人行走过程中膝关节角度特征研究
马越1, 丁浩2,*
1.痕迹检验鉴定技术公安部重点实验室,沈阳 110854
2.江苏警官学院,南京 210031
* 通讯作者简介:丁浩,男,江苏灌南人,学士,讲师,研究方向为痕迹检验。E-mail:dinghao@jspi.cn

第一作者简介:马越,男,辽宁沈阳人,硕士,副教授,研究方向为痕迹检验。E-mail:360152552@qq.com

摘要

目的 通过对人行走时膝关节角度的记录和分析,研究其稳定性、左右对称性和不同人之间的差异性,为步态识别提供科学依据。方法 运用Vicon运动捕捉系统,采集20位研究对象以步长为最舒适以及50、60、70、80、90cm行走时膝关节角度相关数据,并进行分析。结果 通过对数据的观察、分析发现,以相同步长行走时同一人膝关节角度特征稳定;一些个体左、右膝关节角度存在对称性,但不具有普遍性;不同人之间差异明显。结论 本研究证明同一人行走时膝关节角度特征具有稳定性,不同人之间存在差异性,为认定和排除特定人提供理论支撑,为步态识别提供依据,也为研究人的行走运动特征提供新的方法和思路。

关键词: 步法; 行走特征; 膝关节角度; 步态识别
中图分类号:DF794.1 文献标志码:A 文章编号:1008-3650(2019)04-0322-05
Characteristic Angle of Human Knee Joint in Walking
MA Yue1, DING Hao2,*
1. Ministry of Public Security’s Key Laboratory of Trace Inspection and Identification Technology & Criminal Investigation Police University of China, Shenyang 110035, China;
2. Jiangsu Police Institute, Nanjing 210031, China
Abstract

Objective To explore the stability, symmetry and inter-person differences through analysis into human knee joints’ angles recorded during walking in order to provide scientific foundation for gait recognition.Methods Used of the Vicon, a motion capture system, 20 subjects were collected of their real-time data of knee joints’ angles from walking at a stride (cm) of most comfortable length, 50, 60, 70, 80 and 90, leaving the data to be analyzed.Results The data show that the knee joint’s angle keeps stable if one person maintains walking at the same striding length. Though some people behave symmetric angles of their both knee joints, yet unable to bring forward a universal conclusion. Additionally, there is obvious diversity from the angles among people.Conclusions The observation that same person has stable and even symmetric knee joints’ angle and different subjects have diversity of the angles contributes to the studies on human walking characteristics, providing a scientific basis for certain person to identify or exclude with the gait recognition.

Key words: gait; walking characteristic; knee joint angle; gait recognition

步态识别作为生物识别技术的新兴领域[1, 2, 3], 是通过提取人走路过程中所反映出的肢体特征进行个人身份识别[4, 5, 6, 7]。与人脸[8]、指纹[9]、虹膜[10]等识别技术不同, 步态特征识别以其识别过程的隐蔽性、非接触性以及识别对象的难伪装性越来越受到大家重视。近年来, 在步态识别领域已有很多有益的尝试性研究[11, 12, 13, 14], 如对识别对象的行走轮廓和臀部[15]、四肢甚至脚尖[16]的步态变化进行分析, 但却很少有人对膝关节角度特征方面进行研究。

从人体解剖结构看, 腿骨长度[17]、肌肉强度和神经灵敏度[18]、体态、运动方式和习惯等因素, 决定了步法特征的稳定性和特定性。人在行走过程中膝关节不停地运动, 因此膝关节夹角大小是不断变化的[19]。本文将研究人行走过程中所形成的膝关节角度特征, 通过对膝关节角度的数据进行统计分析, 科学检验, 为进一步分析人的行走特征提供理论依据, 为人身识别提供新的途径。

1 研究内容和方法
1.1 膝关节角的定义

本课题将人行走时大腿与小腿外侧在膝关节处构成的夹角定义成膝关节角。因为大腿股骨与小腿胫骨坚硬且不易变形, 可将大腿与小腿分别看作成两个刚体。建模为:在大腿外侧、膝关节外侧及小腿外侧处各取一点, 记大腿中间外侧部位点为A, 膝关节部位的股骨外侧髁和胫骨外侧髁中间的点为B, 腓骨下端外侧(外踝关节)点为C, 且人直立时, A, B, C三点共线, 记∠ABC为膝关节角。由于膝关节角度大小特征能够反映人行走特点, 因此可以通过研究个体行走时膝关节角度变化以及角度峰值或谷值, 反映个体行走时特征。

1.2 研究方法和内容

选取20位身高在170 cm以上的青壮年健康男性为研究对象。研究在相同步长条件下同侧膝关节角度变化的稳定性; 左、右膝关节角度变化的对称性; 不同人同侧膝关节角度变化的差异性。运用正态分布检验、方差分析等方法进行研究。

1.3 数据的采集

研究运用英国Vicon三维运动捕捉系统对数据进行采集, 该系统由10个捕捉红外摄像头、采集软件等构成; 采集场所为6 m× 10 m室内, 空间可以保证研究对象正常行走两个周期以上; 设定采集频率为100 Hz/s, 保证数据采集过程中不丢点、多点, 采集时的精度与分辨率能够满足分析的要求。在对系统确定测试时的空间坐标系和坐标原点后, 将marker球按1.1所述部位进行粘贴。由于每个人在不同情境行走时步长不尽相同, 让研究对象分别按照最舒适、50、60、70、80、90 cm的步长分别行走20次, 且每次行走时左、右足支撑和摆动各2次以上。在Vicon系统软件中导出各个marker球对应点的时、空数据。运用空间几何的方法计算出膝关节角度∠ABC。记左、右腿上3个marker球对应点坐标分别为:A(x1, y1, z1), B(x2, y2, z2), C(x3, y3, z3), 则:

\[AB=\sqrt{(x_{1}-x_{2})^{2}+(y_{1}-y_{2}^{2})+(z_{1}-z_{2})^{2}}\ (1)\]

\[BC=\sqrt{(x_{2}-x_{3})^{2}+(y_{2}-y_{3}^{2})+(z_{2}-z_{3})^{2}}\ (2)\]

\[AC=\sqrt{(x_{1}-x_{3})^{2}+(y_{1}-y_{3}^{2})+(z_{1}-z_{3})^{2}}\ (3)\]

于是, 则膝关节角度为\(cos∠ABC=\frac{AB^2+BC^2-AC^2}{2AB· BC}\)则膝关节角度为 arccos∠ABC。

2 实验数据分析
2.1 同一人同侧膝关节角度变化的稳定性

从膝关节角度的曲线形态定性分析以及膝关节角度的极小值大小定量分析两个方面进行。

2.1.1 膝关节角度曲线形态的稳定性

对不同研究对象多次行走观察时发现, 左、右膝关节角度变化均表现出各自的稳定性。对同一人采集的20次行走数据解析出的膝关节角度曲线观察发现:在以同一步长行走时, 同侧关节角度变化曲线特征基本一致。图1所示为同一人20次曲线中随机抽取2次进行比较。

图1 研究对象A膝关节角度(a:左膝角度1, b:左膝角度2, c:右膝角度1, d:右膝角度2)Fig.1 Twice recorded angles of knee (a, b: left; c, d. right) joint of subject A

观察曲线可发现, 以同一步长行走时同侧膝关节角度变化一致。

2.1.2 极小角度的稳定性

在腿摆动阶段, 膝关节角度大小变化为先减后增。腿在每一次的支撑— 摆动— 支撑过程中膝关节角度最小时记为膝关节角度极小值并取值1次。首先提取研究对象以舒适步长行走时膝关节角度极小值。左、右各提取40次, 见图2。

图2 舒适步长行走时膝关节角度极小值Fig.2 The minimum angles of knee-joints in walking at the comfortable striding length

图2中“ 黑色” 点表示出现1次, “ 蓝色” 点表示出现2次, “ 深红色” 点表示出现3次, 共计40次。对图2中的左、右膝关节角度极小值数据分别运用SPSS软件进行单样本K-S(Kolmogorov-Smirnov)检验, 检验膝关节角度极小值数据是否呈正态分布。分析结果为:左膝关节角度的Z值为0.599, 渐近显著性(双侧)为0.866, 精确显著性(双侧)为0.833; 右膝关节角度的Z值为0.572, 渐近显著性(双侧)为0.899, 精确显著性(双侧)为0.870。因此可以认为左、右膝关节角度极小值的总体分布都符合正态分布。对数据进行单样本t检验:左膝关节角度均值为119.775° , 标准差为2.6553, 以其均值119.8° 为检验值, t=-0.060, Sig=0.953, 差分的95%置信区间上、下限分别为-0.8724、0.8242; 右膝关节角度均值为111.45° , 标准差为1.3195, 以其均值114.5° 为检验值, t=-0.240, Sig=0.812, 差分的95%置信区间上、下限分别为-0.4720、0.3720。由置信区间上下限数值较小表明:左右膝关节角度大多分布在其均值附近, 即膝关节极小值较为稳定。另一方面, 由变异系数 Cv=σμ× 100%得, 左、右膝关节角度极小值统计样本的变异系数分别为2.2169%、1.1840%。数值较小, 表明数据与其均值差异小, 数值稳定, 即该研究对象以最舒适步长行走时, 左、右膝关节角度极小值分别稳定在119.8° 和111.5° 。

运用上述方法, 对分别以步长50、60、70、80、90 cm行走时膝关节的数据进行分析, 左、右膝关节角度极小值也是稳定的。因此在以同一步长行走时, 膝关节角度曲线的形态稳定、极小值稳定。

2.2 同一人左、右膝关节角度变化的对称性

2.2.1 左右膝关节角度曲线形态的对称性

通过对20个研究对象以某一步长行走时膝关节角度曲线观察发现:有些研究对象的左、右膝关节角度变化的大小、范围基本相同(图3), 而有些研究对象左、右膝关节角度曲线差异明显。进一步观察发现, 膝关节曲线在对应角度较大阶段有些比较“ 平滑” , 而有些单侧或双侧出现“ 抖动” (图4)现象。曲线上角度较大时对应的是行走时该腿接近于垂直支撑阶段, 曲线“ 平滑” 表示支撑时腿部稳定, 而出现“ 抖动” 则说明支撑时腿部不稳。通过对研究对象的了解, 曲线“ 平滑” 的人多喜欢体育活动, 腿部肌肉强度较大, 身体协调性好, 行走时迈步平稳; 而出现“ 抖动” 现象的人往往锻炼不够, 单侧或双侧腿部力量不足。如出现左膝膝关节角度曲线图像“ 锯齿” 较多而右膝膝关节角度曲线图像较为“ 平滑” 的情况时, 是因为该研究对象右腿肌肉强度大、行走过程更为有力, 迈步时右腿较左腿平稳。

图3 研究对象B膝关节角度(a:左膝, b:右膝)Fig.3 The angles of knee (a. left, b. right) joint of subject B

图4 研究对象C膝关节角度(a:左膝, b:右膝)Fig.4 The angles of knee (a. left, b. right) joint of subject C

2.2.2 左右膝关节角度极小值的对称性

将20位研究对象在以舒适步行走时的左、右膝关节角度极小值进行比较, 如表1

表1中的左、右膝关节角度极小值的差值进行分析, Z值为0.904, 渐近显著性(双侧)为0.387, 精确显著性(双侧)为0.340, 均大于显著性水平α =0.05, 可以认为差值的总体分布与正态分布无显著差异。因而可以对表1中的左右膝关节角度极小值进行配对样本t检验。其成对样本相关系数为0.593, sig=0.06, 大于显著水平α , 则说明左、右膝关节角度极小值没有显著相关性; 成对样本检验得到sig=0.099, 大于显著水平, 则说明无显著差异。分析结果表明, 同一人左、右膝关节角度极小值之间无显著相关性, 但就实验对象整体而言, 左、右膝关节角度极小值在整体上又无明显差异。通过对其它步长所得的膝关节极小值分析, 发现有类似的结果。因此在行走时, 同一人左、右膝关节角度变化在某些个体上表现出对称性, 但在整体中没有普遍代表性。

表1 舒适步行走时膝关节角度极小值(单位:度) Table 1 The minimum angles of knee-joints in walking at the comfort striding length (Unit: degree or ° )
2.3 不同人膝关节角度差异性比较

通过研究不同对象分别以50、60、70、80、90 cm五组不同步长行走时左、右膝关节角度极小值的数据, 发现不同人在以相同步长、不同步长分别行走时, 膝关节角度极小值差异明显。分析方法如下:将不同人相同步长条件下同侧膝关节角度极小值的20个数据从小到大按序排列, 然后分为2组:前10个数据为一组, 后10个数据为另一组。将2组数据进行配对样本t检验, P值均小于0.05, 故各对应的2组数据之间的差异有统计学意义, 即不同人以某步长行走时, 膝关节角度极小值差异明显。因此在行走时, 不同人的膝关节角度存在差异。人的行走特征是由人身特点及行走习惯形成的, 在某一阶段内特征较为稳定, 所以人在以一定范围内的步长正常行走时, 双腿摆动特征总体稳定, 作为特征之一的膝关节角度在运动过程中符合这一特性; 由于每个人的腿长大小、腿部肌群的强度、韧带强度和柔韧性、体育训练以及行走习惯等存在差异, 同一人左、右腿之间、不同人之间存在差异, 表现为同一人左、右膝关节角度变化没有普遍的对称性, 不同人之间存在差异。

3 结论

本课题通过对20位研究对象以不同的步长分别多次行走时的左、右膝关节角度变化情况研究表明:1)同一人以相同步长行走时膝关节角度变化具有稳定性; 2)同一人左、右膝关节角度变化在某些个体上对称性表现显著, 而在某些个体上左、右差异明显; 3)不同人同侧膝关节角度变化具有明显的差异性。

对膝关节角度特征做的研究, 可以为认定和排除嫌疑人提供依据。由于膝关节角度特征仅仅是人体众多特征之一, 其研究的方法和过程也可以为研究人体其他行走特征提供借鉴作用。同时将人行走过程中表现出的人体特征与其足迹特征比对分析, 一方面更能科学地认识行走姿态, 另一方面也为传统的足迹应用拓展新的途径。本文仅对同一步长条件下膝关节角度稳定性进行了分析, 关于稳定区间如何分布, 角度极小值与腿长、步长等因素是否有相关性等问题尚待探讨。

参考文献
[1] LEES A, VANRENTERGHEM J. The energetics and benefit of an arm swing in submaximal and maximal vertical jump performance[J]. Journal of Sports Sciences, 2006, 24(1): 51-57. [本文引用:1]
[2] 王亮, 胡卫明, 谭铁牛. 基于步态特征的身份识别[J]. 计算机学报, 2003, 26(3): 353-360. [本文引用:1]
[3] 赵黎丽, 侯正信. 步态识别问题的特点及研究现状[J]. 中国图象图形学报, 2006, 11(2): 151-161. [本文引用:1]
[4] 兰玉文, 李跃威, 喻松春, . 基于监控视频的人体动态特征应用识别技术研究[J]. 警察技术, 2013, 20(11): 11-16. [本文引用:1]
[5] 胡琼, 秦磊, 黄庆明. 基于视觉的人体动作识别综述[J]. 计算机学报, 2013, 36(12): 2512-2524. [本文引用:1]
[6] 张旭, 黎智辉, 王鑫, . 视频取证技术研究进展[J]. 刑事技术, 2015, 40(2): 1-7. [本文引用:1]
[7] 贲晛烨, 徐森, 王科俊. 行人步态的特征表达及识别综述[J]. 模式识别与人工智能, 2012, 11(2): 71-81. [本文引用:1]
[8] 肖军. 人脸识别技术在追逃工作中的应用现状与展望[J]. 刑事技术, 2016, 41(2): 137-141. [本文引用:1]
[9] 姚越武, 丁宏, 马继雄, . 指纹自动识别系统多种算法互补能力研究[J]. 刑事技术, 2017, 42(5): 385-388. [本文引用:1]
[10] 张震, 刘博, 李龙. 一种多特征提取及融合的虹膜识别方法[J]. 郑州大学学报(工学版), 2017, 38(1): 63-67. [本文引用:1]
[11] 田光见, 赵荣椿. 基于傅立叶描绘子的步态识别[J]. 计算机应用, 2004, 24(11): 124-125. [本文引用:1]
[12] 陈心浩, 黄正华, 高智勇, . 基于特征融合的步态识别的研究[J]. 中南民族大学学报(自然科学版), 2010, 29(1): 88-91. [本文引用:1]
[13] 吴洪湃, 李震, 张冬. 理论足迹学[M]. 北京: 群众出版社, 2012. [本文引用:1]
[14] 孙鼐华. 下肢运动模式识别及运动姿态预测算法研究[D]. 西安: 长安大学, 2015. [本文引用:1]
[15] 刘开余, 夏斌. 基于Kinect的实时人体姿势识别[J]. 电子设计工程, 2014, 22(19): 31-34. [本文引用:1]
[16] 耿磊, 吴晓娟, 张恒. 基于踝关节轨迹的身份识别算法[J]. 电子技术应用, 2006(5): 42-53. [本文引用:1]
[17] 王晓韬. 缓冲式运动中的腿部受力分析模型[J]. 现代电子技术, 2017, 40(5): 122-125, 129. [本文引用:1]
[18] 吴新炎, 陈月亮. 优秀短距离女子速滑运动员途中滑单步周期腿部肌肉肌电特征研究[J]. 首都体育学院学报, 2015, 27(6): 563-568. [本文引用:1]
[19] 袁平, 王万春. 膝关节三维有限元模型的建立及生物力学分析[J]. 中南大学学报(医学版), 2010, 35(1): 85-89. [本文引用:1]