供数据处理模块根据人体不同部位的姿态角数据确定人体的姿态。
其中，姿态角测量模块为GY953惯性导航传感器模块。数据读取发射模块为nRF24LE1无线模块。
肢体肌力测量子系统包括：固定带、气囊和气压传感器；气囊置于固定带的内侧，与人体不同部位接触，其内部压强随着人体不同部位肌肉收缩而发生变化；气压传感器用于根据其所在部位气囊内部压强输出对应的电压值；数据读取发射模块用于读取人体不同部位的电压值，并通过射频技术发送给远端的数据处理模块，以供数据处理模块根据人体不同部位的电压值确定人体不同部位的肢体肌力。
可选地，每个固定带上还承载有电源模块、复位电路以及导气管；电源模块用于为姿态角测量模块、气压传感器以及数据读取发射模块供电；复位电路用于对数据读取发射模块进行复位；导气管用于连接气囊和气压传感器。
可选地，数据处理模块接收人体不同部位的姿态角数据，构成姿态角数组，并对姿态角数组进行限幅滤波，以剔除测量有误的姿态角数据，利用支撑向量机SVM算法对限幅滤波后的姿态角数组进行分类，以判别人体姿态，人体姿态分为上楼、下楼、走路、跑步或深蹲五类，其中，支撑向量机SVM算法需要预先采集姿态角数据进行训练。
可选地，数据处理模块接收人体不同部位的电压值，并根据预先测量的各个部位的电压初始值确定各个部位的肢体肌力，各个部位的肌肉保持舒张状态时测量的多组电压值的平均值即为预先测量的各个部位的电压初始值；当数据处理模块接收人体任意一个部位的电压值大于该部位的电压初始值时，该部位的肢体肌力与该部位的电压值和电压初始值的差值成正比，当数据处理模块接收人体任意一个部位的电压值小于或等于该部位的电压初始值时，该部位的肢体肌力为0。
其中，数据处理模块可以是上位机，数据读取发射模块和数据处理模块之间可通过中心节点连接，中心节点包括：nRF24LE1无线模块以及nRF24LE1无线模块专用测试底板。
其中，人体姿态检测子系统也可称为姿态检测节点，肢体肌力测量子系统也可称为肢体肌力测量节点。
在一个具体的示例中，使用时，三个姿态检测节点分别穿戴在左小腿、右小腿、身体躯干部位，测量三个身体部位的姿态角；两个姿态检测及肢体肌力测量节点分别穿戴在左大腿、右大腿部位，测量两个身体部位姿态角及大腿肌肉力量。以上五个节点将测得的姿态角及肢体肌力数据发送给中心节点，中心节点对上述信息进行统一整合，封装成帧。
在本系统中，各关键模块的功能如下：
气囊会随着肌肉收缩而发生体积变化，导致气囊内部压强发生变化，用以感受肌肉收缩；
气压传感器会根据气囊不同的压强输出不同的电压值。
GY953惯性导航传感器模块可以测量姿态角(欧拉角)、加速度、地磁场，但在本系统中仅使用姿态角数据。
nRF24LE1无线模块通过射频技术将数据发送出去，同时它可以利用串口读取GY953的姿态角数据，并利用内部AD转换器将气压传感器的模拟电压转换为数字量。
电源模块用于为各个模块供电。
复位电路用于给nRF24LE1无线模块进行复位。
进一步地，人体姿态检测及肢体肌力测量系统包括各节点电路图。
更进一步地，人体姿态检测及肢体肌力测量系统包括专为系统开发的软件程序。
更进一步地，人体姿态检测及肢体肌力测量系统包括检测得到的人体大小腿及躯干等部位的姿态角，也包括测量得出的左右大腿的肢体肌力。
更进一步地，人体姿态检测及肢体肌力测量系统还包括各个底层节点与中心节点进行通信的射频技术网络，用于传送数据。
更进一步地，人体姿态检测及肢体肌力测量系统还包括用于感知肌肉变化的气囊及气压传感器设计。
更进一步地，人体姿态检测及肢体肌力测量系统还包括测量肢体肌力的肌肉测量算法及判别人体姿态的算法，用于将气压传感器测得的压强转化为肢体肌力数据以及将不同的人体姿态进行判别分类。
本发明使用固定带让五个节点穿戴在身上，穿戴方便，不易脱落，实用性强。本发明使用的nRF24LE1无线模块、GY953惯性导航传感器模块、气压传感器、移动电源等器件，价格低廉，具有很好的经济效应；使用射频技术网络传输数据至中心节点，网络结构简单，易于搭建，易于更换。
本发明实施例提供的可穿戴式的人体姿态检测及肢体肌力测量系统主要应用与人机交互、康复辅具领域，该姿态检测及肢体肌力测量系统可以对人体重要部位的姿态角进行检测，也可以测量肌肉的力量，易穿戴、可靠性强、成本低廉、信息全面。该发明为人机交互提供了一种新颖的方法，对于改善康复器械性能有着较大的潜力。
图1示出了本发明人体姿态检测及肢体肌力测量系统的整体结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
可穿戴式的人体姿态检测及肢体肌力测量系统包括三个姿态检测节点C1、C2、C3与两个姿态检测及肢体肌力测量节点M1、M2等五个底层节点，一个与底层节点通信、收集底层节点信息的中心节点N。在需要使用本系统的数据时，可以增加与中心节点N相连的上位机，上位机可以读取中心节点的数据。
图2和图3示出了本发明人体姿态检测及肢体肌力测量系统的穿戴方式及中心节点。左小腿、右小腿、躯干胸部各穿戴一个姿态检测节点，左大腿、右大腿各穿戴一个姿态检测及肢体肌力测量节点。传感器节点电路板平行于人体，且GY953惯性导航传感器模块与nRF24LE1无线模块位于竖直方向，GY953惯性导航传感器模块在下，nRF24LE1无线模块在上。各传感器节点均用固定带固定在人体部位上。各底层传感器节点将数据传输给中心节点，中心节点整理数据并封装成帧，可以与上位机进行通讯。
图4示出了本发明人体姿态检测及肢体肌力测量系统中姿态检测及肢体肌力测量节点的气囊穿戴方式及工作原理。为了便于说明，图中仅示出了与本发明实施例相关的部分。在安装气囊时，大腿肌肉保持舒张状态，如图4a所示。气囊不需与人体皮肤接触，但为保证使用过程中气囊能够充分检测肌肉收缩情况，气囊内围需要紧贴股直肌，气囊外围用固定带包住。特别的，该两处的固定带采用非弹性材料，其他三处的固定带无此要求。当大腿用力时，与气囊接触处的肌肉收缩，压迫气囊，如图4b所示，气囊体积变小而内部压强变大。通过气压传感器即可测得气囊内部压强，再利用肢体肌力测量算法即可得到肌肉产生的力量。
图5和图6示出了本发明人体姿态检测及肢体肌力测量系统中姿态检测节点的模块示意图和实物图。为了便于说明，仅示出了与本发明实施例相关的部分。姿态检测节点分别包括电源模块1、GY953惯性导航传感器模块2、nRF24LE1无线模块3和复位电路4。本发明实施例中，GY953惯性导航传感器模块通过三轴陀螺仪、三轴加速度计、三轴磁力计测量出身体部位的姿态角，即滚转角Roll、俯仰角Pitch和偏航角Yaw。nRF24LE1无线模块中内置51单片机，作为姿态检测节点的MCU。GY953惯性导航传感器模块通过串口与nRF24LE1无线模块相连，它在接收到nRF24LE1无线模块读取数据的指令后会持续向nRF24LE1无线模块发送姿态角数据。在接收到GY953的姿态角数据后，nRF24LE1无线模块通过射频技术以20Hz的频率持续向中心节点发送数据。在nRF24LE1无线模块两次向中心节点发送数据的间隔中，如果收到多个姿态角数据，那nRF24LE1无线模块只会发送最新的姿态角数据给中心节点。除此之外，复位电路通过nRF24LE1无线模块的复位引脚控制节点的复位。电源模块采用3.7V，600mAh的可充电锂电池，并用TPS7333Q线性稳压芯片稳压，当电源模块工作正常时，白色LED灯会正常点亮。
图7和图8示出了本发明人体姿态检测及肢体肌力测量系统中姿态检测节点的模块示意图和实物图。为了便于说明，仅示出了与本发明实施例相关的部分。该节点是在上文所述的姿态检测节点上增加了气囊7和气压传感器10。本发明实施例中，气压传感器型号为XGZP6847。该传感器输出电压与所测压强成线性关系，当所测压强为一个单位大气压强时，输出电压值为0.5V；当所测压强高于一个单位大气压强20kPa时，输出的电压值为2.5V。nRF24LE1无线模块包含AD转换器，能够对气压传感器进行电压AD转换。其他部件的工作情况与姿态检测节点一致。在接收到GY953的姿态角数据和采集到两个气囊的压强数据后，nRF24LE1无线模块通过射频技术以20Hz的频率持续向中心节点发送数据。
图9示出了实施例提供的姿态检测节点的程序实现流程图。检测节点的实现流程如下：
(1)节点启动后，先进行初始化，包括时钟、引脚、中断等方面的初始化。初始化完成后进入步骤(2)。
(2)nRF24LE1无线模块向GY953模块发出读取姿态角数据的指令。延时一段时间后，nRF24LE1无线模块如果没有收到GY953发送上来的数据，说明指令发送有误，需重新进行步骤(2)；如果收到GY953的姿态角数据，说明指令发送正确，进入步骤(3)。
(3)启动定时器，接收GY953数据。利用和校验方式判断接收到的姿态角数据帧是否正确，如果正确，就进入步骤(4)；如果数据不正确，则进入步骤(5)。
(4)对姿态角数据进行和校验封装。判断定时器是否经过50ms，如果已经经过50ms，就发送封装好的数据至中心节点，进入步骤(5)，否则继续等待。
(5)停止定时器，重置定时器。返回步骤(2)。
图10示出了实施例提供的姿态检测及肢体肌力测量节点的程序实现流程图。姿态检测及肢体肌力测量节点的实现流程如下：
(1)节点启动后，先进行初始化，包括时钟、引脚、中断等方面的初始化。初始化完成后进入步骤(2)。
(2)nRF24LE1无线模块向GY953模块发出读取姿态角数据的指令。延时一段时间后，nRF24LE1无线模块如果没有收到GY953发送上来的数据，说明指令发送有误，需重新进行步骤(2)；如果收到GY953的姿态角数据，说明指令发送正确，进入步骤(3)。
(3)启动定时器，接收GY953数据。利用和校验方式判断接收到的姿态角数据帧是否正确，如果正确，就进入步骤(4)；如果数据不正确，则进入步骤(6)。
(4)启动AD转换器，对气压传感器输出电压进行AD转换。
(5)对姿态角及气压传感器数据进行和校验封装。判断定时器是否经过50ms，如果已经经过50ms，就发送封装好的数据至中心节点，进入步骤(6)，否则继续等待。
(6)停止定时器，重置定时器。返回步骤(2)。
图11示出了实施例提供的中心节点的程序实现流程图。中心节点的实现流程如下：
(1)节点启动后，先进行初始化，包括时钟、引脚、中断等方面的初始化。初始化完成后进入步骤(2)。
(2)接收底层节点发送上来的数据。
(3)利用和校验方式判断数据是否正确，如果正确，就发送数据至上位机，并返回步骤(2)；如果不正确，就抛弃数据，并返回步骤(2)。
图12示出了本发明实施例使用的肢体肌力测量算法流程图。以节点M1为例，肢体肌力测量算法流程如下：
(1)参数初始化，并接收大腿肌肉保持舒张状态下十组人体姿态检测及肢体肌力测量节点M1检测到的气压传感器电压数据，求取这十组数据的平均值I1，将I1设置为节点M1的电压初始值。
(2)接收节点M1的气压传感器电压数据D1。判断D1是否小于I1，如果是，则进入步骤(3)，否则进入步骤(4)。
(3)如果D1小于I1，则将D1修改为I1。随后进入步骤(4)。
(4)通过公式F＝k*(D1-I1)求出肢体肌力F(k是一个常数)，输出肢体肌力F，返回步骤(2)。
图13示出了本发明实施例使用的判别人体姿态算法流程图。人体姿态判别算法流程如下：
(1)参数初始化。
(2)接收C1、C2、C3、M1、M2五个底层节点的姿态角数据，构成姿态角数组theta[5]。
(3)对姿态角数组theta[5]进行限幅滤波，以剔除测量有误的姿态角数据。
(4)利用支撑向量机SVM算法对姿态角数组theta[5]进行分类，判别成不同的人体姿态，人体姿态分为上楼、下楼、走路、跑步、深蹲五类。分类完成后返回步骤(2)。其中支撑向量机SVM算法需要预先采集姿态角数据进行训练。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。