传感器智造师
下载贤集网APP入驻自媒体
人类的步态不仅由关节，肌肉和神经系统控制，而且还受到年龄、习惯、性别、职业和疾病等外部因素的影响。步态识别系统在身份识别，体育锻炼和医学诊断领域中起着重要作用。近年来，新兴的生物识别技术已经得到了长足的发展，但是步态特征不仅取决于先天因素，而且还与获得的生活环境密切相关，这种环境很难改变。步态分析可以为诊断多种潜在疾病提供有用的线索，实现早期诊断并指导患者康复治疗（如偏瘫和帕金森氏病）。因此，迫切需要开发可移植的人机相交互系统来监测和识别这些症状。 目前，有两种主要的步态识别方法：基于传感器的步态数据收集和基于机器视觉的步态数据收集。基于机器视觉的步态识别对数据收集的环境有更高的要求。此外，通常需要进行繁琐的操作，例如图像收集，处理和保存。然而，使用传感器的步态监测方法是一种简单有效的方法，不受外部环境因素的限制。通过与不同的深度学习算法结合使用，可以提取生理参数的特征来进行步态识别和预测。 最近，河北工业大学胡宁教授、王子莹博士研究团队提出了一种基于氧化石墨烯-聚丙烯酰胺（GO-PAM）水凝胶的应变传感器。该传感器可用作摩擦纳米发电机（TENG）来收集机械能。基于0.02 wt％GO-PAM水凝胶的TENG输出功率高达26兆瓦，是纯PAM水凝胶膜的2.2倍。通过点亮353个发光二极管（LED）并为电子温度计供电，展现了TENG在为电动设备供电方面的能力。此外，设计了可穿戴的鞋具监测系统，其中包括鞋垫，数据处理模块和使用Python开发的PC接口。在具有不同算法的模型中，人类日常生活步态和病理步态具有人工神经网络系统的最高识别精度高达99.5%和98.2%。该系统可用于多种医疗应用，例如早期诊断，康复评估和患者治疗，为人体步态监测和识别提供了更方便的选择。
