王勇哲，沈林勇，章亚男，钱晋武

(上海大学机电工程与自动化学院，上海 200072)

1 引 言

临床应用中，步态分析是研究步行规律的检查方法，旨在通过生物力学和运动学手段，揭示步态异常的关键环节及影响因素，从而指导康复评估和治疗，也有助于临床诊断、疗效评估及机理研究等[1]。不仅在康复评估方面，“关键转变的早期预警”是当今国际研究的热点，不同领域相关研究在《Nature》等国际科技刊物上多有发表[2-5]。这些研究表明，系统突变的早期预警信号是普遍存在的，不因系统的细节差异而异，神经疾病也存在早期信号，因此，应用步态分析研究早期预警信号是一种新的尝试且具有一定的理论支持。

现阶段的步态参数获取方法很多，如基于特征融合的步态识别中利用图像处理与关节点定位的方法获取关节角度，该方法测量方便但计算复杂，由于关节点是根据比例来确定的，所以精度也会有所影响[6-7]。基于Kinect骨骼跟踪功能的骨骼识别系统研究中，用Kinect和图形处理的步态测量方法，由于Kinect主要应用在游戏方面，在人移动或者与Kinect距离变化均会导致人体下肢杆长变化和关节角度变化，数据精度能否用在神经疾病的康复与评估中还需要进行探究[8]。使用光学标记点来测量步态参数的方法也存在标记点滑移和遮挡等问题[9]。为了能够精确、方便的测量步态参数，本研究提出基于机器人逆运动学的步态参数计算方法，解决了机器人逆运动学算法在人体上的应用问题，平衡了实验方便性与精度。……