段家琦，杨剑锋，廖允廷，田中英一郎

（1.早稻田大学 信息生产系统研究科，日本 北九州 169-8050；2.郑州大学 管理工程学院，河南 郑州 450001；3.郑州大学 商学院，河南 郑州 450001）

0 引言

随着生产力水平提高，人类平均寿命不断增加，人口老龄化也成为世界性的社会问题。截至2017年，全球60岁及以上人口为9.62亿，到2050年，这个数字将达到21亿左右，由此带来的照料老年人和辅助日常生活所需要的社会资源巨大，因此，借助机械或辅助设备帮助老年人日常生活活动（activities of daily living，ADL）已成为当今护理技术的发展趋势［1］。其中，辅助器械研发是重要的研究方向。

辅助起立机器人及起立数据采集已经有了快速发展。D.Chugo等［2］研究使用辅助器械托举使用者的上半身，并通过输入设定好的辅助轨迹进行起立；P.Médéric等［3］，Y.Eguchi等［4］所开发的起立与行走辅助装置可以辅助老年人实现从起立到行走，该装置通过调节装置杆件长度实现辅助不同对象；N.Bando等［5］，E.Bruce等［6］，W.Zijlstra等［7］采用座椅和地面的压力传感器进行数据收集，但对起立过程的后半部分缺乏准确的数据分析；U.Martinez-Hernandez等［8］，G.R.H.Regterschot等［9］将加速度传感器安置于实验对象大腿，分析了起立过程中质心的变化；WANG F C等［10］，R.Pala等［11］建立人体模型，对起立过程的地面和人体进行受力分析；A.Galán-Mercant等［12］通过手机采集起立过程中关节角速度变化的视频，并用于求解最优的起立轨迹；P.J.Millington等［13］采用EMG信号测量并预估起立过程中的肌肉变形。综上，辅助老年人起立的机器人已经有了快速发展，研究者已采用多种测量和分析方法对起立过程进行研究。

针对现有研究不能快速识别体态和难以个性化辅助的问题，本文提出一种适用于起立辅助装置的体态特征识别模型。使用非穿戴式传感器对使用者重心和坐姿进行测量，通过模型计算出使用者身高和体重等体态特征，以期为不同使用者提供自适应的最优起立辅助。

1 基于坐姿体态数据的识别模型及 原理

1.1 坐姿人体模型分析

对人体的静态和动态进行分析，首先需要建立人体模型。根据人体静坐姿态和起立运动中的主要运动部位，可建立一个3段结构的人体模型［14］（图1）。本文人体模型依据日本人的平均身高比例［15］建立。人体模型分为上身（包括躯干、手臂和头部）、大腿、小腿（包括脚）3个部分。人体各部分重量、长度与其体重、身高比几乎是固定的［16］，根据身高、体重可得出每部分的长度、质量和重心位置。

图1 人体3段结构模型Fig.1 Human body model in 3-parts

由图1可知，小腿、大腿和躯干长度分别为l1，l2，l3；3个部位重心到关节的距离分别为x1，x2，x3；3个部位的质量分别为m1，m2，m3。这些数值可以根据人体身高和体重计算得出，具体比例如表1所示。

表1 人体各部位比例Tab.1 Ratio of human each part

1.2 基于坐姿的体态数据识别原理

通过人体模型分析不同人群在椅子上的受力情况。通过试验和分析发现，不同身高的人坐在同一高度座椅时，由于身高差别，坐姿会有所不同，因此人的身高会影响座椅上的压力分布。为了模仿肌肉在受到挤压时产生的支撑力，使用图2具有弹簧系统的模型模拟不同身高的人在座椅表面上压力和重心的分布。

图2 具有弹簧系统的坐姿模型Fig.2 Sitting posture model with spring structure

图2中，使用一个弹簧结构模拟肌肉产生的支撑力，在受力分析中对座椅表面产生一个额外的补偿力F′，该力由大腿到座椅前端的距离决定。当大腿前部靠近座椅表面时，弹簧被压缩，由此产生的补偿力增加。相反，如果距离增加，补偿力会相应减小。图2中弹簧是计算补偿力的等效模型，在实际状态下不存在。假设弹簧系数为k，如图3所示，当大腿实际位置与平行位置之间的距离为Δyfront时，补偿力F′可根据式（1）计算，

图3 大腿移动距离示意Fig.3 Thigh movement distance schematic

由此得出人体对座椅表面的作用力，如图4所示。图4中Ffoot是地面对人的反作用力。因此，通过力矩平衡方程可以计算出座椅上力的中心和大小。

图4 坐姿下的受力示意图Fig.4 Force diagram in sitting posture

人体对座椅表面的压力可以根据比例计算得出，如图4所示。得知实验对象的身高和体重后，可以计算出每个部位的数据。图4中，θ为上半身与水平面的夹角，yfront为膝关节和髋关节的连线与座椅表面前部的垂直距离，用于计算补偿力F′。如图5所示，根据力矩平衡公式，可以列出下列与Ffront和Fback有关的方程，用于计算座椅表面上的压力分布。

图5 坐姿下的力矩平衡示意图Fig.5 Torque balance diagram of sitting posture

式（2）～（4）中，补偿力F′的值由大腿距离平行位置的长度Δyfront确定，根据上文提出补偿力F′的计算方法，大腿与座椅表面平行时，补偿力F′为0，补偿力的大小与Δyfront有关，见图3。因此，当确定髋关节和膝关节的位置时，Δyfront可表示为

实验中要求实验对象采用一种便于数据采集和分析的坐姿，即上半身和小腿垂直于地面，因此上半身重心位于髋关节上方，小腿重心位于踝关节上方。根据座椅高度、座椅表面长度和髋关节位置计算得出膝关节坐标（xknee，yknee）：

式（6）中，髋关节的坐标取决于座椅高度和实验对象坐姿，5 cm是人类脚踝到地面的平均高度。将式（6）代入式（5）中，可求出Δyfront。在简化后的模型中，由于上半身重力作用于髋关节，小腿重力作用于地面，因此，简化后座椅表面压力Ffront和Fback的新方程为

实验过程中，身体数据和平均值有不同的实验对象，如较矮或者体重超重，与平均体态有一定差别，可以采用额外的参数F′和xextra使上述方程能够适用于更广泛的对象。

对于身高低于165 cm的实验对象，实验中座椅前部的传感器读数大于模型模拟结果。对补偿力F′进行额外调整，使弹簧的弹性系数从1000 N/m增加到4000 N/m，因此使用一个分段函数描述补偿力F′，

如果实验者BMI大于正常值，则体脂较高，臀部厚度大于平均值。此时，座椅背面距离传感器测得的髋关节位置与实际位置有所出入。通过增加额外的坐姿长度xextra调整，

利用调整后的新方程，通过坐姿和座椅表面的压力分布，计算出不同实验时座椅表面的模拟压力分布。再将实际测量的Ffront，Fback代入式（10），重新计算实验对象的身高和体重，

2 信息采集与数据分析

2.1 测量装置简介

如图6所示，将座椅看作起立装置，将4个压力传感器构成的压力板放置于座椅表面，测量座椅表面的压力分布；同时将超声波距离传感器分别安置于座椅底部、靠背上端和下端，用于测量实验对象的坐姿。

图6 数据测量装置Fig.6 Data measurement device

2.2 测量方法

静态数据主要用于分析实验对象的身高和体重。当实验对象坐在座椅上时，由于身高、体重和坐姿不同，座椅表面的压力大小和分布也不同。为了便于计算和验证，本实验要求实验对象小腿和躯干垂直于地面。实验过程中，首先让测量装置空载静置约10 s，传感器磁滞完全消失后，将传感器读数归零复位。然后要求实验对象以图7的姿势坐在座椅上，等待约10 s后起立。在此期间可以获得15组静态压力和距离数据，对数据进行平均化和归一化处理，使传感器的读数尽可能接近真实数值。

图7 静态数据测量姿势Fig.7 Static data measuring posture

2.3 测量结果与分析

实验测试了12名身高在1.55～1.87 m间的实验对象，将实验过程中获得的压力数据作为测量结果，然后模拟理论压力值。根据表1由实验对象的实际身高和体重计算出相应身体部位的长度和重量后，代入人体模型，再根据式（10）计算出传感器的模拟读数，作为模拟结果。

图8中红色和蓝色是根据实际身高计算得到的模拟结果；橙色和浅蓝色是通过传感器读数直接记录的测量结果。横轴是不同实验对象的身高，纵轴是传感器的读数和模拟结果。如图9所示，将实际结果与模拟结果的差值作为误差，以身高排列。红点是座椅表面前端即Ffront的误差，蓝点是座椅表面后端即Fback的误差。座椅前后端误差计算方法为

图8 模拟和测量压力分布对比Fig.8 Comparison of simulation and measurement of pressure distribution

图9 模拟与测量压力的误差Fig.9 Error of simulate and measurement pressure

由图8中可以看出，实际测量结果与模拟结果基本一致。图9所示误差中，绝大多数误差小于2 kg，可认为模拟结果基本与测量结果相吻合。因此，将传感器读数的测量数据代入式（10）中，可计算出由测量压力所得的身高和体重。

实验对象身高和体重的实际数据与计算数据对比分别如图10～11所示。蓝色是实验对象的身高和体重的实际数据，橙色是根据传感器读数的计算结果。比较两图数据，计算结果与实际数据基本一致。身高方面，绝大多数误差在3%以内，有一个实验对象的误差为6.1%。体重方面，绝大多数结果的误差在5%以内，有两个实验对象存在约8%的误差。由此证明使用者的身高和体重能够通过传感器测量的坐姿和座椅上的压力计算，大多数情况下误差小于5%。

图10 实际身高和计算身高对比图Fig.10 Comparison diagram of real height and calculated height

图11 实际体重和计算体重对比图Fig.11 Comparison diagram of real weight and calculated weight

3 结 语

针对现有起立辅助装置多为通用尺寸，无法对使用者体态提供最佳辅助功能的问题，提出一种基于坐姿数据的使用者体态特征识别模型，以实现起立辅助装置对不同使用者的自适应辅助功能。通过对坐姿进行分析，提出一种使用分段式弹簧模型模拟座椅表面压力的体态数据测量模型，并基于三段式人体模型分析压力分布，从而识别使用者的身高、体重等体态特征。通过压力板和距离传感器等非接触式传感器组成的测量系统，快速采集使用者的静态坐姿和压力数据。仿真分析和实际验证结果表明，该模型能够快速准确地识别使用者的体态特征，并成功应用于起立辅助装置。当老年人使用起立辅助装置时，能够通过传感器读数和模型计算出身高、体重等体态信息，实验验证表明识别误差小于5%。在此研究基础上，可以进一步对使用者的动态体态数据进行分析和模拟，从而对使用者身体特征、肌肉力度等更多体态特征进行识别，并应用于自适应起立辅助装置中。