针对人体步态识别准确率不高且需要手动提取信号特征的问题,采用卷积神经网络(CNN)自动提取传感器信号特征,对行走、上下楼和上下坡5种步态模式进行识别。搭建惯性传感器系统,采集人体的运动信息;针对该数据特点设计了一个4层的CNN模型用于自动提取信号特征和动作分类;利用检测的数据验证了所提方法的可行性,与传统的"人工特征+支持向量机(SVM)"的识别方法进行对比试验。实验结果表明:所提出的识别方法可以准确地识别运动步态,平均识别率达到91.5%,识别效果优于传统方案。

助力下肢外骨骼是一种可穿戴于人体的智能机械设备,能够大幅增强穿戴者体力或帮助有行走障碍的使用者行走。可应用于军事、救灾、医疗、体力工作等诸多方面,具有广阔的发展前景。由于其独特的优越性,近年来下肢外骨骼技术发展迅速。从负重型和康复型下肢外骨骼两个方面,综述了当前国内外研究现状,详细分析了在助力外骨骼研发中需要解决的关键技术,并展望了今后的发展方向。