【技术实现步骤摘要】
本专利技术涉及脚底健康检测，具体涉及一种基于柔性电容传感器的脚底健康检测系统及方法。
技术介绍
1、随着社会的发展，人们对生活质量的要求也不断提高，而健康的身体无疑是美好幸福生活的开始，标准化、参数化地衡量身体各方面生理指标，养成良好的生活习惯，逐渐成为共识，研究表明，步行过程中足底压力的分布信息是足部形态异常诊断的重要基础，足底高压力对足部发育而言是一项重要的危险因素，因此，精确地测量足底压力就显得十分重要。
2、现在常用的足底压力测试方法有压阻式传感器和足底压力测试板，压阻式传感器对温度变化较为敏感，温度的变化会影响传感器的测量精度，而足底压力测试板由于传感器体积太大，限制了鞋垫内单位面积的传感器数量，压力采集效果并不理想。
3、综上所述，研发一种基于柔性电容传感器的脚底健康检测系统及方法，仍是脚底健康检测领域中急需解决的关键问题。
技术实现思路
1、针对现有技术所存在的问题，本专利技术的目的在于提供一种基于柔性电容传感器的脚底健康检测系统及方法，具有较好的识别效果与较高的准确率。
2、为实现上述目的，本专利技术提供了如下技术方案：
3、一种基于柔性电容传感器的脚底健康检测方法，包括以下步骤：
4、s1、通过带有柔性电容传感器的智能鞋垫采集自由状态下被测者的足底压力数据，并将采集的足底压力数据经过wifi传输至计算机；
5、s2、计算机获取足底压力原始数据并进行数据预处理、特征提取和归一化处理，将处理后的数
6、s3、将数据集按比例划分为训练集和测试集；
7、s4、构建svr-lstm神经网络模型，并将训练集中的数据输入svr-lstm神经网络模型中进行第一训练；
8、s5、将第一训练获得的模型参数输入基于改进的樽海鞘算法优化的bp神经网络中进行第二训练；
9、s6、将第二训练得到的足底压力预测结果进行反归一化处理，得到模型阈值。
10、本专利技术进一步设置为：在步骤s1中，所述带有柔性电容传感器的智能鞋垫具有九个采集区域，对被测者的足底压力进行采集时，可以采集到九个足底压力特征区域，包括第一跖骨、第一跖骨、第二跖骨、第三跖骨、第四跖骨、第五跖骨、足中、足跟内侧、足跟外侧和足跟后侧。
11、本专利技术进一步设置为：在步骤s2中，包括以下步骤：
12、s21、对获取到的足底压力数据进行预处理时，包括使用滤波器将足底压力数据中存在的各种噪声进行去除；
13、s22、对获取到的足底压力数据进行特征提取时，包括时域特征值、频域特征值、非线性动力学特征值；
14、s23、将处理后的数据进行归一化处理，计算公式如下：
15、
16、式中，x'为原始数据归一化后的值，xmin和xmax分别为原始数据中的最小值和最大值，归一化后原始数据都映射到[0，1]区间。
17、本专利技术进一步设置为：在步骤s3中，所述数据集为经过处理后的数据和原始数据构成的二维向量(xi,yi)，其中xi为经过处理后的数据，yi为原始数据，即数据真实值。
18、本专利技术进一步设置为：在步骤s4中，包括以下步骤：
19、s41、构建svr模型和lstm模型，且svr模型函数如下：
20、
21、式中，k(xi,xj)为核函数，ai为隔离带上边缘之上第i个拉格朗日系数，为隔离带上边缘之下第i个拉格朗日系数；
22、s42、第一训练时，将二维向量(xi,yi)作为训练样本，分别使用svr模型和lstm模型进行训练，得到的阈值记为svr(xi)和lstm(xi)；
23、s43、再将二维向量(svr(xi)，lstm(xi))和对应的数据真实值yi作为模型参数输入到基于改进的樽海鞘算法优化的bp神经网络中，对基于改进的樽海鞘算法优化的bp神经网络进行训练。
24、本专利技术进一步设置为：在步骤s41中，所述lstm模型包括记忆单元、输入门、输出门和遗忘门，所述输入门和输出门用于接收、输出和修正参数，所述遗忘门用于有选择地清除特定修正参数，所述记忆单元用于记录保存神经元目前状态。
25、本专利技术进一步设置为：在步骤s5中，所述基于改进的樽海鞘算法优化的bp神经网络为使用基于改进的樽海鞘算法优化bp神经网络的权重和阈值。
26、本专利技术进一步设置为：在步骤s6中，所述反归化一处理的计算公式如下：
27、x″＝x′(xmax-xmin)+xmin；
28、式中，x'为归一化的数据，x”为反归一化后的结果。
29、本专利技术还提供了一种基于柔性电容传感器的脚底健康检测系统，包括：
30、数据采集模块，所述数据采集模块通过带有柔性电容传感器的智能鞋垫采集自由状态下被测者的足底压力数据，并将采集的足底压力数据经过数据传输模块传输至计算机模块；
31、数据传输模块，所述数据传输模块用于将数据采集模块采集的足底压力数据传输至计算机模块；
32、计算机模块，所述计算机模块用于对足底压力原始数据进行处理、划分、训练和反归一化处理，得到模型阈值。
33、本专利技术进一步设置为：所述计算机模块包括处理模块、划分模块、第一训练模块、第二训练模块、反归一化处理模块：
34、所述处理模块用于对足底压力原始数据进行数据预处理、特征提取归一化处理，并建立二维向量数据集；
35、所述划分模块用于将数据集按比例划分为训练集和测试集；
36、所述第一训练模块通过svr-lstm神经网络模型对训练集中的数据进行训练，得到模型参数；
37、所述第二训练模块通过基于改进的樽海鞘算法优化的bp神经网络对模型参数进行训练，得到足底压力预测结果；
38、所述反归一化处理模块通过对足底压力预测结果进行反归一化处理，得到模型阈值。
39、有益效果
40、采用本专利技术提供的技术方案，与已知的公有技术相比，具有如下
41、有益效果：
42、(1)本专利技术中，基于柔性电容传感器的脚底检测系统由数据采集模块、数据传输模块和计算机模块组成，数据采集模块通过带有柔性电容传感器的智能鞋垫采集自由状态下被测者的足底压力数据，并将采集的足底压力数据经过数据传输模块传输至计算机模块，计算机模块对足底压力原始数据进行处理、划分、训练和反归一化处理，得到模型阈值，本专利技术的检测系统能够更全面地处理足底压力数据，包括其非线性特性、时间序列特性以及需要精细调整的预测任务，提高了足底压力检测的准确性和可靠性，为足底健康检测提供了一种高效、准确的解决方案。
43、(2)本专利技术中，通过使用带有柔性电容传感器的智能鞋垫，可以更好地适应被测者的足部形状，提供更舒适的检测体验，进而保证了采集的被测者行走全过程中的足底压力数据能够更接近实际情况本文档来自技高网...
【技术保护点】
1.一种基于柔性电容传感器的脚底健康检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于柔性电容传感器的脚底健康检测方法，其特征在于，在步骤S1中，所述带有柔性电容传感器的智能鞋垫具有九个采集区域，对被测者的足底压力进行采集时，可以采集到九个足底压力特征区域，包括第一跖骨、第一跖骨、第二跖骨、第三跖骨、第四跖骨、第五跖骨、足中、足跟内侧、足跟外侧和足跟后侧。
3.根据权利要求1所述的基于柔性电容传感器的脚底健康检测方法，其特征在于，在步骤S2中，包括以下步骤：
4.根据权利要求1所述的基于柔性电容传感器的脚底健康检测方法，其特征在于，在步骤S3中，所述数据集为经过处理后的数据和原始数据构成的二维向量(Xi,Yi)，其中Xi为经过处理后的数据，Yi为原始数据，即数据真实值。
5.根据权利要求4所述的基于柔性电容传感器的脚底健康检测方法，其特征在于，在步骤S4中，包括以下步骤：
6.根据权利要求5所述的基于柔性电容传感器的脚底健康检测方法，其特征在于，在步骤S41中，所述LSTM模型包括记忆单元、输入门、输出门
7.根据权利要求1所述的基于柔性电容传感器的脚底健康检测方法，其特征在于，在步骤S5中，所述基于改进的樽海鞘算法优化的BP神经网络为使用基于改进的樽海鞘算法优化BP神经网络的权重和阈值。
8.根据权利要求1所述的基于柔性电容传感器的脚底健康检测方法，其特征在于，在步骤S6中，所述反归化一处理的计算公式如下：
9.一种基于柔性电容传感器的脚底健康检测系统，其特征在于，包括：
10.根据权利要求9所述的基于柔性电容传感器的脚底健康检测系统，其特征在于，所述计算机模块(3)包括处理模块(31)、划分模块(32)、第一训练模块(33)、第二训练模块(34)、反归一化处理模块(35)：
...【技术特征摘要】
1.一种基于柔性电容传感器的脚底健康检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于柔性电容传感器的脚底健康检测方法，其特征在于，在步骤s1中，所述带有柔性电容传感器的智能鞋垫具有九个采集区域，对被测者的足底压力进行采集时，可以采集到九个足底压力特征区域，包括第一跖骨、第一跖骨、第二跖骨、第三跖骨、第四跖骨、第五跖骨、足中、足跟内侧、足跟外侧和足跟后侧。
3.根据权利要求1所述的基于柔性电容传感器的脚底健康检测方法，其特征在于，在步骤s2中，包括以下步骤：
4.根据权利要求1所述的基于柔性电容传感器的脚底健康检测方法，其特征在于，在步骤s3中，所述数据集为经过处理后的数据和原始数据构成的二维向量(xi,yi)，其中xi为经过处理后的数据，yi为原始数据，即数据真实值。
5.根据权利要求4所述的基于柔性电容传感器的脚底健康检测方法，其特征在于，在步骤s4中，包括以下步骤：
6.根据权利要求5所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。