步態分析研究綜述

張峻霞，高昆，謝兵

【特別策劃】

步態分析研究綜述

張峻霞，高昆，謝兵

（天津科技大學 天津市輕工與食品工程機械裝備集成設計與在線監控重點實驗室，天津 300222）

梳理步態分析的發展脈絡，介紹步態分析中常用的實驗和仿真方法，了解步態分析的主要應用領域，預測步態分析未來的發展方向。收集步態分析領域的國內外主要文獻，梳理該領域的主要研究內容、研究方法、研究現狀和主要應用領域。步態分析的主要研究內容是對運動學、動力學參數及其變化規律的定量研究，多數學者將研究集中在臨床診斷與康復評價、穿戴式機器人及康復輔具研發與競技體育科學訓練方式探索上；步態分析的研究方法包括實驗研究和仿真分析法；步態分析的研究成果可以為醫療領域中相關疾病的臨床診斷、療效評估和康復訓練提供指導意見，為工程領域中雙足機器人、助行器及康復輔具、人工關節的設計開發提供數據支撐。未來步態分析手段將更精準、應用領域將更廣泛，步態分析的應用也將擴展到更多領域，工業設計也將持續引入步態分析的方法與成果，為用戶帶來更好的產品和更舒適的體驗。

步態分析；運動捕捉；表面肌電；足底壓力

工業設計領域始終將“人”作為設計的核心要素。“以人為本”“人性化關懷”的理念貫穿了工業設計發展的始終。設計一款優秀的用戶體驗產品，需要充分了解人的生理結構、運動方式、腦力體力工作負荷，以及人體的信息處理系統等多方面要素。步態分析作為研究人體運動過程變化的常用方法，為穿戴式設備、康復輔具等產品的設計提供了基本的理論支撐。文中擬梳理近年來國內外步態分析領域的相關文獻，對步態分析領域的研究現狀進行歸納與總結，以期梳理出其發展脈絡，預測未來的發展方向。

1 步態與步態分析

行走是日常生活中最主要的運動方式，是指通過雙側下肢的周期性交替動作實現機體移行的特征活動。一個完整步態過程起始于神經系統發出指令，肌肉系統通過牽拉骨骼使其圍繞關節運動。該過程需要人體各系統分工協作，是一項極其復雜的運動。步行不僅囊括了髖、膝、踝關節屈伸和內外旋展，還涉及人體重心移位、骨盆傾斜旋轉等相關運動[1]。

步態是人類步行的行為特征[2]。不同的人因體質與運動習慣的不同，其行走方式和風格存在顯著差異。人體運動協調系統、個人行為習慣和心理活動等因素都會影響步態變化的方式[3]。

步態分析是對步態特征的科學描述。隨著現代測量技術的發展，步態分析逐步從定性研究轉變以人類行走時身體各部分為對象的運動學、動力學定量研究，步態分析也逐漸發展為生物力學的一個重要分支。步態分析不僅是探究步態變異內在誘因的必要手段，也是揭示行走過程中維持穩定機理的重要方法。

1.1 步態分析的發展歷程

人類對步態的研究具有很長的歷史。公元前400～300年，古希臘的亞里士多德就開始注意到步行運動[4]。16世紀初，歐洲人為了預測賽馬和賽狗的勝出機會，開始研究動物在跑步中的動作，采用連續取像的方式記錄動物周期性的肢體位置并進行分析[5]。17世紀，人們開始將力學與解剖學相結合研究人和動物的運動協調規律[2]。19世紀照相機和攝像機的發明將人體步態分析的研究進展帶入了新的時代。美國人邁布里奇用24架相機拍攝了馬奔跑動作的連續照片，并利用照片計算必要的參數，這是客觀進行運動學步態分析的開始，奠定了影像測量和分析的方法基礎。隨著現代科技的發展，到了20世紀60年代，計算機的出現可以被視為步態分析研究的分水嶺，它開啟了步態分析研究的數字化時代[2]。借助計算機的強大計算能力，科研人員可以系統地對實驗采集到的步態數據進行量化分析。在此基礎上，特別是三維空間運動分析系統的研發，使人們對步行的簡單描述轉變為從生物力學角度的定量分析。步態分析發展過程中頗具意義的重大技術發明和歷史事件，見表1。

此外，表面肌電測量系統、足底壓力測量系統等高精度設備不斷出現，為相關研究的實驗設計提供了更大的可能。借助新的實驗設備，諸如肌電分析、足底壓力分布分析等被逐步應用到步態分析中，使步態分析更加全面，極大地拓展了步態分析的應用領域。

表1 步態分析的發展歷史

1.2 步態分析的主要內容

在人體行走過程中，從一側腳跟著地起到該腳跟再次著地為止，構成了一個完整的運動周期，稱作步態周期。在一個步態周期中包含了一系列典型位姿的變化，每個典型位姿變化對應著一個時段，稱作步態時相：支撐時相（Stance Phase）和擺動時相（Swing Phase）。步行中足與地面始終有接觸的階段為支撐時相，否則為擺動時相，見圖1。

描述步態的參數包括時–空參數、運動學參數和動力學參數三大類。在步態時空參數中，除了步態周期和步態時相，還包括：步速、步頻、步長、步幅、步寬、步向角等。健康人通常行走的速度約為65～95 m/min，步頻大約是95～125步/min。步長指的是行走時左右足跟（或趾尖）間的縱向距離，又稱單步長，見圖2中；步幅也稱為跨步長或復步長，是同側足跟2次著地間的距離，所以通常是步長的2倍。見圖2中；步寬是兩腳跟中心點或重力點之間的水平距離，見圖2中；行走中前進的方向與足的長軸所形成的夾角稱為步向角，健康人約為6.75°，見圖2中。

圖1 步態時相劃分

圖2 步態的空間參數

運動學參數是指人體解剖學上關鍵點的位移、速度和加速度，以及關節角度、角速度和角加速度，用以描述人體的空間運動情況。在步態分析中，將軀干、大小腿、足等近似為剛體，關節角度是指在某一解剖學平面（矢狀面、額狀面、水平面）內的角度，通常針對髖、膝、踝3個關節角度進行研究。膝關節是典型的鉸鏈結構，只能在矢狀面內進行屈伸運動，而踝、髖關節可以在3個解剖學平面內進行屈/伸、內收/外展以及內旋/外旋運動，人體下肢自由度見表2。雖然步行以矢狀面內的運動為主，但髖關節和踝關節的其他運動在步態研究中也非常重要。

表2 人體下肢自由度

Tab.2 Human lower limb freedom

動力學參數主要包括足–地接觸力、關節力矩、重心加速度等。

正常人足–地接觸力在水平、前后方向較小且基本對稱，垂直方向分力（GRF）呈雙峰型，見圖3。關節力矩是指肌肉、韌帶和關節摩擦及結構約束產生的所有內力矩的凈值。利用逆向動力學分析法，根據地面反作用力和關節角度曲線，可以計算出凈關節力矩[7]。人在行走時，身體重心不僅在前進方向，而且在垂直方向上也不斷改變著位置和速度，因此身體重心加速度也是一個重要的動力學參數。

圖3 典型的垂直GRF雙峰曲線

2 步態分析的實驗方法

2.1 實驗方法的發展

在步態分析的初始階段，實驗多以觀察法和初級的影像解析法[8-11]為主。該方法成本低、應用方便，但存在著一定缺點，當受試者群體較大時效率極低，限制了研究的全面性；受設備、實驗人員等主觀因素影響較大，不利于實驗結果的準確性及可靠性。

從最初通過繪圖等方式記錄人體變化到后來借助高速攝像機、三維運動捕捉系統等應用的現代影像解析法，步態分析逐步向定量分析深入。

華中科技大學付艷等[12]研究者便是借助Vicon三維步態分析系統進行了肢殘者運動姿態識別的研究。Chen等[13]在基于混合預測模型的骨關節炎步態采集與分析系統研究中使用RGB-D相機和開發的步態數據記錄軟件為骨關節炎患者構建步態采集平臺，該步態分析系統可以定量預測步態異常、描述膝關節的功能，并定量記錄關節狀態，可以很好地補充來自醫學成像的關節結構信息。Fliker等[14]建立了視覺步態實驗室，提出了一種用戶友好的步態分析方法。還有研究者使用無線加速度計評估膝骨關節炎（KOA）患者的步態特征，使KOA患者的步態得以定性和定量的評估，具有很強的臨床意義。此外，還有嘗試應用Kinect傳感器[15]與跑步機[16]等設備進行步態分析的諸多研究。

2.2 常用實驗設備

常見用于步態實驗的設備可分為三大類：運動捕捉系統、表面肌電系統和足底壓力測量系統。

1）光學運動捕捉系統。借助紅外高速攝像機捕捉人體在三維空間內的運動軌跡變化，并通過空間坐標的形式輸出數據。在光學動作捕捉行業，由英國OML（Oxford Metrics Limitid）公司設計開發的Vicon系列產品憑借起步早、精度高、拓展性強等優勢，被廣泛應用于步態分析中，見圖4。在該領域中，應用較為廣泛的除英國Vicon外，還有Motion Analysis、Optitrack、Nokov等品牌。這些產品在運動分析[17-18]、外骨骼機器人[19-20]、無人機產品研發[21]以及影視、游戲行業[22]中都發揮了重要作用。測力臺配合光學運動捕捉系統使用，可以同步輸出人體運動時地面支反力、各關節力和力矩等動力學參數[23-25]。市場上較為知名的產品包括美國AMTI系列測力臺、瑞士Kisler測力臺等，都能夠實現高精度測量。

圖4 Vicon運動捕捉系統

2）表面肌電測量系統。實時采集人體運動中肌電信號的變化，經過放大、濾波及模/數轉換，形成量化的肌電波形及數據。因其安全、無創測量的優點在康復醫學工程界及生物力學研究中備受關注[23]。Noraxon公司開發的Telemyo表面肌電測量系統是典型代表，該系統可與Vicon動捕系統同步測量，可以更詳細地描述步態特征[26]，見圖5。

圖5 Telemyo表面肌電測量系統

3）足底壓力測量系統。足底壓力對分析人體運動中的平衡及穩定性有著重要的意義。通過實驗測得足底不同分區的壓力、壓強等參數，可以得到不同群體在不同工況下的運動變化情況，還能反映出不同足部結構。如：扁平足、高足弓等對人體運動的影響[27-28]。目前較常用的是鞋墊式壓力測量系統[29]，包括美國的F-scan系統、德國的Novel Pedar–X（見圖6）系統和比利時的RSscan系統。

圖6 Novel Pedar–X足底壓力測量系統

在步態實驗中，常將運動捕捉系統、表面肌電和足底壓力測量系統相結合，同步采集數據。Vicon動作捕捉系統配套的Nexus軟件具有較高的可拓展性，通過預留的數據接口可以快速將測力臺、表面肌電、足底壓力測量設備等集成進來，同步記錄數據，操作界面見圖7。

圖7 集成了測力臺和肌電系統的Vicon Nexus軟件界面

3 步態分析的仿真方法

逆向動力學是指根據物體的運動表象利用力學規律，求解使物體發生變化的力表達[30]。在生物力學研究中，借助步態實驗數據，研究者根據研究需求，可通過逆向動力學方法求得肌肉力矩等參數[31]?；谀嫦騽恿W原理開發了多款適用于步態分析仿真的軟件。目前較為成熟的有AnyBody、Opensim、LifeMOD等。

3.1 AnyBody軟件仿真

AnyBody Modeling System（以下簡稱AnyBody）是由AnyBody Technology A/S公司開發的一款生物力學分析軟件[32-34]，可以同時計算模型中的骨骼、肌肉和關節的受力、變形，以及肌肉活性、肌腱的彈性勢能、拮抗肌肉作用等生理參數，廣泛應用于臨床醫學、汽車工業設計、航空航天、康復醫學工程、骨科產品設計、工作環境設計，以及體育運動與器械等研究領域，并取得了較好的效果[35-40]。AnyBody使用AnyScript 腳本語言，包含了關于人體模型、環境模型以及人體–環境模型之間的約束組成等，用戶可以應用該語言自定義人體模型的骨骼、關節、肌肉以及約束、驅動等參數，也可以導入并調整機構CAD模型，與人體模型進行連接。

AnyBody系統中的人體模型包括骨骼模型和肌肉模型2部分。由于實際的人體模型形狀復雜，雖然可以通過編寫腳本的方式自行建立，但較為耗時。通常可以調用AnyBody軟件提供的人體模型庫——AMMR內置的模型，按照一定比例縮放就能滿足不同產品的設計需求[41]。耿治中[42]應用AnyBody研究足球運動員側切動作觸球時的下肢生物力學特性，為預防運動員腿部肌肉拉傷提供訓練指導意見。吉林大學的Qian等[43]學者驗證了AnyBody全身肌肉骨骼模型在計算L4、L5腰椎負荷時的適用性，證明了AnyBody仿真作為一種非侵入式研究手段可以有效應用于腰椎負荷研究中。還有學者將AnyBody仿真應用于汽車座艙的人機工程學研究中，通過考慮骨骼肌肉的特征來指導汽車操縱部件的人機交互設計[44]，也有文獻用該軟件研究汽車駕駛員坐姿的力學特性，為汽車座椅支撐性設計提供參考[45]。天津大學的高飛等[46]基于AnyBody對自行車騎行運動展開了仿真與試驗分析，輔助自行車車架結構的設計。此外，AnyBody仿真方法也被用于理療床等健身器材與康復輔具的研發中[41,47]，通過在軟件中進行人機耦合仿真，測試設備的功能與人機工程設計合理性。在外骨骼機器人開發中，AnyBody仿真為驗證機器人控制策略的有效性提供了幫助[48]。AnyBody也常被用于動物的生物力學分析，例如新西蘭研究者Alienor[49]構建了馬的前肢肌肉骨骼模型，研究馬的肌肉、肌腱和韌帶的負荷，預防因肌肉骨骼損傷問題導致的馬死亡。

AnyBody還被廣泛應用于體育運動學研究中。通過在軟件中對運動方式進行仿真分析，可以獲得運動中各關鍵肌肉的參數，從而幫助教練員制定訓練計劃，為專業運動員競技成績的提升提供幫助。

3.2 Opensim和LifeMOD軟件仿真

在生物力學分析中另一代表性的仿真工具是Opensim。這是一款由斯坦福大學研發的基于C++和Java語言的用于建立肌肉模型、仿真與分析的開放性軟件。在Opensim中，各個關節將多塊骨骼連接起來，肌肉附著在骨骼上并通過肌肉產生的力來帶動關節運動，各式不同的模型被應用于行走動力學分析、運動表現研究、手術過程仿真、醫療器械設計等諸多領域。Opensim在全球上百個生物力學實驗室中應用，并擁有一個活躍的開發者社區來不斷完善其功能[30]。英國索爾福德大學的Trinler等[50]對比分析了在Opensim與AnyBody軟件中的2套腦卒中患者步態模型，發現雖然2種建模方法不同，但得出的肌肉力量在波動模式上非常相似。新澤西州立大學的Mahadas等[51]利用Opensim研究了高爾夫運動中揮桿姿勢帶來的影響。

LifeMOD是一款步態分析常用的仿真軟件。為了研究在不同工況環境下人體生物力學參數的變化，可以在LifeMOD中構建人體模型進行仿真。此外，由于LifeMOD是基于Adams系統開發的，還能將Adams中的機械模型快速導入，從而研究人體與機械系統的耦合情況[30]。南京體育學院的錢競光等[52]借助LifeMOD軟件探究了體操吊環慢用力動作肌肉發力特點和時序，為專項力量訓練制定個性化方案提供理論參考和實踐指導，創建的首個“吊環十字壓上成水平十字支撐”慢用力動作組合動力學模型實現了該動作的動力學仿真，解釋了動作過程中肌肉的用力特點和基本規律。西北工業大學的薛紅軍等[53]基于LifeMOD人體肌肉骨骼模型，建立了含有肌肉力單元的飛行員人體動力學仿真模型，研究了飛機座艙人機界面的優化設計。清華大學的馬妮等[54]基于LifeMOD，對比健康人與接受人工膝關節置換術群體步行時的生物力學特征變化情況，探究了人工假體對人體日?；顒拥挠绊?，并建立了一套針對人工膝關節置換人士的步態模型。

還有部分學者的研究對比了3款不同的仿真軟件，為相關研究領域應用仿真類生物力學分析軟件提供了一定的指導意見[55]。奧地利薩爾茨堡大學的Alexander等[56]研究了不同步行速度對使用AnyBody和OpenSim估計關節和肌肉力的影響；英國學者Trinler等[50]對比了不同軟件在腦卒中康復患者步態分析中的仿真結果，指出不同仿真軟件在肌肉激活模式上的一致性較強，但不同軟件環境中肌肉骨骼模型的建模方法差異導致輸出的肌肉力數值存在差異，研究者要考慮真實的應用環境，有針對性地進行選擇。

4 步態分析的應用領域

近年來，步態分析被廣泛應用于醫學、工學等領域的研究中，包括臨床醫療診斷和康復訓練，機器人、人工關節的設計，助行器及康復輔具的研發。除此之外，在競技體育訓練、生物特征識別和提取等研究中，步態分析也發揮了重要的作用。隨著步態分析的不斷發展，相關成果的應用領域也在持續拓展中。

4.1 醫學診斷及康復領域的應用

步態分析有助于臨床疾病的診斷。越來越多的醫療從業者注意到，許多疾病對人類機體造成的影響會通過步態的形式展現出來。在醫學上，步態分析主要應用于臨床疾病的診斷、治療手段有效性驗證以及康復訓練方面。近年來，與三維步態分析臨床療效的相關文獻大量增加，這些研究成果有助于不斷改進數據的全面性與可用性，促進了研究者對步態病理學和治療的理解，也證明了步態分析在改變治療決策、提高臨床醫生對病情的掌握程度和改善患者術后療效方面的功效。

作為人體神經肌肉骨骼系統協調運動的外在表現，人體的步態特征是臨床診斷中不可缺少的依據之一。通過采集患者的病理性步態數據，借助步態分析，提取該癥狀對應的關鍵步態特征與不同病程下步態的差異性，從而在臨床診斷中，幫助醫生更好地判斷患者是否罹患相關疾病[57]。劉銘等[58]在阿爾茨海默病（AD）的早期診斷和鑒別研究中證實，步態分析可作為認知衰退的一種重要臨床標志物，步態分析對于AD的早期識別和診斷具有較好的臨床價值，通過更多的步態運動學分析法以拓展更多具有臨床意義的步態參數對今后臨床上快速識別和輔助診斷AD有著重要意義。白森等[59]通過對成人型脊柱畸形（ASD）患者運動功能進行三維步態分析，得到ASD患者的步態特征，進一步熟悉了ASD患者下肢功能的病理生理變化，為ASD患者的臨床診療和術后康復提供理論依據。O'sullivan等[60]研究了腦癱患者在不進行手術干預的情況下屈膝及重復步態的方向發展。韓國學者Kim[61]在有關帕金森病（PID）亞型聚類的相關研究中發現，在現有的臨床診斷中，經常通過醫師經驗對帕金森病的多種亞型進行判定分類。研究者對88名PID患者進行18電子發射斷層掃描，并進行了三維步態分析，使用步態時空參數中的步速、步幅和步寬等進行聚類分析，將患者分為4個亞組，并對組間的步態運動學動力學參數差異進行比較。同樣，也有學者在研究糖尿病多發性神經病的過程中對患者的定量步態和姿勢進行分析，得出步態與糖尿病性神經病的臨床嚴重程度顯著相關的結論，并提出步態和姿勢分析是評估糖尿病性神經病步態的有效工具的新思考[62]。Tsuchiya等[63]在對多系統萎縮癥（MSA）中膀胱功能障礙與運動障礙間的關系。還有關于利用三維臨床步態分析手段研究不完全脊椎損傷的案例[16]，這些研究成果均證明了步態分析研究成果可以為醫師提供臨床指導。

步態分析對患者術后康復及療效評估的意義也非常重要。格林巴利綜合征（GBS）是一種周圍神經炎癥疾病，屬于罕見病。步態異常是格林巴利綜合征患者的常見癥狀。研究人員通過步態實驗，使用Vicon三維運動捕捉系統，對25名患兒的步態特征進行綜合分析，證明了盡管GBS兒科患者的神經系統、體態特征和術中治療方案是相似的，但他們在術后康復期間的步態模式卻不同。通過步態分析，研究人員將康復期內的患兒劃分為3個不同組別，有助于康復醫師制定不同的康復計劃[64]。

通過對比患者治療前后步態特征的變化，可以有效判斷療效及恢復情況。單莎瑞等[65]，通過三維步態分析，研究了低頻重復經顱磁刺激對偏癱步態的影響，證明了低頻重復經顱磁刺激能在一定程度上改善患者偏癱步態。潘浩等[66]通過比較運動學對線與機械力學對線2種不同方式指導全膝關節置換術后患者的步態特征，得出了運動學對線膝關節置換術能更有效地降低膝關節內收力矩的結論。Lamas等[67]通過步態實驗研究了腰椎管狹窄癥（LSS）患者手術前后步態特征，發現LSS患者普遍存在骨盆傾斜和髖關節屈曲增加的癥狀，在接受腰椎減壓手術后，患者的骨盆傾斜度與髖關節屈曲值正常化。研究人員指出，在靜態X光片上無法觀察到LSS患者運動中骨盆傾斜度的特殊性，這說明步態分析能夠很好地檢測步行等運動中身體的動態變化，其作為一種新的診療手段，有效彌補了X光、核磁共振等傳統的靜態影像學的不足。此外，也有研究者通過長期隨訪膝關節肌腱斷裂者術后步態表現，對治療方案與術后恢復進行評估[68]。

作為醫療過程的重要組成部分，醫患雙方都逐漸注意到康復訓練的重要性。在物理康復領域，步態分析的主要功能包括[69]：康復前肢體功能水平的評估；臨床診療及個性化康復方案制定；人工假體的功能性測試；術后療效的判定。目前，步態分析被大量應用于腦卒中、偏癱、骨性關節炎等疾病的康復治療中。張晶晶等[70]通過對腦卒中偏癱患者步態特征分析，指出造成偏癱患者常見的足下垂內翻、劃圈步態的主要原因在于踝關節功能差和小腿肌肉力量弱。在步行康復訓練中應著重加強小腿肌肉力量的訓練，緩解局部肌張力，提高踝關節功能。殷可意[71]在老年女性膝骨關節炎（KOA）患者步態適應性運動特性研究中用步態分析的方式對KOA群體步態過程中的生物力學特征進行了研究，得出了KOA患者獨有的下肢代償方式。同樣的，在探究全髖關節置換術中微創前路入路術型對患者術后康復過程影響[72]時發現，接受治療后患者需要1年以上的時間來建立新的下肢運動補償機制，包括臀中肌和臀大肌的最大等長肌力下降，以及矢狀面和額狀面的相關運動學動力學參數的改變，為醫師制定康復計劃提供了一定的參考。Blasiis等[73]在一項評估Nabiximols藥物對多發性硬化癥患者影響的研究中也突破性地引入了步態分析手段，通過對患者痙攣狀態時行走和平衡能力的分析，得出該藥物對患者的短期與長期影響。

隨著步態分析的不斷發展，一些學者將動物作為實驗對象，為人體臨床治療方案提供動物實驗參考。Hofman等[74]在小動物骨折愈合模型研究中建立了準確的步態分析方法，用于評估下肢骨折對大鼠步態模式和肌肉萎縮的影響，其研究結果奠定了未來骨折愈合步態分析領域的基礎，提高了人們對下肢骨折后骨再生和康復的認知。同樣以大鼠作為研究對象，Wu等[75]通過觀察大鼠跟腱愈合過程中步態特征的變化，以及轉化生長因子和創面愈合因子的表達情況，研究步態分析用于評估肌腱愈合的可行性。研究發現，步態特性與跟腱愈合有關。這一研究成果對未來人類骨折后愈合的研究也具有參考價值。此外，還有學者使用步態分析系統證明了理想化的前交叉韌帶重建模型在小型豬中的生物力學穩定性，確定了理想化的前交叉韌帶重建可用于幫助機體恢復正常的步態特征[76]。

在與人體運動及康復相關的步態研究中，許多學者和研究人員建立了各式步態分析模型與步態評價系統。這些成果對步態分析的精細化、多元化、標準化發展起到了一定的推動作用。顧琳燕[77]運用步態分析的手段，分析比對普通人與運動功能障礙者的典型步態參數，提出了基于步態分析的同步下肢運動康復治療與康復評價系統。隨著腦癱步態訓練中生物反饋研究的興起，Flux等[78]在與腦癱患兒群體相關的研究中，通過對步態運動學進行實時測量，對比了用于腦癱兒童步態分析的人體模型與傳統步態模型之間的差異。此外，還有一些學者使用步態分析的手段驗證了現有研究模型和系統的有效性與可重復性[79-80]。

4.2 工程學與體育訓練領域的應用

近年來，步態分析研究與機器人學結合得越來越緊密，有關外骨骼下肢康復機器人的研究逐漸增加。雙側下肢的對稱性與人機耦合性研究是當下的熱點問題。有研究發現，在單任務行走時，患有腦部小血管疾病的老年人步幅更短、步速更快、步態不對稱和相位協調指數更高[81]。復旦大學陳一等[82]也在腦卒中患者步態周期各時相中下肢肌肉的表面肌電特點研究中指出，腦卒中患者雙下肢相關肌肉肌電活動發生了明顯改變，失去規律性。腦卒中患者下肢在擺動相階段，腓腸肌的用力程度大于脛骨前肌，這種情況與健側下肢相反。對這類導致雙側下肢運動不對稱的疾病，在外骨骼下肢康復機器人的設計上也要做出改變。例如北京航空航天大學王?；⒌萚83]，針對非對稱步態現象進行了帶膝關節非對稱被動行走器的步態動力學建模與分析，進一步完善了雙足機器人的研究工作，還可以為臨床病理性非對稱步態治療、外骨骼助力設備研制提供理論指導。

在工程學領域，步態分析及人體行走穩定性的相關研究同樣被廣大科研人員所關注。在外骨骼機器人開發、康復輔具設計和人工關節研制中，均應用了步態分析的相關研究成果。外骨骼機器人作為一種可穿戴設備，對人機耦合性能有著極高的要求。這就需要機器人能夠準確識別并跟隨穿戴者完成一系列復雜動作。在外骨骼機器人的研發中，借助步態實驗，開發者獲得大量不同復雜環境條件下的人體步態數據，并以此作為機器人運動控制策略的制定依據。高亮[84]通過分析人體下肢的運動機理和步態規律，測得人體關節的運動數據后推導用于處理離散關節運動數據的3次樣條插值函數，為下肢康復機器人設計開發奠定了基礎。哈爾濱工業大學謝崢等[85]基于實時步態分析，開發出行走輔助外骨骼機器人系統，該系統借助足底壓力傳感器實時對使用者的步態進行分析，通過步態時相的劃分，針對各步態時相提出不同的機器人控制策略。

在康復輔具及人工關節的研發中，常將步態分析應用于產品有效性的驗證上。上海理工大學徐兆紅等[86]通過分析踝關節的運動模式，設計開發了可左右擺動的踝關節康復器具。跟腱損傷通常使用一種穩定靴來輔助康復治療，Sommer等[87]在對現有穩定靴進行穿戴行走步態實驗后，對產品效果進行了評價，并指出未來的研究需要確定最相關的變量來表示跟腱再次斷裂的風險，以便得出哪種靴子最適合在臨床實踐中使用。上海交通大學周海[88]將運動捕捉系統應用于人工髖關節假體的設計與臨床置換術研究中，為相關假體的設計研發提供參考，并開發了以中國人為樣本的運動學數據庫。Lullini等[89]將研究重點放在不同的假體設計會給患者帶來怎樣的功能影響上，通過對接受2～3組件和2種踝關節置換術后患者的隨訪，研究人員通過患者的步態分析比較了這2種用于保持踝關節韌帶等距的踝關節假體的臨床功能結果。此外，也有學者借助步態分析的方法，比較評價了傳統全膝關節置換與模塊化股骨遠端巨型假體2種不同治療方案的效果[90]。

步態分析也被用于研究行走穩定性與預防滑跌的相關實驗中。Dommershuijsen等[91]為居住在西歐的老年人群體制定了步態速度的參考值，并進一步探討了年齡、性別、身高與步速的關系。還有研究人員通過分析老年人步態過程中足底壓力分布的變化，研究了影響老年人行走穩定性的因素，可為預防老年人滑跌研究提供參考[92]。

在體育訓練方面，步態分析有效地幫助教練員制定科學的訓練計劃，根據不同運動員的項目與技術特點，有針對性地幫助他們提高運動成績，避免傷病。陳平波[93]利用步態分析方法研究大負荷訓練對武術運動員的步態時空參數、關節角度變化等的影響，找出步態指標變化規律及特點，從而幫助教練員掌握運動員的身體機能狀態，合理安排訓練計劃。廣州體育學院高涵[94]在籃球運動員受傷后的科學訓練研究中歸納出一套有助于矯正病理性步態的方法，有效減少了運動員受傷部位在運動中承受的壓力。通過分析籃球運動員的步態特征，歸納總結出一套正確的步態訓練方法，使受損傷運動員的步態由病理性步態變為健康的步態，減少受損傷部位的壓力。

5 結語

科技的進步將為步態分析提供更精準、更先進的設備，使步態分析的角度越來越全面。步態分析應用領域也將從醫學、體育等傳統領域擴展到更多領域，例如目前已經開始在人體生物特征識別、模式識別、軍工裝備領域的研究中應用了步態分析的方法。未來，步態分析的研究還將逐步應用于水下[95-96]、航天這類特殊重力環境下的探索中。

作為步態分析的主要研究對象，人的運動方式及感受始終是研究者關注的重點，在這一點上同工業設計不謀而合。未來的工業設計與人機工程研究將持續引入步態分析的方法與成果，共同為用戶帶來更好的產品和更舒適的體驗。

[1] 古恩鵬, 劉愛峰, 金鴻賓, 等. 步態分析在臨床骨科與康復中的應用[J]. 中國中西醫結合外科雜志, 2011, 17(3): 335-337.

GU En-peng, LIU Ai-feng, JIN Hong-bin, et al. Application of Gait Analysis in Clinical Orthopedics and Rehabilitation[J]. Chinese Journal of Surgery of Integrated Traditional and Western Medicine, 2011, 17(3): 335- 337.

[2] 勵建安, 孟殿懷. 步態分析的臨床應用[J]. 中華物理醫學與康復雜志, 2006, 28(7): 500-503.

LI Jia-nan, MENG Dian-huai. Clinical Application of Physical Gait Analysis[J]. Chinese Journal of Physical Medicine and Rehabilitation, 2006, 28(7): 500-503.

[3] 趙凌燕. 人體步態模型實驗研究[D]. 哈爾濱: 哈爾濱工程大學, 2008.

ZHAO Ling-yan. The Experiment Study on Human Gait Model[D]. Harbin: Harbin Engineering University, 2008.

[4] 亞里士多德. 物理學[M]. 張竹明, 譯. 北京: 商務印書館, 1982.

ARISTOTéLēS. Physics[M]. ZHANG Zu-ming, Translated. Beijing: The Commercial Press, 1982.

[5] 張靜茹. 人類行走步態模型及特征提取方法研究[D]. 上海: 上海大學, 2007.

ZHANG Jing-ru. Research on Human Walking Gait Model and Feature Extraction Method[D]. Shanghai: Shanghai University, 2017.

[6] 錢競光, 宋雅偉, 葉強, 等. 步行動作的生物力學原理及其步態分析[J]. 南京體育學院學報(自然科學版), 2006, 5(4): 1-7.

QING Jing-guang, SONG Ya-wei, YE Qiang, et al. The Biomechanics Principle of Walking and Analysis on Gaits[J]. Journal of Nanjing Institute of Physical Education (Natural Science), 2006, 5(4): 1-7.

[7] 李凱. 正常青年人行走步態的下肢關節動力學研究[D]. 大連: 大連理工大學, 2009.

LI Kai. Kinetic Analysis of the Lower Limbs in the Walking of Normal Young Adults[D]. Dalian: Dalian University of Technology, 2009.

[8] 湯榮光, 戴尅戎. 平地行走中膝關節力的二維分析[J]. 中國生物醫學工程學報, 1983, 2(3): 161-169.

TANG Rong-guang, DAI Ke-rong. two-Dimensional Analysis of Forces Transmitted by Knee Joint in Level Walking[J]. Chinese Journal of Biomedical Engineering, 1983, 2(3): 161-169.

[9] BORDEAUX E F J. Interference in Various Gaits and some Suggested Remedies[J]. The Veterinary Journal, 1916, 72: 1-7.

[10] 戴克戎, 湯榮光. 平地常速行走時的步態觀察[J]. 中國生物醫學工程學報, 1982 (1): 15-21.

DAI Ke-rong, TANG Rong-guang. Study of Gait Patterns of Normal Adults During Level Walking[J]. Chinese Journal of Biomedical Engineering, 1982(1): 15-21.

[11] 樓鴻棣, 鄒慧君, 呂恬生. 人體水平步行步態的實驗和分析[J]. 上海交通大學學報, 1983, 17(1): 103-116.

LOU Hong-di, ZOU Hui-jun, Lü Tian-sheng. Au Experiment of Human Gait in Level Walking and Its Analysis[J]. Journal of Shanghai Jiao Tong University, 1983, 17(1): 103-116.

[12] 付艷, 余進軒, 劉世平, 等. Kinect在肢殘者運動姿態識別中的應用及有效性研究[J]. 中國康復醫學雜志, 2017, 32(2): 202-206.

FU Yan, YU Jin-xuan, LIU Shi-ping, et al. Application and Effectiveness of Kinect in Motion Posture Recognition of Limb Disabled[J]. Chinese Journal of Rehabilitation Medicine, 2017, 32(2): 202-206.

[13] CHEN Fang, CUI Xi-wen, ZHAO Zhe, et al. Gait Acquisition and Analysis System for Osteoarthritis Based on Hybrid Prediction Model[J]. Computerized Medical Imaging and Graphics, 2020, 85: 101782.

[14] FIKER R, KIM L H, MOLINA L A, et al. Visual Gait Lab: A User-Friendly Approach to Gait Analysis[J]. Journal of Neuroscience Methods, 2020, 341: 108775.

[15] HAZRA S, PRATAP A A, TRIPATHY D, et al. Novel Data Fusion Strategy for Human Gait Analysis Using Multiple Kinect Sensors[J]. Biomedical Signal Processing and Control, 2021, 67(1): 102512.

[16] PINTO R F, BIRMINGHAM T B, LEITCH K M, et al. Reliability and Validity of Knee Angles and Moments in Patients with Osteoarthritis Using a Treadmill-Based Gait Analysis System[J]. Gait & Posture, 2020, 80: 155- 161.

[17] 邵洋洋, 張峻霞, 姜美姣, 等. 青年男性佩戴護膝跑步優勢側和非優勢側下肢關節的運動學特征[J]. 中國組織工程研究, 2022, 26(6): 832-837.

SHAO Yang-yang, ZHANG Jun-xia, JIANG Mei-jiao, et al. Kinematics Characteristics of Lower Limb Joints of Young Men Running Wearing Knee Pads[J]. Chinese Journal of Tissue Engineering Research, 2022, 26(6): 832-837.

[18] 耿艷利. 下肢運動模式識別及動力型假肢膝關節控制方法研究[D]. 天津: 河北工業大學, 2012.

GENG Yan-li. Motion Pattern Recognition and Control of Active Knee Prosthesis[D]. Tianjin: Hebei University of Technology, 2012.

[19] ZHANG Peng, ZHANG Jun-xia, ZHANG Zun-hao. Design of RBFNN-Based Adaptive Sliding Mode Control Strategy for Active Rehabilitation Robot[J]. IEEE Access, 2020(8): 155538-155547.

[20] ZHANG Peng, ZHANG Jun-xia. Deep Learning Analysis Based on Multi-Sensor Fusion Data for Hemiplegia Rehabilitation Training System for Stoke Patients[J]. Robotica, 2022, 40(3): 780-797.

[21] 趙嶷飛, 張悅宸. 基于Vicon運動捕捉系統的無人機氣動特性分析[J]. 飛行力學, 2020, 38(4): 11-15.

ZHAO Yi-fei, ZHANG Yue-chen. Aerodynamic Characteristics Analysis of UAV Based on Vicon Motion Capture System[J]. Flight Dynamics, 2020, 38(4): 11- 15.

[22] 趙文平. 基于數據的高質量三維人手運動的建模、生成與控制[D]. 合肥: 中國科學技術大學, 2014.

ZHAO Wen-ping. Data-Driven Researches on 3D High- Fidelity Hand Motion Modeling, Generation and Control[D]. Hefei: University of Science and Technology of China, 2014.

[23] 張峻霞, 蔡運紅, 劉琪. 穿戴式下肢外骨骼對人體步態特性的影響研究[J]. 生物醫學工程學雜志, 2019, 36(5): 785-794.

ZHANG Jun-xia, CAI Yun-hong, LIU Qi. Study on the Influence of Wearable Lower Limb Exoskeleton on Gait Characteristics[J]. Journal of Biomedical Engineering, 2019, 36(5): 785-794.

[24] 成方敏, 張峻霞, 蘇海龍, 等. 彎道行走地面支反力與利用摩擦系數的研究[J]. 生物醫學工程學雜志, 2017, 34(1): 53-56.

CHENG Fang-min, ZHANG Jun-xia, SU Hai-long, et al. Research on Ground Reaction Forces and Utilized Coefficient of Friction of Turning Gait[J]. Journal of Biomedical Engineering, 2017, 34(1): 53-56.

[25] 李洋. 結構環境下步態失穩反應機理研究[D]. 天津: 天津科技大學, 2016.

LI Yang. Study on the Reaction Mechanism of Gait Instability in Structural Environment[D].Tianjing: Tianjin University of Science and Technology, 2016.

[26] ZHANG Peng, ZHANG Jun-xia, ELSABBAGH A. Lower Limb Motion Intention Recognition Based on sEMG Fusion Features[J]. IEEE Sensors Journal, 2022, 22(7): 7005-7014.

[27] 裴鵬. 足底壓力形成與人體多影響因素關系機理及測量系統研究[D]. 天津: 河北工業大學, 2013.

PEI Peng. Study on Relationship between Plantar Pressure Formation with Body Multi-Influencing Factors and Measurement System[D]. Tianjin: Hebei University of Technology, 2013.

[28] 張峻霞, 張子倩, 邵洋洋, 等. 基于運動生物力學的護膝設計評價[J]. 包裝工程, 2020, 41(24): 1-7.

ZHANG Jun-xia, ZHANG Zi-qian, SHAO Yang-yang, et al. Evaluation of Kneepad Design Based on Sports Biomechanics[J]. Packaging Engineering, 2020, 41(24): 1-7.

[29] 楊陽, 蒲放, 錢雅君, 等. 日常運動時足底壓力實時檢測方法研究[J]. 醫用生物力學, 2011, 26(4): 299- 304.

YANG Yang, PU Fang, QIAN Ya-jun, et al. Real-Time Plantar Pressure Measurement for Monitoring Exercise Load in Daily Life Activities[J]. Journal of Medical Biomechanics, 2011, 26(4): 299-304.

[30] 張清悅, 錢競光. 偏癱步態分析與仿真研究進展[J]. 力學與實踐, 2021, 43(3): 327-334.

ZHANG Qing-yue, QIAN Jing-guang. Progress of Analysis and Simulation of Hemiplegic Gait[J]. Mechanics in Engineering, 2021, 43(3): 327-334.

[31] 施寶興, 魏文儀. 逆向動力學計算方法及提高計算精度的探討[J]. 南京體育學院學報(自然科學版), 2003, 2(2): 6-12.

SHI Bao-xing, WEI Wen-yi. The Inverse Dynamic Method and Promoting Its Precision of Calculation[J]. Journal of Nanjing Institute of Physical Education (Natural Science), 2003, 2(2): 6-12.

[32] RASMUSSEN J, DAMSGAARD M, SURMA E, et al. AnyBody - a Software System for Ergonomic Optimization[M]. Aalborg: AnyBody Technology, 2003.

[33] ANDERSEN M, YANG Jian, ZEE M D, et al. Full-Body Musculoskeletal Modeling Using Dual Microsoft Kinect Sensors and the AnyBody Modeling System[C]. Natal: Aalborg University, 2013

[34] DAMSGAARD M, RASMUSSEN J, CHRISTENSEN S T, et al. Analysis of Musculoskeletal Systems in the AnyBody Modeling System[J]. Simulation Modelling Practice and Theory, 2006, 14(8): 1100-1111.

[35] 劉書朋, 司文, 嚴壯志, 等. 基于AnyBodyTM技術的人體運動建模方法[J]. 生物醫學工程學進展, 2010, 31(3): 131-134.

LIU Shu-peng, SI Wen, YAN Zhuang-zhi, et al. The Human Motions Modeling and Simulation Based on AnyBody Technology[J]. Progress in Biomedical Engineering, 2010, 31(3): 131-134.

[36] CHANDER D S, CAVATORTA M P. Multi-Directional One-Handed Strength Assessments Using AnyBody Modeling Systems[J]. Applied Ergonomics, 2018, 67(1): 225-236.

[37] ATICI H, GONEN D, ORAL A, et al. Ergonomic Analysis of an Assembly Line Using the AnyBody Modeling System[C]. 城市: 出版單位, 2017.

[38] 丁晨, 王君澤, 高瞻. 基于AnyBody的汽車駕駛中人體腿部逆向動力學仿真[J]. 中國生物醫學工程學報, 2013, 32(1): 124-128.

DING Chen, WANG Jun-ze, GAO Zhan. Inverse Dynamics Simulation of the Musculoskeletal Model of Human Legs in Driving Based on AnyBody Modeling System[J]. Chinese Journal of Biomedical Engineering, 2013, 32(1): 124-128.

[39] SAVONNET L, DUPREY S, WANG X. Coupling rigid multi-body and deformable finite element human models for assessing seat discomfort[C]. Montreal: DHM. 2016.

[40] 楊楓, 何智成, 成艾國, 等. 基于生物力學的踏板人機工程設計研究[J]. 汽車工程, 2016, 38(4): 459-465.

YANG Feng, HE Zhi-cheng, CHENG Ai-guo, et al. A Research on Pedal Ergonomic Design Based on Biomechanics[J]. Automotive Engineering, 2016, 38(4): 459-465.

[41] 姜暢. 基于人體生物力學的可調節康復床設計[D]. 天津: 天津大學, 2019.

JIANG Chang. The Design of an Adjustable Rehabilitation Bed Based on Human Biomechanics[D]. Tianjin: Tianjin University, 2019.

[42] 耿治中. 基于Anybody仿真的男性足球運動員不同角度側切動作下肢生物力學特征分析[D]. 武漢: 武漢體育學院, 2021.

GENG Zhi-zhong. The Biomechanical Characteristics of the Lower Limb of Male Football Player with Different Angles of Cutting were Analyzed Based on anybody Modeling System[D]. Wuhan: Wuhan Sports University, 2021.

[43] BASSANI T, STUCOVITZ E, QIAN Zhi-hui, et al. Validation of the AnyBody Full Body Musculoskeletal Model in Computing Lumbar Spine Loads at L4L5 Level[J]. Journal of Biomechanics, 2017, 58(1): 89-96.

[44] 王星月. 考慮骨肌特性的汽車操縱部件人機交互設計[D]. 長春: 吉林大學, 2020.

WANG Xing-yue. Human-Machine Interaction Design of Vehicle Control Components Considering the Musculoskeletal Characteristics[D]. Changchun: Jilin University, 2020.

[45] 呂國敏. 基于AnyBody的汽車駕駛員坐姿力學特性建模及坐姿支撐設計[D]. 濟南: 山東大學, 2016.

(Lü/LV/LU/LYU) G M. Sitting Posture Support Design and Biomechanical Modeling of the Musculoskeletal Model Based on anybody[D]. Jinan: Shandong University, 2016.

[46] 高飛, 項忠霞, 趙明, 等. 基于Anybody的自行車騎行運動仿真與試驗分析[J]. 機械設計, 2016, 33(1): 105-110.

GAO Fei, XIANG Zhong-xia, ZHAO Ming, et al. Simulation and Testing Analysis of Bicycle Riding Motion Based on anybody[J]. Journal of Machine Design, 2016, 33(1): 105-110.

[47] 曹宇. 基于人機工程的下肢康復器械設計與研究[D]. 天津: 天津大學, 2019.

CAO Yu. Design and Research of Lower Limb Rehabilitation Products Based on Ergonomics[D]. Tianjin: Tianjin University, 2019.

[48] 趙明. 外骨骼式下肢康復機器人訓練過程仿真及其有效性研究[D]. 天津: 天津大學, 2016.

ZHAO Ming. Simulation and Effectiveness Research of the Training Process about the Exoskeleton Lower Limb Rehabilitation Robot[D]. Tianjin: Tianjin University, 2016.

[49] BARDIN A L, TANG Li-qiong, PANIZZI L, et al. Development of an anybody Musculoskeletal Model of the Thoroughbred Forelimb[J]. Journal of Equine Veterinary Science, 2021, 103(1): 103666.

[50] TRINLER U, SCHWAMEDER H, BAKER R, et al. Muscle Force Estimation in Clinical Gait Analysis Using AnyBody and OpenSim[J]. Journal of Biomechanics, 2019, 86(1): 55-63.

[51] MAHADAS S, MAHADAS K, HUNG G K. Biomechanics of the Golf Swing Using OpenSim[J]. Computers in Biology and Medicine, 2019, 105(1): 39-45.

[52] 蘇陽, 錢競光. 體操吊環動作的肌電和LifeMOD仿真研究[J]. 吉林體育學院學報, 2021, 37(6): 64-74.

SU Yang, QIAN Jing-guang. Myoelectric and LifeMOD Simulation of Gymnastic Ring Movements[J]. Journal of Jilin Sport University, 2021, 37(6): 64-74.

[53] 薛紅軍, 鄭碩, 鐵彥清, 等. 飛行員觸點操作能力仿真[J]. 北京航空航天大學學報, 2013, 39(12): 1584- 1590.

XUE Hong-jun, ZHENG Shuo, TIE Yan-qing, et al. Simulation for Pointing Manipulation Performance of Pilot[J]. Journal of Beijing University of Aeronautics and Astronautics, 2013, 39(12): 1584-1590.

[54] 馬妮, 肖麗英. 基于LifeMOD的個性化人工膝關節設計中的生物力學分析[J]. 中國康復醫學雜志, 2011, 26(6): 538-542.

MA Ni, XIAO Li-ying. A Biomechanical Analysis Based on LifeMOD for Individualized Artificial Knee Joint Design[J]. Chinese Journal of Rehabilitation Medicine, 2011, 26(6): 538-542.

[55] 戎科, 錢競光. 運動生物力學仿真建模軟件LifeMOD和OpenSim的建模比較[J]. 南京體育學院學報(自然科學版), 2015, 14(5): 38-42.

RONG Ke, QIAN Jing-guang. Comparison of Life MOD and Open Sim[J]. Journal of Nanjing Sport Institute (Natural Science), 2015, 14(5): 38-42.

[56] ALEXANDER N, SCHWAMEDER H, BAKER R, et al. Effect of Different Walking Speeds on Joint and Muscle Force Estimation Using AnyBody and OpenSim[J]. Gait & Posture, 2021, 90(1): 197-203.

[57] 孟殿懷, 勵建安. 臨床三維步態分析系統的組成、原理及其臨床應用[C]. 南京:中國針灸學會；中國康復學會；中華醫學會, 2006.

MENG Dian-huai, LI Jian-an. Composition, principle and clinical application of clinical three-dimensional gait analysis system[C]. Nanjing: China Association of Acupuncture-Moxibustion; Chinese Association of Rehabilitation Medicine; Chinese Medical Association, 2006.

[58] 劉銘, 李靈曉, 蘇玉潔, 等. 步態分析在阿爾茨海默病診斷評估和鑒別中的應用[J]. 中華老年醫學雜志, 2021(12): 1489-1492.

LIU Ming, LI Ling-xiao, SU Yu-jie, et al. Application of Gait Analysis in Evaluation and Diagnostic Differentiation of Alzheimer's Disease[J]. Chinese Journal of Geriatrics, 2021(12): 1489-1492.

[59] 白森, 郄淑燕. 成人型脊柱畸形患者運動功能的三維步態分析[J]. 首都醫科大學學報, 2021(6): 1070-1075.

BAI Sen, QIE Shu-yan. An Analysis on Three-Dimen-sional Gait of Patients with Adult Spinal Deformity[J]. Journal of Capital Medical University, 2021(6): 1070- 1075.

[60] O'SULLIVAN R, FRENCH H P, HORGAN F. A Prospective Assessment of the Progression of Flexed-Knee Gait over Repeated Gait Analyses in the Absence of Surgical Intervention in Bilateral Cerebral Palsy[J]. Gait & Posture, 2020, 79(1): 133-138.

[61] KIM D H, KYEONG S, CHEON M, et al. Characterization of Idiopathic Parkinson's Disease Subgroups Using Quantitative Gait Analysis and Corresponding Subregional Striatal Uptake Visualized Using 18F-FP-CIT Positron Emission Tomography[J]. Gait & Posture, 2020, 82(1): 167-173.

[62] SHIN K J, KANG J W, SUNG K H, et al. Quantitative Gait and Postural Analyses in Patients with Diabetic Polyneuropathy[J]. Journal of Diabetes and Its Complications, 2021, 35(4): 107857.

[63] TSUCHIYA A, TERAYAMA K, SAKAKIBARA R, et al. Urodynamic and Gait Analyses in Multiple System Atrophy[J]. Journal of the Neurological Sciences, 2020, 411(1): 116676.

[64] SYCZEWSKA M, ?WI?CICKA A, SZCZERBIK E, et al. Types of Gait Deviations in Children and Adolescents with Guillain-Barre Syndrome Identified Using Cluster Analysis[J]. Biomedical Signal Processing and Control, 2021, 66(1): 102496.

[65] 單莎瑞, 黃旭明, 張明興, 等. 三維步態分析低頻重復經顱磁刺激治療腦卒中后偏癱的步態變化[J]. 中國組織工程研究, 2022, 26(5): 762-767.

SHAN Sha-rui, HUANG Xu-ming, ZHANG Ming-xing, et al. Three-Dimensional Gait Analysis of Low-Frequency Repetitive Transcranial Magnetic Stimulation for Post- Stroke Hemiplegia[J]. Chinese Journal of Tissue Engineering Research, 2022, 26(5): 762-767.

[66] 潘浩, 趙慧慧, 王江靜, 等. 運動學對線與機械力學對線指導全膝關節置換后步態分析的比較[J]. 中國組織工程研究, 2022, 26(3): 365-370.

PAN Hao, ZHAO Hui-hui, WANG Jiang-jing, et al. Comparison of Kinematic Alignment and Mechanical Alignment to Guide Gait after Total Knee Arthroplasty[J]. Chinese Journal of Tissue Engineering Research, 2022, 26(3): 365-370.

[67] LAMAS V, GUEUGNON M, FOURNEL I, et al. Dynamic Global Sagittal Alignment in Patients with Lumbar Spinal Stenosis: Analysis of the Effects of Decompression Surgery on Gait Adaptations[J]. Gait & Posture, 2021, 88(1): 272-279.

[68] ROSTEIUS T, JETTKANT B, BRINKEMPER A, et al. Long-Term Follow up of Extensor Tendon Ruptures of the Knee Using Electromyography and Three-Dimen-sional Gait Analysis[J]. The Knee, 2021, 29(1): 251-261.

[69] 周萌, 黃強, 蔣協遠, 等. 步態分析在骨科與物理康復領域的應用進展[J]. 骨科臨床與研究雜志, 2021, 6(4): 243-249.

ZHOU Meng, HUANG Qiang, JIANG Xie-yuan, et al. Application Progress of Gait Analysis in Orthopedics and Physical Rehabilitation[J]. Journal of Clinical Orthopedics and Research, 2021, 6(4): 243-249.

[70] 張晶晶, 李艷. 腦卒中偏癱步態特點及康復策略[J]. 中國老年學雜志, 2019, 39(5): 1044-1047.

ZHANG Jing-jing, LI Yan. Gait Characteristics and Rehabilitation Strategies of Stroke Hemiplegia[J]. Chinese Journal of Gerontology, 2019, 39(5): 1044-1047.

[71] 殷可意. 老年女性膝骨關節炎患者步態適應性運動特征研究[D]. 上海: 上海體育學院, 2021.

YIN Ke-yi. Adaptive Motion Features in Older Women with Knee Osteoarthritis during Walking[D]. Shanghai: Shanghai University of Sport, 2021.

[72] MARTINEZ L, NOé N, BELDAME J, et al. Quantitative Gait Analysis after Total Hip Arthroplasty through a Minimally Invasive Direct Anterior Approach: A Case Control Study[J]. Orthopaedics & Traumatology: Surgery & Research, 2022(1): 103214.

[73] BLASIIS P D, SIANI M F, FULLIN A, et al. Short and Long Term Effects of Nabiximols on Balance and Walking Assessed by 3D-Gait Analysis in People with Multiple Sclerosis and Spasticity[J]. Multiple Sclerosis and Related Disorders, 2021, 51(1): 102805.

[74] HOFMAN M, KOLEJEWSKA A, GREVEN J, et al. Gait Analysis and Muscle Weight Analysis after Lower Extremity Fractures in a Small Animal Model[J]. Gait & Posture, 2020, 77(1): 207-213.

[75] WU L M, WANG J K, LIU J, et al. Gait Analysis Combined with the Expression of Tgf-β1, Tgf-β3 and Creb During Achilles Tendon Healing in Rat[J]. Chinese Journal of Traumatology, 2021, 24(6):8.

[76] ZHAO Rui-peng, DONG Zheng-quan, WEI Xiao-chun, et al. Inflammatory Factors are Crucial for the Pathogenesis of Post-Traumatic Osteoarthritis Confirmed by a Novel Porcine Model: "Idealized" Anterior Cruciate Ligament Reconstruction and Gait Analysis[J]. International Immunopharmacology, 2021, 99(1): 107905.

[77] 顧琳燕. 基于步態分析的運動康復評價方法研究[D]. 杭州: 浙江大學, 2016.

GU Lin-yan. Gait Analysis Based Assessment of Motion Rehabilitation[D]. Hangzhou: Zhejiang University, 2016.

[78] FLUX E, VAN DER KROGT M M, CAPPA P, et al. The Human Body Model Versus Conventional Gait Models for Kinematic Gait Analysis in Children with Cerebral Palsy[J]. Human Movement Science, 2020, 70(1): 102585.

[79] DONISI L, PAGANO G, CESARELLI G, et al. Benchmarking between Two Wearable Inertial Systems for Gait Analysis Based on a Different Sensor Placement Using Several Statistical Approaches[J]. Measurement, 2021, 173(1): 108642.

[80] OTA M, TATEUCHI H, HASHIGUCHI T, et al. Verification of Validity of Gait Analysis Systems during Trea-dmill Walking and Running Using Human Pose Tracking Algorithm[J]. Gait & Posture, 2021, 85(1): 290-297.

[81] MA Rui, ZHàO H, WEI Wei, et al. Gait Characteristics under Single-/Dual-Task Walking Conditions in Elderly Patients with Cerebral Small Vessel Disease: Analysis of Gait Variability, Gait Asymmetry and Bilateral Coordination of Gait[J]. Gait & Posture, 2022, 92(1): 65-70.

[82] 陳一, 施海濤, 毛嶺. 腦卒中患者步態周期各時相中下肢肌肉的表面肌電特點[J]. 中國康復理論與實踐, 2019, 25(8): 956-961.

CHEN Yi, SHI Hai-tao, MAO Ling. Surface Electromyographic Features of Lower Limb Muscles during Different Phases of Gait Cycle in Stroke Patients[J]. Chinese Journal of Rehabilitation Theory and Practice, 2019, 25(8): 956-961.

[83] 王海虎, 王青云, 趙振. 帶膝關節非對稱被動行走器的步態動力學建模與分析[C]. 北京: 北京力學會, 2019.

WANG Hai-hu, WANG Qing-yun, ZHAO Zhen. Modeling and Analysis of Gait Dynamics for Asymmetric Passive Walkers with Knee Joints[C]. Beijing: BSTAM, 2019.

[84] 高亮. 基于外骨骼的下肢康復機器人結構設計與研究[D]. 馬鞍山: 安徽工業大學, 2019.

GAO Liang. Structural Design and Research of Lower Limb Rehabilitation Robot Based on Exoskeleton[D]. Maanshan: Anhui Universit of Technology, 2019.

[85] 謝崢, 王明江, 黃武龍, 等. 基于實時步態分析的行走輔助外骨骼機器人系統[J]. 生物醫學工程學雜志, 2017, 34(2): 265-270.

XIE Zheng, WANG Ming-jiang, HUANG Wu-long, et al. Exoskeleton Robot System Based on Real-Time Gait Analysis for Walking Assist[J]. Journal of Biomedical Engineering, 2017, 34(2): 265-270.

[86] 徐兆紅, 宋成利, 喻洪流, 等. 踝關節可左右擺動的康復器具設計[J]. 中國組織工程研究與臨床康復, 2011, 15(39): 7292-7294.

XU Zhao-hong, SONG Cheng-li, YU Hong-liu, et al. Design of an Ankle Rehabilitation Device[J]. Journal of Clinical Rehabilitative Tissue Engineering Research, 2011, 15(39): 7292-7294.

[87] SOMMER B, HOLLENSTEIN A, GRAF E. Stability Boots for the Treatment of Achilles Tendon Injuries: Gait Analysis of Healthy Participants[J]. Gait & Posture, 2022, 91(1): 131-136.

[88] 周海. 國人髖關節解剖與行為學特性研究及在人工關節設計中的應用[D]. 上海: 上海交通大學, 2014.

ZHOU Hai. The Kinematics and Anatomy Research on the Hip of Chinese People and the Application in Designing of Artificial Hip Joint[D]. Shanghai: Shanghai Jiao Tong University, 2014.

[89] LULLINI G, CARAVAGGI P, LEARDINI A, et al. Retrospective Comparison Between a Two- and Three- Component Ankle Arthroplasty: Clinical and Functional Evaluation via Gait Analysis[J]. Clinical Biomechanics, 2020, 80(1): 105180.

[90] PELLEGRINO P, CONTI A, PAUTASSO A, et al. Gait Analysis: Comparative Evaluation of Conventional Total Knee Replacement and Modular Distal Femoral Megaprosthesis[J]. The Knee, 2020, 27(5): 1567-1576.

[91] DOMMERSHUIJSEN L J, RAGUNATHAN J, RUITER R, et al. Gait Speed Reference Values in Community- Dwelling Older Adults-Cross-Sectional Analysis from the Rotterdam Study[J]. Experimental Gerontology, 2022, 158(1): 111646.

[92] UNGER E W, HISTING T, ROLLMANN M F, et al. Development of a Dynamic Fall Risk Profile in Elderly Nursing Home Residents: A Free Field Gait Analysis Based Study[J]. Archives of Gerontology and Geriatrics, 2021, 93(1): 104294.

[93] 陳平波. 大負荷訓練對武術運動員步態影響的研究[D]. 武漢: 武漢體育學院, 2007.

CHEN Ping-bo. The Research of Heavy Load Training on the Gait Influence of the Wu Shu Athletes[D]. Wuhan: Wuhan Sports University, 2007.

[94] 高涵. 籃球運動員步態與運動損傷關系研究——以廣州體育學院運訓籃球班為例[D]. 廣州: 廣州體育學院, 2020.

GAO Han. The Research on Relationship between Gait and Injury of Professional Basketball Players in Sports Training: Take Guangzhou Institute of Physical Education as an Example[D]. Guangzhou: Guangzhou Sport University, 2020.

[95] RAGHU S L, CONNERS R T, KANG C K, et al. Kinematic Analysis of Gait in an Underwater Treadmill Using Land-Based Vicon T 40s Motion Capture Cameras Arranged Externally[J]. Journal of Biomechanics, 2021, 124(1): 110553.

[96] RAGHU S L, KANG C K, WHITEHEAD P, et al. Static Accuracy Analysis of Vicon T40s Motion Capture Cameras Arranged Externally for Motion Capture in Constrained Aquatic Environments[J]. Journal of Biomechanics, 2019, 89(1): 139-142.

Review of Gait Analysis

ZHANG Jun-xia, GAO Kun, XIE Bing

(Tianjin Key Laboratory of Integrated Design and On-line Monitoring for Light Industry & Food Machinery and Equipment, Tjanjin University of Science and Technology, Tianjin 300222, China)

The purpose of this paper is to sort out the development of gait analysis, introduce the experimental, simulation methods and the main application areas of gait analysis. The future development direction of gait analysis was forecasted. The main literatures about gait analysis were collected, reviewed, and the main research contents, research methods, research status and main application fields of gait analysis were sorted out. The main research content of gait analysis is the quantitative research on kinematics and kinetic parameters, and their changing laws. Most scholars focus their research on clinical diagnosis and rehabilitation evaluation, research and development of wearable robots and rehabilitation aids, and exploration of scientific training methods in competitive sports. The research methods of gait analysis include experimental research and simulation analysis; The research results of gait analysis can provide guidance for clinical diagnosis, efficacy evaluation and rehabilitation training, provide data support for the development of biped robots, walking aids, rehabilitation aids and artificial joints. In the future, the gait analysis method will be more accurate and the application field will be more extensive.

gait analysis; motion capture; surface electromyography; plantar pressure

TB472

A

1001-3563(2022)10-0041-13

10.19554/j.cnki.1001-3563.2022.10.005

2022-01-07

國家自然科學基金（50975204）

張峻霞（1968—），女，博士，教授，主要研究方向為仿生健康與康復機械系統。

責任編輯：陳作