本发明涉及步态识别技术领域，尤其涉及一种步态识别方法、装置、设备及可读存储介质。
背景技术：
为了帮助无法行走的患者重新恢复行走能力，需要相应的康复设备辅助行走。设备辅助患者的关键点之一就是识别患者的运动意图。识别患者的运动意图的方式之一就是识别患者的步态。目前通常通过患者脚底的压力传感器判断患者的步态，但是这种方法存在较大的误差，无法准确识别患者的步态。
技术实现要素：
本申请的主要目的在于提供一种步态识别方法、装置、设备及可读存储介质，旨在解决对于患者的步态识别不准确的问题。
为实现上述目的，本申请提供的一种步态识别方法，所述步态识别方法包括以下步骤：
获取设置在步态识别对象大腿处的传感器的检测数据；
根据所述检测数据提取大腿相对大地的角度；
根据所述角度，识别设置所述传感器的大腿当前的步态。
可选地，所述根据所述检测数据提取大腿相对大地的角度的步骤包括：
获取检测数据中的综合角度；
根据姿态标定算法，通过所述综合角速度提取大腿相对大地的角度。
可选地，所述根据所述角度，识别设置所述传感器的大腿当前的步态的步骤包括：
根据所述角度获取所述大腿相对大地的角速度；
若所述角速度为逆时针方向，则确定当前的步态为摆动状态；
若所述角速度为零或顺时针方向，则确定当前的步态为支撑状态。
可选地，所述获取设置在步态识别对象大腿处的传感器的检测数据的步骤之后包括：
根据所述检测数据获取大腿与大地的夹角；
获取预设时长内所述夹角的数值曲线；
若所述数值曲线呈现上升趋势，则确定当前的步态为摆动状态；
若所述数值曲线呈现下降趋势或数值保持不变，则确定当前的步态为支撑状态。
可选地，所述所述获取设置在步态识别对象大腿处的传感器的检测数据的步骤之后包括：
根据所述检测数据判断大腿的转动中心；
判断所述转动中心与大腿的位置关系；
若所述转动中心位于大腿上侧，则确定当前的步态为摆动状态；
若所述转动中心位于大腿下侧或不存在转动中心，则确定当前的步态为支撑状态。
可选地，所述根据所述角速度，识别设置所述传感器的大腿当前的步态包括：
获取髋关节的运动信息；
根据所述运动信息和所述角速度，获取所述大腿相对于步态识别对象的身体上半部分的相对角速度；
若所述相对角速度为逆时针方向，则确定当前的步态为摆动状态；
若所述相对角速度为零或顺时针方向，则确定当前的步态为支撑状态。
可选地，所述获取所述大腿相对于步态识别对象的身体上半部分的相对角速度的步骤之后包括：
根据所述相对角速度的方向，获取大腿相对于步态识别对象的身体上半部分的角度变化趋势；
若所述角度变化趋势为增大，则确定当前的步态为摆动状态；
若所述角度变化趋势为增大或维持不变，则确定当前的步态为支撑状态。
本申请还提供一种步态识别装置，所述步态识别装置包括：
获取模块，用于获取设置在步态识别对象大腿处的传感器的检测数据；
提取模块，用于根据所述检测数据提取大腿横轴相对大地的角速度；
识别模块，用于根据所述角速度，识别设置所述传感器的大腿当前的步态。
本申请还提供一种步态识别设备，所述步态识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的步态识别程序，所述步态识别程序被所述处理器执行时实现如上述的步态识别方法的步骤。
本申请还提供一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的步态识别方法的步骤。
本申请通过获取设置在步态识别对象大腿处的传感器的检测数据；根据所述检测数据提取大腿横轴相对大地的角速度；根据所述角速度，识别设置所述传感器的大腿当前的步态。传感器可以检测大腿的三轴姿态角与加速度，通过传感器的检测数据提取设置有传感器的大腿横轴相对于大地的角速度，从而判断该大腿此时的运动状态，继而识别大腿当前的步态。相比于依靠足底压力的步态识别方法，利用角速度进行步态识别更加准确。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例方案涉及的硬件运行环境的装置结构示意图；
图2为本申请步态识别方法第一实施例的流程示意图；
图3为本申请步态识别方法第一实施例中对于人体面和轴的划分示意图；
图4为本申请步态识别方法第二实施例中对于图2步骤s20和步骤s30的细化流程图；
图5为本申请步态识别方法第三实施例中对于图2步骤s10之后步骤的流程示意图；
图6为本申请步态识别方法第四实施例中对于图2步骤s10之后步骤的流程示意图；
图7为本申请步态识别方法第五实施例中对于图2步骤s30的细化流程图；
图8为本申请步态识别设备一实施例的系统结构示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
如图1所示，图1是本申请实施例方案涉及的硬件运行环境的终端结构示意图。
本申请实施例终端为步态识别设备。
如图1所示，该终端可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括摄像头、rf(radiofrequency，射频)电路，传感器、音频电路、wifi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在终端设备移动到耳边时，关闭显示屏和/或背光。当然，终端设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及步态识别程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的步态识别程序，并执行以下操作：
获取设置在步态识别对象大腿处的传感器的检测数据；
根据所述检测数据提取大腿横轴相对大地的角速度；
根据所述角速度，识别设置所述传感器的大腿当前的步态。
基于上述终端硬件结构，提出本申请各个实施例。
本申请提供一种步态识别方法。
参照图2和图3，在步态识别方法第一实施例中，该方法包括：
步骤s10，获取设置在步态识别对象大腿处的传感器的检测数据；
这里的传感器可以为imu(inertialmeasurementunit,惯性测量单元)模块，下面以imu模块进行举例说明。imu可以获取测量物体三轴姿态角(或角速度)以及加速度的装置。一般的，一个imu包含了三个单轴的加速度计和三个单轴的陀螺，还可以包含一个磁力计。加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的三轴角速度信号，测量物体在三维空间中的角速度和加速度，磁力计检测并输出三轴地磁夹角，并以此解算出物体的姿态。同时imu可以粘贴到步态识别对象的大腿上的任何位置包括正面，侧面，背面等。通过大腿传感器可以检测大腿运动时的各轴加速度和角速度。可选地，imu模块可以替换为其他可以检测到这些数据的传感器或其它装置，如单独的角速度计、陀螺仪或者他们的组合。
步骤s20，根据所述检测数据提取大腿相对大地的角度；
因为imu是张贴在大腿上的，所以imu获取的检测数据并不直接等同于大腿本身的运动数据，如大腿在垂直站立时整体的方向是垂直的，而imu因为张贴位置的不同，可能判断的位置不是垂直的，即大腿的实际运动数据与imu之间的检测数据在三轴方向上存在一定的偏差。但是通过若干情形中大腿的实际运动情形与imu的检测数据之间的误差可以得到两者之间的转换关系。imu可以检测三轴的角速度，通过得到的转换关系从imu的检测数据中提取出大腿相对大地的角度，即大腿骨骼相对大地的角度。参照图3，将人体中的轴和面进行划分，通过把人体划分为不同的面和轴来确定人体的运动状态。人体大腿横轴相对大地的角速度的方向用于检测人的大腿处于支撑状态还是摆动状态。
步骤s30，根据所述角度，识别设置所述传感器的大腿当前的步态；
通常辅助设备分为单侧和双侧的，双侧的设备可能需要考虑左侧和右侧的各种的步态以及各自步态的融合，单侧的设备则只需要考虑设备辅助那一侧的步态即可。这里通过单侧的imu可以识别单侧的步态，如果两侧都有imu则可以识别两侧的步态。通常，步态有多种细分，而区分行走的支撑状态及摆动状态是最简单，最有效，最直接的划分方法。考虑单侧设备，行走时，腿支撑在地上时为支撑相，腿在摆动时为摆动相，腿在支撑和摆动时，受力是有所区别的，支撑相时，腿需要支撑整个身体的质量，摆动相时，腿只需要负担自身摆动的负担，支撑时，腿立在地上膝关节不需要弯曲，摆动时，腿需要往前摆，膝关节需要弯曲。人体在行走时，通常在摆动时，大腿需要绕着髋关节往前摆，同时向对于上半身往前摆，当腿落地以后，腿需要将身体往前推，大腿需要绕着足部摆动，腿相对于上身是往后摆的。如果从相对于地面的角度看，大腿在摆动时，相对于地面的转动是逆时针的，支撑的时候，相对于地面的转动是顺时针的。如果从运动方向的角度来说，大腿在摆动时，大腿的运动方向相对于身体是向前的，支撑的时候，大腿的运动方向相对于身体是向后的。同时大腿在支撑和摆动时的状态的运动趋势不同，如支撑：大腿绕着足部转动，大腿相对于地面往后摆，大腿相对于身体往后摆；摆动：大腿绕着髋关节转动，大腿相对于地面往前摆，大腿相对于身体往前摆。所以可以通过大腿横轴相对大地的角度求得角速度，尤其是角速度的方向识别当前的步态。以逆时针方向为正方向，顺时针方向为负方向，则当角速度方向为正方向时，这一侧的步态为摆动状态，当角速度方向为负方向或者不存在角速度即角速度为零时，这一侧的步态为支撑状态。
在本实施例中，获取设置在步态识别对象大腿处的传感器的检测数据；根据所述检测数据提取大腿横轴相对大地的角度；根据所述角度，识别设置所述传感器的大腿当前的步态。利用通过传感器的检测数据，通过预置的转换关系，从检测数据中提取出大腿横轴相对大地的角速度，利用角速度尤其是角速度的方向识别当前的步态信息。
进一步地，参照图2和图4，在本申请步态识别方法第一实施例的基础上，提供步态识别方法第二实施例，在第二实施例中，
步骤s20包括：
步骤s21，获取检测数据中的综合角度；
大腿的传感器获取的综合角度为三轴方向上分别的角度，同时综合角度为以传感器自己的运动数据来判断，所以虽然传感器位于大腿上，但是通常情况下不能直接把传感器获取的检测数据直接作为大腿的运动数据。
步骤s22，根据姿态标定算法，通过所述综合角度提取大腿相对大地的角度；
姿态标定就是将传感器获取的检测数据转换成大腿的运动数据，因为传感器获取的检测数据是以自身为基础建立的xyz三轴的检测数据，而大腿的运动数据则相应依照人体划分的面和轴来确定相对大地的角度，通过获取多个已知的传感器获取的检测数据与大腿实际的运动数据来确定传感器的检测数据与大腿实际的运动数据之间的关系。然后将传感器获取的综合角度按照转换关系对应地转换成大腿的加度，再提取出大腿横轴相对大地的角度。
步骤s30包括：
步骤s31，根据所述角度获取所述大腿横轴相对大地的角速度；
步骤s32，若所述角速度为逆时针方向，则确定当前的步态为摆动状态；
步骤s33，若所述角速度为零或顺时针方向，则确定当前的步态为支撑状态；
因为当大腿处于摆动状态时，大腿需要绕着髋关节往前摆，腿相对于上半身往前摆，因此当大腿处于摆动状态时，需要将大腿向上和向前摆动，此时相对于大地，大腿的转动是逆时针方向的，则大腿横轴相对于大地的角速度方向为逆时针方向。而当大腿处于支撑状态，支撑状态包括从摆动状态恢复到完全支撑在地面的状态，所以此时大腿横轴相对大地的角速度的方向为顺时针方向，或者如果大腿完全支撑在地面上，此时大腿横轴相对大地的角速度可能为零。所以当大腿横轴相对大地的角速度不为逆时针方向，即为顺时针方向或者为零时，此时识别单侧的步态为支撑状态。逆时针与顺时针的方向为根据图3中划分的人体轴的箭头方向指向观察者进行观察得到。遵循右手定则，用手握住转轴，大拇指朝向转轴正方向，则逆时针方向为手指握紧的方向。
在本实施例中，根据姿态标定方法从传感器获取的检测数据中提取大腿横轴相对大地的角速度，通过角速度识别大腿当前的步态信息。
进一步地，参照图2和图5，在本申请步态识别方法第一实施例的基础上，提供步态识别方法第三实施例，在第三实施例中，
步骤s10之后包括：
步骤s41，根据所述检测数据获取大腿与大地的夹角；
步骤s42，获取预设时长内所述夹角的数值曲线；
步骤s43，若所述数值曲线呈现上升趋势，则确定当前的步态为摆动状态；
步骤s44，若所述数值曲线呈现下降趋势或数值保持不变，则确定当前的步态为支撑状态；
检测数据中除了角速度信息外，还可以通过检测数据获取大腿与大地间的夹角，但是单纯的角度无法用于判断用户当前的步态，因为在摆动状态和支撑状态中会存在两个相应的相同的角度。所以需要判断的是大腿与大地的夹角的变化趋势。可以通过绘制每个时刻时夹角的数值曲线，通过判断当前时间内的数值曲线的数值变化趋势。定义大腿完全垂直支撑站立在地面时大腿与大地的角度为90度，摆动状态时，大腿向前摆动时夹角从90度开始增大，支撑状态时，角度从最大值开始减小到90度。因此可以根据角度的数值曲线的变化趋势识别步态。即当数值曲线呈现上升趋势时，确定当前的步态为摆动状态，当数值曲线呈现下降趋势或者数值保持没有变化的状态，则确定当前的步态为支撑状态。
同时先根据步态识别对象大腿横轴相对于大地的角速度判断大腿当前的步态，如为摆动状态或者支撑状态，再获取大腿与大地的夹角，通过夹角的变化趋势确定大腿的当前步态，如果通过角速度和通过夹角的变化趋势识别的大腿当前的步态一致，则大腿的当前步态为识别出的步态，若识别出的步态不一致，若存在多个传感器，则根据各传感器的权重得到最终的步态识别结果，各传感器的权重根据测试的结果进行设置；若只有一个传感器，但是根据角速度和夹角变化趋势识别的大腿步态不一致，则以夹角的变化趋势识别的步态结果为准。
在本实施例中，通过大腿与大地的夹角的数值曲线的变化趋势来识别当前的步态。同时可以与大腿横轴与大地的角速度进行结合，综合识别大腿的当前步态。
进一步地，参照图2和图6，在本申请步态识别方法第一实施例的基础上，提供步态识别方法第四实施例，在第四实施例中，
步骤s10之后包括：
步骤s51，根据所述检测数据判断大腿的转动中心；
步骤s52，判断所述转动中心与大腿的位置关系；
步骤s53，若所述转动中心位于大腿上侧，则确定当前的步态为摆动状态；
步骤s54，若所述转动中心位于大腿下侧或不存在转动中心，则确定当前的步态为支撑状态。
通过速度、欧拉角和当前传感器的位置可以判断出大腿在整个运动过程中的转动中心，其中速度可由加速度积分得到，欧拉角可由由加速度和角速度共同得到。当大腿从支撑在地面上变成往前摆动时，大腿绕着髋关节转动，此时转动中心应该在大腿上侧，当大腿从摆动状态变为支撑状态时，大腿绕着足部转动，则此时转动中心应该在大腿下侧，同时如果大腿支撑在地面没有动作，此时不存在转动中心。所以，如果大腿的转动中心位于大腿位置的下方，则证明大腿在绕着足部转动，则足部是支撑在地上的，所以是支撑相，如果大腿的转动中心位于大腿位置的上侧，则证明大腿是绕着髋关节转动的，所以是摆动相，从而确定出当前的步态。
当根据大腿横轴相对大地的角速度识别出大腿当前的步态为摆动状态时，获取此时大腿的转动中心，若大腿的转动中心在大腿的上侧，则确认当前的步态为摆动状态，否则认为当前大腿的步态不为摆动状态或者支撑状态，类似的，当依据角速度识别大腿当前的状态为支撑状态时，大腿的转动中心应位于大腿下侧或者不存在转动中心。
在本实施例中，通过转动中心判断大腿的运动状态，从而识别大腿当前的步态。
进一步地，参照图2和图7，在本申请步态识别方法第一实施例的基础上，提供步态识别方法第五实施例，在第五实施例中，
步骤s30包括：
步骤s60，获取髋关节的运动信息；
步骤s70，根据所述运动信息和所述角速度，获取所述大腿横轴相对于步态识别对象的身体上半部分的相对角速度；
步骤s80，若所述相对角速度为逆时针方向，则确定当前的步态为摆动状态；
步骤s90，若所述相对角速度为零或顺时针方向，则确定当前的步态为支撑状态；
类似于利用传感器转换获取大腿的运动数据，也可以利用传感器获取髋关节的运动数据，如髋关节的角速度和与地面的角度等运动学信息。通过髋关节的运动学信息，可以得到上半身的运动状态，通过之前获取的的大腿的运动数据与髋关节的运动学信息，可以得到大腿相对于人体上半身的运动数据。利用大腿相对地面的角速度，同时根据髋关节相对地面的角速度信息，得到大腿相对于身体上半部分的相对角速度。在摆动状态时，大腿在向身体的上半部分靠近，在从摆动状态变为支撑状态时，大腿会逐渐远离身体的上半部分，或者当大腿完全支撑在地面上时，此时相对于身体上半部分的角速度可能为零。当相对角速度为逆时针方向时，判断大腿在靠近身体的上半部分，确定当前的步态为摆动状态；当相对角速度为顺时针方向时，判断大腿在远离身体的上半部分，或者相对角速度为零，此时大腿应该处于完全支撑在地面上的状态，确定当前的步态为支撑状态。逆时针与顺时针的方向为根据图3中划分的人体轴的箭头方向指向观察者进行观察得到。
其中，步骤s70之后包括：
步骤a1，根据所述相对角速度，获取所述大腿相对于步态识别对象的身体上半部分的角度变化趋势；
步骤a2，若所述角度变化趋势为增大，则确定当前的步态为摆动状态；
步骤a3，若所述角度变化趋势为减小或维持不变，则确定当前的步态为支撑状态；
根据角速度信息，通过积分计算可以得到相对于身体上半部分的角度，与第三实施例中的类似，可以通过各时刻的大腿相对于身体上半部分的角度值得到整体的角度曲线，通过角度曲线得到大腿相对于身体上半部分的角度变化趋势。当大腿处于完全支撑状态时，认为大腿与身体上半部分处于同一直线上，此时认为大腿与身体上半部分的角度为零，当人体开始摆动大腿时，大腿与身体上半部分不再处于同一直线上，此时认为大腿与身体上半部分有了夹角，即角度变化趋势为变大；当处于支撑状态时，大腿与身体上半部分的角度在变小，同时当大腿由冠状面的前面来到冠状面的后面，则认为此时大腿与身体上半部分的角度为负值。当角度变化趋势为增大，则确定当前的步态为摆动状态；当角度变化趋势为减小或者角度在较长时间内保持不变时，确定当前的步态为支撑状态。
在本实施例中，除了利用大腿传感器获取大腿相关的运动数据，同时根据其他的传感器获取髋关节相应的运动信息，再根据髋关节的运动信息和大腿上传感器的大腿相关的运动数据，得到大腿相对步态识别对象的身体上半部分的角度或者角速度，根据角度或者角速度识别当前的步态。
此外，参照图8，本申请实施例还提出一种步态识别装置，所述步态识别装置包括：
获取模块，用于获取设置在步态识别对象大腿处的传感器的检测数据；
提取模块，用于根据所述检测数据提取大腿横轴相对大地的角速度；
识别模块，用于根据所述角速度，识别设置所述传感器的大腿当前的步态。
可选地，所述提取模块还用于：
获取检测数据中的综合角速度；
根据姿态标定算法，通过所述综合角速度提取大腿横轴相对大地的角速度。
可选地，所述识别模块还用于：
若所述角速度为逆时针方向，则确定当前的步态为摆动状态；
若所述角速度为零或顺时针方向，则确定当前的步态为支撑状态。
可选地，所述获取模块还用于：
根据所述检测数据获取大腿与大地的夹角；
获取预设时长内所述夹角的数值曲线；
所述识别模块还用于：
若所述数值曲线呈现上升趋势，则确定当前的步态为摆动状态；
若所述数值曲线不呈现下降趋势或数值保持不变，则确定当前的步态为支撑状态。
可选地，所述步态识别装置还包括：
判断模块，所述判断模块用于：
根据所述检测数据判断大腿的转动中心；
判断所述转动中心与大腿的位置关系；
识别模块还用于：
若所述转动中心位于大腿上侧，则确定当前的步态为摆动状态；
若所述转动中心位于大腿下侧或不存在转动中心，则确定当前的步态为支撑状态。
可选地，所述识别模块还用于：
获取髋关节的运动信息；
根据所述运动信息和所述角速度，获取所述大腿相对于步态识别对象的身体上半部分的相对角速度；
所述识别模块还用于：
若所述相对角速度为逆时针方向，则确定当前的步态为摆动状态；
若所述相对角速度为零或顺时针方向，则确定当前的步态为支撑状态。
可选地，所述获取模块还用于：
根据所述相对角速度的方向，获取所述大腿相对于步态识别对象的身体上半部分的角度变化趋势；
所述识别模块还用于：
若所述角度变化趋势为增大，则确定当前的步态为摆动状态；
若所述角度变化趋势为减小或维持不变，则确定当前的步态为支撑状态。
本申请设备和可读存储介质(即计算机可读存储介质)的具体实施方式的拓展内容与上述触控笔模式切换方法各实施例基本相同，在此不做赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
1.一种步态识别方法，其特征在于，所述步态识别方法包括以下步骤：
获取设置在步态识别对象大腿处的传感器的检测数据；
根据所述检测数据提取大腿相对大地的角度；
根据所述角度，识别设置所述传感器的大腿当前的步态。
2.如权利要求1所述的步态识别方法，其特征在于，所述根据所述检测数据提取大腿横轴相对大地的角度的步骤包括：
获取检测数据中的综合角度；
根据姿态标定算法，通过所述综合角度提取大腿相对大地的角度。
3.如权利要求2所述的步态识别方法，其特征在于，所述根据所述角度，识别设置所述传感器的大腿当前的步态的步骤包括：
根据所述角度获取所述大腿横轴相对大地的角速度；
若所述角速度为逆时针方向，则确定当前的步态为摆动状态；
若所述角速度为零或顺时针方向，则确定当前的步态为支撑状态。
4.如权利要求1所述的步态识别方法，其特征在于，所述获取设置在步态识别对象大腿处的传感器的检测数据的步骤之后包括：
根据所述检测数据获取大腿与大地的夹角；
获取预设时长内所述夹角的数值曲线；
若所述数值曲线呈现上升趋势，则确定当前的步态为摆动状态；
若所述数值曲线呈现下降趋势或数值保持不变，则确定当前的步态为支撑状态。
5.如权利要求1所述的步态识别方法，其特征在于，所述获取设置在步态识别对象大腿处的传感器的检测数据的步骤之后包括：
根据所述检测数据判断大腿的转动中心；
判断所述转动中心与大腿的位置关系；
若所述转动中心位于大腿上侧，则确定当前的步态为摆动状态；
若所述转动中心位于大腿下侧或不存在转动中心，则确定当前的步态为支撑状态。
6.如权利要求1所述的步态识别方法，其特征在于，所述根据所述角速度，识别设置所述传感器的大腿当前的步态的步骤包括：
获取髋关节的运动信息；
根据所述运动信息和所述角速度，获取所述大腿横轴相对于步态识别对象的身体上半部分的相对角速度；
若所述相对角速度为逆时针方向，则确定当前的步态为摆动状态；
若所述相对角速度为零或顺时针方向，则确定当前的步态为支撑状态。
7.如权利要求6所述的步态识别方法，其特征在于，所述获取所述大腿相对于步态识别对象的身体上半部分的相对角速度的步骤之后包括：
根据所述相对角速度，获取所述大腿相对于步态识别对象的身体上半部分的角度变化趋势；
若所述角度变化趋势为增大，则确定当前的步态为摆动状态；
若所述角度变化趋势为减小或维持不变，则确定当前的步态为支撑状态。
8.一种步态识别装置，其特征在于，所述步态识别装置包括：
获取模块，用于获取设置在步态识别对象大腿处的传感器的检测数据；
提取模块，用于根据所述检测数据提取大腿相对大地的角度；
识别模块，用于根据所述角度，识别设置所述传感器的大腿当前的步态。
9.一种步态识别设备，其特征在于，所述步态识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的步态识别程序，所述步态识别程序被所述处理器执行时实现如权利要求1至7中任一项所述的步态识别方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的步态识别方法的步骤。
技术总结