步态检测方法、系统及存储介质

技术领域

本申请涉及生物识别技术领域，特别涉及一种步态检测方法、系统及存储介质。

背景技术

随着人们生活水平的提高，对运动健康的需求愈发强烈，步态检测也逐渐成为人体运动健康检测的最佳方案，通过步态检测可以识别到人体运动过程中的步态时间参数和步态空间参数，可通过对步态时间参数和步态空间参数进行分析，以检测人体的指标是否在正常范围之内。

相关技术中，一般是依靠基于惯性传感器的动作捕捉系统来实现步态空间参数的提取的，但动作捕捉系统需要被测人员穿戴大量的惯性传感器，测试步骤繁琐，且精度较差，降低了测试效率，如何在简化测试步骤的同时提高测试效率，是当下亟待讨论和解决的问题。

发明内容

本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出了一种步态检测方法、系统及存储介质，能够简化测试步骤的同时提高测试效率。

为解决上述技术问题，本申请提出如下技术方案：

本申请第一方面实施例提供了一种步态检测方法，应用于步态检测装置，所述检测方法包括：

采集多张目标对象行走的行走步态图像；

通过控制器对所述行走步态图像进行深度识别，得到所述行走步态图像的关节点坐标；

根据所述关节点坐标，确定所述目标对象的中心位置坐标以及足踝关节点坐标；

根据所述足踝关节点坐标，确定所述目标对象的每一步的足部状态，所述足部状态用于记录所述目标对象的两个足部的支撑状态和摆动状态；

根据所述足部状态对应的所述足踝关节点坐标，计算得到步长数据；

根据所述步长数据和所述足部状态，计算得到步态数据；

根据所述中心位置坐标及对应的行走时间，计算得到速度数据。

根据本申请第一方面实施例的步态检测方法，至少具有如下有益效果：本申请的步态检测过程中目标对象无需佩戴多个惯性传感器，只需在步态检测装置前行走即可，本申请能够通过步态检测装置的深度摄像头自动采集目标对象行走时的行走步态图像，并将行走步态图像发送给控制器，由控制器对行走步态图像进行深度识别，得到目标对象全身的关节点坐标，进而根据目标对象全身的关节点坐标确定目标对象的中心位置坐标和足踝关节点坐标，实时根据足踝关节点坐标确定目标对象每一步的足部状态，并结合足部状态对应的足踝关节点坐标，计算步长数据，最后根据步长数据和足部状态，计算得到步态数据，根据中心位置坐标以及对应的行走时间，计算得到速度数据，不仅不需要目标对象佩戴额外的传感器，大大简化了测试步骤，还提高了步态检测的效率。

根据本申请第一方面的一些实施例，所述足踝关节点坐标包括左足踝关节点坐标和右足踝关节点坐标；所述根据所述足部状态对应的所述足踝关节点坐标，计算得到步长数据，包括：

根据预设的人体关节点识别模型对所述行走步态图像进行识别，得到所述行走步态图像中的人体关节点；

将所述关节点深度信息换算为摄像头坐标系下的坐标，得到左足踝关节点坐标和右足踝关节点坐标。

根据本申请第一方面的一些实施例，所述足踝关节点坐标包括左足踝关节点坐标和右足踝关节点坐标；所述根据所述足踝关节点坐标，确定所述目标对象的每一步的足部状态，包括：

分别将左足踝关节点坐标和右足踝关节点坐标作为待计算关节节点坐标；

判断所述待计算关节节点坐标在竖直方向上的第一Z坐标超出预设的地面高度的数值是否大于第一阈值；

当超出的数值大于所述第一阈值且对应的前一状态为支撑状态，所述待计算关节节点坐标对应的足部的状态确定为摆动状态，否则确定为支撑状态；

判断所述待计算关节节点坐标在竖直方向上的第一Z坐标超出预设的地面高度的数值是否小于第二阈值；

当超出的数值小于所述第二阈值且对应的前一状态为摆动状态，所述待计算关节节点坐标对应的足部的状态确定为支撑状态，否则确定为摆动状态。

根据本申请第一方面的一些实施例，所述步长数据包括平均周期时长、步长以及步宽；根据所述足部状态对应的所述足踝关节点坐标，计算得到步长数据，包括：

获取预设的步态周期数据，所述步态周期数据包括四个相邻步伐对应的足部状态；

在步态检测结束时，根据所述步态切换过程数据，统计得到以所述步态切换过程数据为一个周期的多个第一周期时长；

根据所述多个第一周期时长，计算得到平均周期时长；

在步态检测结束时，根据所述足部状态计算所述目标对象的每个足部对应的步长以及步宽。

根据本申请第一方面的一些实施例，所述步长数据包括左步长、右步长以及步宽，所述根据所述步长数据和所述足部状态，计算得到步态数据，包括：

根据步态检测过程中的左步长，统计步态检测过程中第一总步长；

根据步态检测过程中的右步长，统计步态检测过程中第二总步长；

根据所述第一总步长和所述第二总步长，计算得到跨步长；

根据所述足部状态，确定步态检测过程中的步态周期；

根据所述步态周期和所述跨步长，计算得到步态数据。

根据本申请第一方面的一些实施例，所述速度数据包括行走最大速度和行走最小速度，所述根据所述中心位置坐标及对应的行走时间，计算得到速度数据，包括：

根据所述中心位置坐标和对应的行走时间，求得每一米的行走速度；

对每一米的行走速度进行提取，提取出最大的行走速度作为所述行走最大速度，提取出最小的行走速度作为所述行走最小速度。

根据本申请第一方面的一些实施例，所述行走步态图像通过相机采集；在采集多张目标对象行走的行走步态图像之前，所述方法包括：

计算所述目标对象的测试中心坐标；

判断所述测试中心坐标与所述相机之间的距离是否满足预设的测试距离；

在不满足所述测试距离时，发送提示信息；

在满足所述测试距离时，判断所述目标对象是否在所述相机的中轴线；

当所述目标对象在所述相机的中轴线上，根据所述目标对象的测试足踝关节点坐标，计算得到地面高度。

根据本申请第一方面的一些实施例，所述测试足踝关节点坐标包括测试左足踝关节点坐标，所述根据所述目标对象的测试足踝关节点坐标，计算得到地面高度，包括：

确定条件满足第一水平方向上的X坐标在预设的第一范围内、第二水平方向上的Y坐标在预设的第二范围内、竖直方向上的第二Z坐标小于第三范围内的第一区域，其中，所述第三范围由所述左足踝关节点坐标来确定；

提取所述第一区域内的所有点云，计算所有点云的竖直方向上的第三Z坐标的平均值，得到地面高度。

本申请第二方面实施例提供了一种步态检测系统，包括：

至少一个存储器；

至少一个处理器；

至少一个程序；

所述程序被存储在所述存储器中，所述处理器执行至少一个所述程序以实现：

如本申请第一方面任一项所述的步态检测方法。

本申请第三方面实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行信号，所述计算机可执行信号用于执行：

如本申请第一方面任一项所述的步态检测方法。

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请的附加方面和优点结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请一些实施例提供的步态检测方法的主流程图；

图2为本申请一些实施例提供的步态检测方法的子流程图；

图3为本申请一些实施例提供的步态检测方法的子流程图；

图4为本申请一些实施例提供的步态检测方法的子流程图；

图5为本申请一些实施例提供的步态检测方法的子流程图；

图6为本申请一些实施例提供的步态检测方法的子流程图；

图7为本申请一些实施例提供的步态检测方法的子流程图；

图8为本申请一些实施例提供的步态检测方法的子流程图；

图9为本申请一些实施例提供的步态检测系统的模块框图；

图10为本申请一些实施例提供的步态检测装置的结构示意图；

图11为本申请一些实施例提供的步态检测方法的简图；

图12为本申请另一实施例提供的步态检测方法的简图；

图13为本申请一些实施例提供的初始化的流程图；

图14为本申请另一实施例提供的步态检测方法的主流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

在本申请的描述中，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本申请的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。

随着人们生活水平的提高，对运动健康的需求愈发强烈，步态检测也逐渐成为人体运动健康检测的最佳方案，通过步态检测可以识别到人体运动过程中的步态时间参数和步态空间参数，可通过对步态时间参数和步态空间参数进行分析，以检测人体的指标是否在正常范围之内。相关技术中，一般是依靠基于惯性传感器的动作捕捉系统来实现步态空间参数的提取的，但动作捕捉系统需要被测人员穿戴大量的惯性传感器，测试步骤繁琐，且精度较差，降低了测试效率，如何在简化测试步骤的同时提高测试效率，是当下亟待讨论和解决的问题。

基于此，本申请的步态检测方法能够在简化测试步骤的同时提高了测试效率。

参照图1，第一方面本申请实施例提供了一种步态检测方法，包括但不限于步骤S110、S120、S130、S140、S150、S160、S170。

S110，采集多张目标对象行走的行走步态图像；

S120，通过控制器对行走步态图像进行深度识别，得到行走步态图像的关节点坐标；

S130，根据关节点坐标，确定目标对象的中心位置坐标以及足踝关节点坐标；

S140，根据足踝关节点坐标，确定目标对象的每一步的足部状态，足部状态用于记录目标对象的两个足部的支撑状态和摆动状态；

S150，根据足部状态对应的足踝关节点坐标，计算得到步长数据；

S160，根据步长数据和足部状态，计算得到步态数据；

S170，根据中心位置坐标及对应的行走时间，计算得到速度数据。

需要说明的是，本申请的步态检测过程中目标对象无需佩戴多个惯性传感器，只需在步态检测装置前行走即可，本申请能够通过步态检测装置的深度摄像头自动采集目标对象行走时的行走步态图像，并将行走步态图像发送给控制器，由控制器对行走步态图像进行深度识别，得到目标对象全身的关节点坐标，进而根据目标对象全身的关节点坐标确定目标对象的中心位置坐标和足踝关节点坐标，实时根据足踝关节点坐标确定目标对象每一步的足部状态，并结合足部状态对应的足踝关节点坐标，计算步长数据，最后根据步长数据和足部状态，计算得到步态数据，根据中心位置坐标以及对应的行走时间，计算得到速度数据，不仅不需要目标对象佩戴额外的传感器，大大简化了测试步骤，还提高了步态检测的效率。

示例性的，本申请的步态检测方法应用于步态检测装置，参照图10，图10为本申请一些实施例提供的步态检测装置的结构示意图；该步态检测装置包括深度摄像头、控制器、屏幕、底座和可活动的支架，其中，控制器为Jeston算法板，屏幕通过支架和底座连接，屏幕为可触控屏幕，可通过调整支架以调整屏幕的角度，避免屏幕操作挡住深度摄像头的识别，也起到了便于操作人员在屏幕上进行操作的作用。另一方面，可触控屏幕通过HDMI以及USB接口与Jeston算法板相连，便于Jeston算法板接收到操作人员下达的指令，底座上设有深度摄像头和Jeston算法板，且深度摄像头通过USB与Jeston算法板相连，可将采集到的目标对象行走的行走步态图像发送给Jeston算法板，由Jeston算法板对采集到的行走步态图像进行处理，计算多项目标对象的下肢数据(例如步长数据，步态数据，速度数据)，由屏幕进行显示。进一步的，可触控屏幕自带喇叭，可以输出语音，操作人员可在可触控屏幕进行操作，以使得可触控屏幕提示目标对象如何完成测试，并在完成步态检测后通过可触控屏幕查看最终生成的目标对象的下肢数据。

在进行步态检测的过程中，步态检测装置必须和地面保持水平，参照图11，可将本申请的步态检测装置放置于桌子上，令目标对象在步态检测装置前并朝步态检测装置的方向行走，由步态检测装置采集目标对象行走时的行走步态图像，此时因为桌子本身就是水平的，所以无需再对步态检测装置的摆放进行调整。另一方面，步态检测装置还包括两个方向水平仪，方向水平仪可用于查看深度摄像头是否与地面保持平行，便于测试人员调整步态检测装置，以使得深度摄像头与地面保持平行，提高输出的步态检测结果的精确度。参照图12，当步态检测装置放置于相机支撑架或其他容易摇晃的支撑部件上方时，需要通过方向水平仪调整相机支撑架的摆放角度。

示例性的，在进行步态检测时，目标对象面向步态检测装置的深度摄像头行走，使得深度摄像头连续拍摄多张目标对象行走的行走步态图像，并将行走步态图像发送给控制器，由控制器对行走步态图像进行深度识别，其中，行走步态图像为RGB图像。控制器对行走步态图像进行深度识别后，从行走步态图像中提取出目标对象的关节点坐标，并根据关节点坐标确定目标对象的中心位置坐标以及足踝关节点坐标，以便于后续对目标对象的下肢能力进行评估，其中，中心位置坐标和足踝关节点坐标是指以深度摄像头为原点所建立的三维坐标系的坐标，且x轴的方向为目标对象前进的方向，y轴的方向为目标对象右侧的方向，z轴为竖直朝上。在这之后，还将实时根据足踝关节点坐标确定目标对象的每一步的足部状态，足部状态用于记录目标对象的两个足部的摆动状态和摆动状态。人体的足部的步态包括：左足支撑右足摆动、左足支撑右足支撑、右足支撑左足摆动。具体的是，本申请按照步态周期来对目标对象行走的足部的状态进行处理，在一个步态周期内目标对象的行走步态依次为：左足支撑右足摆动、左足支撑右足支撑、右足支撑左足摆动、右足支撑左足支撑。

参照图14，在完成步态测试后，本申请将根据足部状态对应的足踝关节点坐标，计算得到步长数据，并根据步长数据和足部状态计算得到步态数据，最后根据中心位置坐标及对应的行走时间，计算得到速度数据，便于目标对象了解自身的步长、步态和速度，以对下肢能力进行综合地评估。

进一步的，本申请还考虑到深度摄像头的视野，当目标对象距离深度摄像头的直线距离为1.5m时，深度摄像头的视野无法覆盖到目标对象的全身，因此当标对象距离深度摄像头的直线距离小于1.5m时，结束步态测试。

参照图2，第一方面本申请实施例提供了一种步态检测方法，包括但不限于步骤S210、S220。

S210，根据预设的人体关节点识别模型对行走步态图像进行识别，得到行走步态图像中的人体关节点；

S220，将关节点深度信息换算为摄像头坐标系下的坐标，得到左足踝关节点坐标和右足踝关节点坐标。

参照图14，示例性的，控制器内部存储有人体关节点识别模型，在接收到行走步态图像之后，控制器首先将根据人体关节点识别模型对多张行走步态图像进行识别，得到不同的行走步态图像中的多个人体关节点，再对行走步态图像中的人体关节点的像素位置进行计算，得到该人体关节点所对应的关节点深度信息，其中，深度信息是指空间中的各个点相对于深度相机的距离。在得到关节点深度信息之后，控制器将关节点深度信息换算为摄像头坐标系下的x，y，z坐标，得到左足踝关节点坐标和右足踝关节点坐标。其中，深度摄像头为摄像头坐标系的原点，且x轴的方向为目标对象前进的方向，y轴的方向为目标对象右侧的方向，z轴为竖直朝上。

参照图3，第一方面本申请实施例提供了一种步态检测方法，包括但不限于步骤S310、S320、S330、S340、S350。

S310，分别将左足踝关节点坐标和右足踝关节点坐标作为待计算关节节点坐标；

S320，判断待计算关节节点坐标在竖直方向上的第一Z坐标超出预设的地面高度的数值是否大于第一阈值；

S330，当超出的数值大于第一阈值且对应的前一状态为支撑状态，待计算关节节点坐标对应的足部的状态确定为摆动状态，否则确定为支撑状态；

S340，判断待计算关节节点坐标在竖直方向上的第一Z坐标超出预设的地面高度的数值是否小于第二阈值；

S350，当超出的数值小于第二阈值且对应的前一状态为摆动状态，待计算关节节点坐标对应的足部的状态确定为支撑状态，否则确定为摆动状态。

需要说明的是，人体在行走时，脚部由摆动到支撑是脚后跟先着地，脚部由支撑到摆动是先抬脚后跟，再抬高脚尖，所以在进入摆动状态和进入支撑状态时，脚部的高度阈值存在差异。基于此，本申请通过目标对象的脚部的高度来判断目标对象的脚部为支撑状态还是摆动状态。

示例性的，分别将左足踝关节点坐标和右足踝关节点坐标作为待计算关节节点坐标，当待计算关节节点坐标在竖直方向上的第一z坐标(即待计算关节节点的z轴坐标)超出预设的地面高度z0的数值大于5cm，且前一状态为支撑状态时，目标对象的待计算关节节点坐标对应的足部为摆动状态，否则确定为支撑状态。同理，当待计算关节节点坐标在竖直方向上的第一z坐标超出预设的地面高度z0的数值小于2cm，且前一状态为摆动状态时，目标对象的待计算关节节点坐标对应的足部为支撑状态，否则为摆动状态。

参照图4，第一方面本申请实施例提供了一种步态检测方法，包括但不限于步骤S410、S420、S430、S440。

S410，获取预设的步态周期数据，步态周期数据包括四个相邻步伐对应的足部状态；

S420，在步态检测结束时，根据步态切换过程数据，统计得到以步态切换过程数据为一个周期的多个第一周期时长；

S430，根据多个第一周期时长，计算得到平均周期时长；

S440，在步态检测结束时，根据足部状态计算目标对象的每个足部对应的步长以及步宽。

示例性的，因为人体走路的姿势一般为左足支撑右足摆动——左足支撑右足支撑——右足支撑左足摆动——右足支撑左足支撑，因此本申请遵循人体走路姿势，将步态周期数据设置为：将连续的左足支撑右足摆动——左足支撑右足支撑——右足支撑左足摆动——右足支撑左足支撑作为一个完整的步态周期。在步态检测结束时，将一个完整的步态周期的时长定义为第一周期时长，因为步态检测过程中包含多个步态周期，所以得到多个第一周期时长，进而可以计算第一周期时长的平均数，得到平均周期时长。

进一步的，在步态检测结束时，需要计算步长和步宽，为便于说明，将左足踝关节点坐标定义为(x1，y1，z1)；将右足踝关节点坐标定义为(x2，y2，z2)，当在同一个时间段内左足和右足均为支撑状态，则需要记录两侧踝关节方向的距离差，即记录x1-x2的绝对值，具体的是，如果x1大于x2，则x1-x2为右步长，如果x2大于x1，则x2-x1为左步长，同时，记录两侧踝关节y方向的距离为步宽，步宽即为y1-y2的绝对值。

参照图5，第一方面本申请实施例提供了一种步态检测方法，包括但不限于步骤S510、S520、S530、S540、S550。

S510，根据步态检测过程中的左步长，统计步态检测过程中第一总步长；

S520，根据步态检测过程中的右步长，统计步态检测过程中第二总步长；

S530，根据第一总步长和第二总步长，计算得到跨步长；

S540，根据足部状态，确定步态检测过程中的步态周期；

S550，根据步态周期和跨步长，计算得到步态数据。

参照图14，示例性的，在步态检测结束时，需要计算步长和步宽，为便于说明，将左足踝关节点坐标定义为(x1，y1，z1)；将右足踝关节点坐标定义为(x2，y2，z2)，当在同一个时间段内左足和右足均为支撑状态，则需要记录两侧踝关节方向的距离差，即记录x1-x2的绝对值，具体的是，如果x1大于x2，则x1-x2为右步长，如果x2大于x1，则x2-x1为左步长，同时，记录两侧踝关节y方向的距离为步宽，步宽即为y1-y2的绝对值。

进一步的，本申请将对所有左足和右足均为支撑状态的情况下的左步长、右步长、步宽进行计算，根据行走测试中的左步长，统计行走测试过程中第一总步长；根据行走测试过程中的右步长，统计行走测试过程中第二总步长，进而计算第一总步长的平均数和第二总步长的平均数，对第一第一总步长的平均数和第二总步长的平均数进行累加，得到跨步长。

在这之后，将按照左足的状态、右足的状态确定行走测试过程中的步态周期，具体的是，因为人体走路的姿势一般为左足支撑右足摆动——左足支撑右足支撑——右足支撑左足摆动——右足支撑左足支撑，因此本申请遵循人体走路姿势，将步态周期规则设置为：将连续的左足支撑右足摆动——左足支撑右足支撑——右足支撑左足摆动——右足支撑左足支撑作为一个完整的步态周期，进而得到多个连续的步态周期。

进一步的，本申请还将根据步态周期和跨步长计算得到步态数据，步态数据包括行走速度、步频和步数等数据，其中，行走速度＝跨步长/步态周期(m/s)；步频＝60/步态周期(step/min)步数＝行走距离/跨步长*2。

而且，本申请还将根据左足支撑右足摆动的状态的平均时间、左足支撑右足支撑的状态的平均时间、左足摆动右足支撑的状态的平均时间进一步计算，如：累加左足支撑右足摆动的状态的平均时间和左足支撑右足支撑的状态的平均时间，得到左足支撑时间；累加左足支撑右足支撑的状态的平均时间和左足摆动右足支撑的状态的平均时间，得到右足支撑时间；将左足支撑右足摆动的状态的平均时间定义为右侧摆动时间；将左足摆动右足支撑的状态的平均时间定义为左侧摆动时间。

参照图6，第一方面本申请实施例提供了一种步态检测方法，包括但不限于步骤S610、S620。

S610，根据中心位置坐标和对应的行走时间，求得每一米的行走速度；

S620，对每一米的行走速度进行提取，提取出最大的行走速度作为行走最大速度，提取出最小的行走速度作为行走最小速度。

需要说明的是，为求得目标对象更多方面的下肢数据，在这之后，还将按照预设的间距(预设的间距可以为1m，也可以为0.5m)将行走距离划分为多段行走距离段，每段行走距离段有对应的行走时间段(例如：第一个行走距离段所对应的行走时间段为0.2s，第二个行走距离段所对应的行走时间段为0.3s)，其中，行走距离由中心位置坐标确定。在这以后，可以根据行走距离段和行走时间段计算每个行走距离段所对应的步速，并提取出最大的步速作为行走最大速度，提取出最小的步速作为行走最小速度。

参照图7，第一方面本申请实施例提供了一种步态检测方法，包括但不限于步骤S710、S720、S730、S740、S750。

S710，计算目标对象的测试中心坐标；

S720，判断测试中心坐标与相机之间的距离是否满足预设的测试距离；

S730，在不满足测试距离时，发送提示信息；

S740，在满足测试距离时，判断目标对象是否在相机的中轴线；

S750，当目标对象在相机的中轴线上，根据目标对象的测试足踝关节点坐标，计算得到地面高度。

参照图13，示例性的，在正式进行测试之前，本申请还将执行初始化操作，此处对初始化操作进行详细说明：首先令目标对象朝步态检测装置的深度摄像头站立，并通过深度摄像头实时采集行走步态图像，由控制器识别出目标对象站立不动时行走步态图像中的关节点坐标。在这之后，根据关节点坐标计算目标对象的测试中心坐标，为便于后续对测试中心坐标进行说明，将测试中心坐标定义为(x，y，z)。进一步的，需要判断测试中心坐标与相机之间的距离是否在7-8米之间，即判断是否满足7

进一步的，以下对“根据目标对象的测试足踝关节点坐标，计算得到地面高度”这一步骤进行详细说明：

参照图8，第一方面本申请实施例提供了一种步态检测方法，包括但不限于步骤S810、S820。

S810，确定条件满足第一水平方向上的X坐标在预设的第一范围内、第二水平方向上的Y坐标在预设的第二范围内、竖直方向上的第二Z坐标小于第三范围内的第一区域，其中，第三范围由左足踝关节点坐标来确定；

S820，提取第一区域内的所有点云，计算所有点云的竖直方向上的第三Z坐标的平均值，得到地面高度。

参照图13，示例性的，获取目标对象当前的左足踝关节点坐标的z轴坐标，记为zg1，获取目标对象当前的右足踝关节点坐标的z轴坐标，记为zg2。取区域2

第二方面，参照图9，本申请实施例提供了一种步态检测系统，包括：

至少一个存储器200；

至少一个处理器100；

至少一个程序；

程序被存储在存储器200中，处理器100执行至少一个程序以实现：

如本申请第一方面任一项实施例的步态检测方法。

处理器100和存储器200可以通过总线或者其他方式连接。

存储器200作为一种非暂态可读存储介质，可用于存储非暂态软件指令以及非暂态性可指令。此外，存储器200可以包括高速随机存取存储器200，还可以包括非暂态存储器200，例如至少一个磁盘存储器件200、闪存器件、或其他非暂态固态存储器件200。可以理解的是，存储器200可选包括相对于处理器100远程设置的存储器200，这些远程存储器200可以通过网络连接至该处理器100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

处理器100通过运行存储在存储器200中的非暂态软件指令、指令以及信号，从而各种功能应用以及数据处理，即实现上述第一方面实施例的步态检测方法。

实现上述实施例的步态检测方法所需的非暂态软件指令以及指令存储在存储器200中，当被处理器100执行时，执行本申请第一方面实施例的步态检测方法，例如，执行以上描述的图1中的方法步骤S110至S170、图2中的方法步骤S210至S220、图3中的方法步骤S310至S350、图4中的方法步骤S410至S440、图5中的方法步骤S510至S550、图6中的方法步骤S610至S620、图7中的方法步骤S710至S750、图8中的方法步骤S810至S820。

第三方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行信号，计算机可执行信号用于执行：

如申请第一方面任一项实施例的步态检测方法。

例如执行以上描述的图1中的方法步骤S110至S170、图2中的方法步骤S210至S220、图3中的方法步骤S310至S350、图4中的方法步骤S410至S440、图5中的方法步骤S510至S550、图6中的方法步骤S610至S620、图7中的方法步骤S710至S750、图8中的方法步骤S810至S820。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在可读介质上，可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读信号、数据结构、指令模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读信号、数据结构、指令模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

上面结合附图对本申请实施例作了详细说明，但是本申请不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本申请宗旨的前提下，做出各种变化。