RILEVAZIONE ED ANALISI DI PARAMETRI LEGATI AL CICLO DEL PASSO ATTRAVERSO UNA CALZATURA SENSORIZZATA

(1)

i “main” — 2015/12/7 — 12:35 — page 1 — #1 i

i i

UNIVERSIT `A DI PISA FACOLT `A DI INGEGNERIA

Scuola di Ingegneria

Dipartimento di Ingegneria dell’Informazione

Corso di Laurea Magistrale in Ingegneria Biomedica

Anno accademico 2015/2016

RILEVAZIONE ED ANALISI DI PARAMETRI

LEGATI AL CICLO DEL PASSO

ATTRAVERSO UNA CALZATURA

SENSORIZZATA

Relatori

Candidata

Prof. Alessandro Tognetti

Laura Lippi

Prof. Nicola Carbonaro

(2)

(3)

i i

Indice

Elenco Abbreviazioni 2

Introduzione 3

1 Analisi del Passo 8

1.1 Le fasi del passo . . . 9

1.2 Parametri del passo . . . 14

1.3 Strumentazione per l’analisi del cammino . . . 16

1.3.1 Sistemi di Motion Capture . . . 17

2 Sistemi indossabili per analisi del passo 23 2.1 Prodotti in Commercio . . . 25 2.1.1 Nike+ . . . 25 2.1.2 Orpyx - SurroSense Rx . . . 26 2.1.3 Pedar . . . 28 2.1.4 OpenGo science . . . 29 2.2 Studi scientifici . . . 30 1

(4)

3 Software di acquisizione e analisi dei dati 43 3.1 Sviluppo del programma di connessione e acquisizione dei dati

con Matlab . . . 44

3.1.1 Connessione della scarpa . . . 44

3.1.2 Software FIM, FootMoov Inside for Matlab . . . 45

3.2 Software ’FootMoov Analysis’ . . . 48

3.2.1 Classificazione delle attivit`a . . . 49

3.2.2 Parametri estratti con ’FootMoov Analysis’ . . . 55

3.2.3 Risultati dei parametri estratti . . . 57

3.3 Protocollo di sperimentazione . . . 59

4 Valutazione delle fasi del passo 62 4.1 Algoritmo di riconoscimento delle fasi del passo . . . 63

4.1.1 I segnali di FootMoov . . . 63

4.1.2 Il metodo di riconoscimento delle fasi . . . 67

4.2 Protocollo Validazione -Calcolo parametri tramite BTS . . . 71

4.2.1 Descrizione esperimento svolto in laboratorio . . . 71

(5)

i i

INDICE

4.2.3 Estrazione dei parametri di riferimento . . . 76 4.3 Confronto tra i risultati . . . 78

Conclusioni 84

(6)

1.3 Otto intervalli del ciclo del passo identificati da Perry, Winter

e O’Connor . . . 11

1.4 Valori percentuali legati alle fasi del passo riconosciute in un ciclo . . . 12

1.5 Sistemi di Motion Capture . . . 18

1.6 Motion Capture ottico . . . 19

1.7 Disposizione di una serie di marker su arti inferiori . . . 19

1.8 Telecamere BTS-SMART DX-100 . . . 20

1.9 Disposizione telecamere del BTS nel laboratorio . . . 22

2.1 FootMoov . . . 24

2.2 Sensore Nike+ . . . 25

(7)

i i

ELENCO DELLE FIGURE

2.4 Alloggiamento interno . . . 26

2.5 Orpyx . . . 27

2.6 Orpyx . . . 28

2.7 Soletta Pedar . . . 29

2.8 Soletta OpenGo . . . 30

2.9 Posizione dei sensori nella soletta OpenGo science . . . 30

2.10 Dispositivo sensorizzato descritto in [1] . . . 32

2.11 Disposizione dei sensori nella soletta sensorizzata . . . 32

2.12 Montaggio del sistema sensorizzato su entrambe le calzature . 33 2.13 Soletta con sensore di pressione ad aria . . . 34

2.14 Disposizione dei sensori . . . 35

2.15 Sistema ottico a marker passivi, Vicon . . . 36

2.16 FootMoov . . . 37

2.17 Andamento della resistenza sensore in funzione della forza . . 39

2.18 Modello circuitale del sensore di forza . . . 39

2.19 Accelerometro Triassiale . . . 41

2.20 Orientazione assi FootMoov . . . 41

2.21 Levetta accensione . . . 42

3.1 . . . 45

3.2 Layout del software ’FIM’ . . . 46

3.3 Esempi di grafici realtime estratti con il software ’FIM’ . . . . 48

(8)

3.7 Layout del classificatore . . . 54

3.8 Caselle associate ai parametri del classificatore . . . 56

3.9 Istogramma relativo al conteggio dei passi durante l’attivit`a di cammino . . . 57

3.10 Istogramma relativo al conteggio dei passi durante l’attivit`a di corsa . . . 58

3.11 Istogrammi di confronto dei valori ottenuti dal calcolo della cadenza . . . 59

3.12 Prove Protocollo Validazione . . . 60

3.13 Svolgimento delle prove . . . 61

4.1 Orientazione assi acceleremetro. Ax, accelerazione del piede in direzione latero-laterale; Ay, accelerazione del piede in direzio-ne antero-posteriore; Az, acceleraziodirezio-ne del piede in direziodirezio-ne infero-superiore . . . 63

4.2 Andamento lungo Ay nel tempo durante il cammino . . . 64

4.3 Periodo di Ay con identificazione delle due fasi . . . 66

(9)

i i

ELENCO DELLE FIGURE

4.5 Fasi riconosciute dagli algoritmi implementati a partire dai

dati estratti da FootMoov . . . 68

4.6 Diagramma a blocchi per discriminare le fasi stance e swing . 69 4.7 Riconoscimento delle fasi stance-swing e dei momenti di heel strike e toe off a partire dai dati estratti da FootMoov . . . . 70

4.8 Disposizione dei marker sulla scarpa FootMoov . . . 72

4.9 Successione delle prove in laboratorio . . . 73

4.10 Evento di sincronizzazione . . . 75

4.11 Verifica della sincronizzazione dei segnali . . . 75

4.12 Riconoscimento delle fasi a partire dai dati ottenuti con il BTS 77 4.13 Vista su una serie di passi riconosciuti associati ad una prova svolta, in cui vengono mostrate le onde associate ai due metodi usati per la discriminazione delle fasi di stance-swing . . . 79

4.14 Discostamento temporale tra le onde di riconoscimento delle fasi ottenute con i due metodi. La linea blu `e associata al-l’algoritmo implementato a partire dai dati ottenuti con FM, mentre la linea rossa `e associata al metodo ottenuto dai segnali dei marker relativi al sistema ottico . . . 81

(10)

Elenco delle tabelle

1.1 Caratteristiche tecniche del sistema BTS SMART- DX 100 . . 21

3.1 Caratteristiche Soggetti . . . 60

4.1 Tabella degli indici associati agli eventi di HS e TO trovati per FM e per il BTS. I numeri riportati rappresentano i campioni acquisiti a 25 Hz . . . 80 4.2 Indici e valori temporali associati al fenomento del

disostamen-to tra le onde ottenute dai due algoritmi, relative agli eventi di heel strike e di toe off . . . 82 4.3 Confronto tra gli Indici e Percentuali delle fasi di stance e

(11)

HS Heel Strike

TO Toe Off

MS Mid Stance

WA Weight Acceptance SLS Single Limb Support LA Limb Advancement IC Initial Contact LR Loading Responce PS Pre Swing IS Initial Swing MSw Mid Swing TS Terminal Swing 2

(12)

Introduzione

La deambulazione `e uno dei movimenti pi`u comuni svolti dall’uomo ed `

e costituita da una serie di eventi ciclici degli arti inferiori. Questo tipo di attività permette lo spostamento del centro di gravità e la propulsione del corpo nello spazio. La valutazione delle fasi del passo può risultare importan-te per studiare i diversi eventi associati al ciclo del cammino, per prevenire eventuali danni agli arti inferiori e per valutare lesioni traumatiche o danni neurologici di un soggetto. Alcuni parametri importanti associati alla deam-bulazione, come numero di passi svolti, cadenza e durate percentuali delle diverse diverse fasi del cammino, permettono uno studio approfondito di que-sto movimento. In particolare, il riconoscimento delle fasi legate al ciclo del passo può risultare importante sia per il controllo delle neuroprotesi degli arti inferiori sia per analizzare eventuali patologie dell’apparato locomotore. I dispositivi più precisi ed accurati che possono essere utilizzati per ana-lizzare il movimento del cammino, sono i sistemi ottici di Motion Capture. Questi permettono la ricostruzione nello spazio del movimento del corpo,

(13)

gono posizionati sul soggetto in base al movimento che si vuole analizzare. Utilizzando un sistema di illuminazione e un set di telecamere è quindi pos-sibile registrare la posizione dei marker nello spazio, dalla cui elaborazione si ottiene la ricostruzione tridimensionale del movimento. Questi dispositivi, fanno una misura molto accurata, ma presentano alcuni svantaggi: sono in-gombranti, costosi e non possono essere impiegati al di fuori di un laboratorio attrezzato. In particolare, non permettono di rilevare quei parametri relativi alla deambulazione in contesti naturali, ovvero durante le normali attività giornaliere dell’individuo. A causa delle limitazioni dei sistemi ottici, con il progredire della tecnologia sono stati sviluppati dei dispositivi indossabili (wearable devices), che permettono di effettuare la registrazione dei dati as-sociati al cammino, per lunghi periodi di tempo, in qualsiasi tipo di ambiente e durante le normali attività giornaliere. I sistemi indossabili hanno però lo svantaggio di essere meno precisi e fornire un numero di informazioni più ridotto rispetto ai sistemi di tipo ottico.

In questo lavoro di tesi sono state valutate le potenzialit`a di una calzatura sensorizzata (FootMoov) per l’estrazione di parametri legati alla biomecca-nica del cammino. All’interno di FootMoov, durante il processo produttivo, viene integrata una scheda elettronica in cui sono presenti due sensori di pressione, posizionati sotto la pianta e il tallone del piede, e un accelerome-tro triassiale, posto in prossimit`a della punta della scarpa. Dai dati forniti 4

(14)

dall’accelerometro si ottengono informazioni sul movimento del piede nello spazio, mentre dai sensori di forza si ricavano dei valori associati all’intera-zione del piede con il terreno. Nella scheda elettronica è presente anche un modulo wireless che permette la trasmissione dei dati ad un sistema mobi-le (PC, smartphone, tabmobi-let). Questi dispositivi esterni, grazie a specifiche applicazioni, consentono di acquisire e raccogliere i segnali provenienti dalla scarpa in modo continuo, per lunghi periodi di tempo e in ambienti esterni al laboratorio. FootMoov è stato sviluppato per essere commercializzato in am-bito videoludico. Nell’amam-bito del tirocinio, legato a questo lavoro di tesi, sono stati sviluppati dei software per l’acquisizione e l’analisi dei dati provenienti da questo dispositivo e sono stati implementati degli algoritmi per il rico-noscimento delle fasi del passo, in modo da ampliare l’utilizzo di FootMoov anche in ambito biomeccanico e biomedico. Sulla linea delle applicazioni pre-senti nei dispositivi mobili, è stato sviluppato un software, chiamato ’FIM’, ’FootMoov Inside for Matlab’. Questo programma permette la connessio-ne della scarpa al PC, la raccolta dei dati e la visualizzazioconnessio-ne in real time dei segnali provenienti dai sensori. Dopo aver effettuato l’implementazione di questo software, per capire se i segnali ottenuti dalla scarpa FootMoov potessero veramente risultare utili per l’analisi del passo, sono state fatte delle prove su un certo numero di soggetti normodotati, con caratteristiche diverse (età, peso e altezza). Le attività che sono state fatte svolgere so-no: cammino, corsa, salire/scendere le scale, sedersi alzarsi da una sedia e

(15)

sperimentazione, è stata fatta la loro analisi grazie all’utilizzo di un secondo programma, chiamato ’FootMoov Analysis’, anch’esso implementato con il linguaggio Matlab. Questo software permette il riconoscimento dell’attività svolta dal soggetto grazie ad un algoritmo, che parte proprio da alcuni pa-rametri estratti dalle prove svolte. Questo programma permette inoltre di estrarre alcuni parametri legati al cammino (numero di passi e cadenza) e di effettuare la valutazione dei dati relativi alle diverse attività svolte durante il protocollo sperimentale.

Per completare l’analisi biomeccanica risulta importante verificare se dai dati estratti con FootMoov sia possibile riconoscere anche le diverse fasi del ciclo del cammino. E’ stato quindi sviluppato un algoritmo per la discrimi-nazione di alcuni periodi del cammino, ovvero capace di identificare le fasi di stance-swing e gli eventi di heel strike e toe off. Questo algoritmo si basa sull’utilizzo combinato dei segnali estratti da FootMoov (pressioni di tallone e pianta e componente y dell’accelerometro, che corrisponde alla direzione antero-posteriore del piede). Per validare i risultati ottenuti, `e stata effettuata una comparazione con un sistema ottico di motion capture (BTS -SMART DX 100). Durante l’esperimento svolto in laboratorio `e stato ana-lizzato il cammino di un soggetto normodotato, studiando il movimento del piede nelle diverse fasi del ciclo del passo. Si sono poi confrontati i risultati ottenuti dall’algoritmo sviluppato con la misura di riferimento ottenuta con 6

(16)

il sistema ottico.

Dal software ’FootMoov Analysis’ si ottengono dei buoni risultati sia per i parametri del passo identificati che per il classificatore delle attività. Per quanto riguarda i valori estratti dall’algoritmo implementato per la discrimi-nazione delle fasi si ottiene una buona coincidenza con i valori di riferimento trovati per il sistema ottico. L’errore medio percentuale, ottenuto dal con-fronto delle fasi di stance-swing estratte con l’algorimo implementato e la misura di riferimento del sistema ottico, è del 3.554%. In conclusione, risulta che FootMoov è uno strumento utile sia per effettuare l’analisi della biomec-canica del cammino che per estrarre alcuni parametri importanti legati al ciclo del passo. Si possono quindi avere diversi sviluppi futuri, tra cui: lo studio su soggetti con determinate patologie e l’applicazione della scarpa in combinazione a dispositivi di stimolazione e/o il controllo di neuroprotesi.

(17)

Analisi del Passo

La deambulazione è un movimento ciclico degli arti inferiori del tronco, che permette di trasferire il peso corporeo sull’arto di supporto e di avanzare in avanti l’arto controlaterale [2], [3], [4]. Il cammino è uno dei movimenti fondamentali che possono essere svolti dall’uomo ed è composto da una serie di passi che portano allo spostamento nello spazio del centro di gravità del corpo. Lo studio di questo movimento risulta molto importante in diversi campi di applicazione, come: medicina, animazione grafica e sport. Tale studio dal punto di vista clinico/fisioterapico permette di analizzare i diversi sistemi fisiologici, tra cui: il sistema muscolo-scheletrico, il sistema nervoso e il sistema sensoriale.

L’apparato locomotore presenta alcune funzioni principali che sono:

• Generazione di forza propulsiva

(18)

1.1 Le fasi del passo

• Mantenimento della stabilit`a a livello superiore, nonostante il continuo cambiamento della condizione posturale

• Assorbimento dello shock dovuto all’impatto con il terreno ad ogni passo

• Conservazione dell’energia durante le funzioni precedenti, al fine di minimizzare lo sforzo da parte dei muscoli

1.1 Le fasi del passo

Il ciclo del passo comprende tutti quei movimenti che vengono svolti tra due contatti successivi dello stesso tallone con il terreno [3]. La durata tem-porale dei diversi eventi associati al passo, viene espressa con delle percentuali e la somma di tutti questi valori `e pari al 100 % [2]. In questo modo viene facilitato il confronto tra soggetti diversi.

Come mostrato in Fig. 1.1, il passo si pu`o dividere in due fasi principali:

• Fase stance (appoggio): occupa circa il 60 % del ciclo del passo e cor-risponde al periodo in cui il piede si trova a contatto con il suolo [2], [3], [4]. Questa fase inizia nel momento in cui si ha il primo contatto del tallone (Heel Strike, HS) e si conclude quando si ha il distacco delle dita dello stesso piede dal suolo (Toe Off, TO)

(19)

• Fase swing (oscillazione): occupa circa il 40 % dell’intero ciclo del passo [2], [3], [4]. In questo periodo il piede non si trova a contatto ma `e in oscillazione e viene portato in avanti per consentire il suo appoggio successivo

Figura 1.1: Fasi di Stance e di Swing

Come mostrato in Fig. 1.2, la deambulazione pu`o essere divisa in altre due fasi: il periodo di singolo appoggio (single support) e quello di doppio appoggio (double support).

Durante gli studi di Perry, Winter e O’Connor [2], [3], [4], il ciclo del passo viene distinto in otto intervalli funzionali, la cui combinazione in sequenza permette agli arti inferiori di svolgere i seguenti compiti di base:

• Accettazione del carico (Weight Acceptance, WA)

• Appoggio su un singolo arto (Single Limb Support, SLS)

(20)

Figura 1.2: Fasi di single e double support

• Avanzamento dell’arto (Limb Advancement, LA)

Questi eventi associati al ciclo del passo, vengono presentati in Fig. 1.3.

Figura 1.3: Otto intervalli del ciclo del passo identificati da Perry, Winter e O’Connor

I valori percentuali relativi alla durata temporale delle diverse fasi del passo, sono invece mostrati in Fig. 1.4.

Il primo compito che l’arto considerato dovr`a svolgere `e l’accettazione del carico (Weight Acceptance, WA). Questo periodo va dallo 0 % al 10 % del

(21)

Figura 1.4: Valori percentuali legati alle fasi del passo riconosciute in un ciclo

ciclo ed `e costituito dalle prime due fasi del passo che sono:

• Contatto iniziale (Initial Contact, IC): identifica il momento in cui il tallone dell’arto in esame ha il suo primo contatto con il suolo. In questo primo periodo si ha uno stato di doppio appoggio: l’arto considerato si sta preparando al carico successivo, mentre l’altro, definito arto contro-laterale, si sta preparando al distaccamento dal suolo. Questo periodo inizia con l’evento di heel strike (HS)

• Risposta al carico (Loading Response, LR): in questa seconda fase viene attutito lo shock del contatto del piede dell’arto consideato con il suolo

Il secondo periodo, chiamato singolo supporto (Single Limb Support, SLS), va dal 10 al 50 % del ciclo del passo ed `e composto da due fasi, che sono:

(22)

• Appoggio intermedio (Mid Stance, MS): questa fase inizia quando il piede dell’arto controlaterale viene sollevato e termina quando il peso `

e sopportato dalle teste metatarsali e dalle dita del piede di interesse

• Appoggio terminale (Terminal Stance, TS): questa fase conclude il pe-riodo di singolo supporto e termina quando l’arto controlaterale tocca il suolo

Infine, si ha l’ultima fase delle tre che riguarda l’avanzamento dell’arto (Limb Advancement) ed `e costituita da quattro sottoperiodi [2], [3], [4], che sono:

• Pre-oscillazione (Pre Swing, PS): questa fase incomincia con il contatto iniziale del piede controlaterale e termina con il distacco delle dita dell’arto considerato. Questa fase, che va dal 50 al 60% del ciclo, `e l’ultimo periodo della fase di stance e corrisponde al secondo doppio supporto. Termina con l’evento di toe off (TO)

• Oscillazione iniziale (Initial Swing, IS): in questa fase il piede dell’arto considerato si solleva dal terreno e si muove in avanti. Il periodo termi-na quando l’arto oscillante `e parallelo al piede controlaterale. Questa fase va dal 60 al 73 % e comprende il primo periodo della fase di swing

• Oscillazione intermedia (Mid Swing, Msw): questa fase `e associata al-l’avanzamento dell’arto considerato e dura fino al momento in cui

(23)

que-sto si trova davanti all’arto controlaterale. Questa fase va dal 73 % all’87 %

• Oscillazione terminale (Terminal Swing, TSw): in questa fase l’arto in esame decelera per un corretto pre-posizionamento che lo prepari alla successiva fase di appoggio e si conclude quando il suo tallone tocca il suolo. Questa fase va dall’87 % al 100 % del ciclo

Nel quinto capitolo viene descritto lo sviluppo e la valutazione di un algoritmo che `e utilizzato per riconoscere alcune delle fasi principali legate al ciclo del passo.

1.2 Parametri del passo

Dopo aver analizzato le principali fasi del cammino, `e importante anche capire alcuni dei parametri principali legati alla biomeccanica del passo. Ne-gli ultimi anni lo studio della postura e del movimento umano ha portato a delle innovazioni tecnologiche le quali permettono di ottimizzare i percorsi terapeutici e riabilitativi di un soggetto patologico. Lo studio dei parame-tri legati a questo movimento risulta importante per una diretta valutazione funzionale dell’apparato locomotore sia in soggetti normodotati, che in quelli con eventuali patologie legate al sistema neuromuscolare. I parametri estrat-ti dall’analisi fatta sul soggetto, vengono poi comparaestrat-ti con i valori che si

(24)

1.2 Parametri del passo

trovano in letteratura [2], [3], [4] e per poter cos`ı verificare eventuali patolo-gie. Nell’elenco sotto vengono riassunte alcuni dei principali parametri che servono per poter descrivere il cammino nello spazio e nel tempo [3]:

• Durata del passo (Stride Period): `e un parametro temporale e indica il periodo di tempo che intercorre tra i due istanti in cui avviene il con-tatto dello stesso piede con il terreno (in genere si considera il concon-tatto del tallone)

• Durata del semipasso (Step Period): `e un parametro temporale e indica il periodo di tempo che si ha tra il contatto di un piede e il contatto del piede controlaterale

• Fase di Appoggio (Stance): `e un parametro temporale e indica il pe-riodo di tempo in cui un piede si trova a contatto con il terreno. Inizia con il contatto del tallone (Heel Strike) e termina con il distacco delle dita (Toe Off) (Fig.1.1, Fig.1.3)

• Fase di Oscillazione (Swing): `e un parametro temporale e indica il periodo di tempo in cui il piede non si trova a contatto con il terreno (Fig.1.1, Fig.1.3)

• Lunghezza del passo (Step Length): `e un parametro spaziale e indica la distanza che si ha tra il contatto del piede e il contatto successivo dello stesso piede con il terreno

(25)

• Lunghezza del semipasso (Stride Length): `e un parametro spaziale e indica la distanza che si ha tra il contatto di uno dei due piedi con il terreno e il contatto del piede controlaterale

• Cadenza (n◦_{passi/min) (Cadence): corrisponde al numero di passi}

nel-l’unità di tempo ed è l’inverso della durata del ciclo. Dipende dal tipo dalla attività svolta dal soggetto come, ad esempio, durante la corsa si effettua un numero maggiore di passi nell’unità di tempo [5].

• Velocità (Velocity): è la velocità di spostamento lineare lungo la linea di progressione del corpo. E’ il prodotto della lunghezza media del passo per la frequenza del passo

1.3 Strumentazione per l’analisi del cammino

Una volta descritti i parametri fondamentali legati al passo, in questo paragrafo si andr`a a fare una panoramica sulle principali tecnologie usate per effettuare l’analisi del cammino in un soggetto.

I sistemi di analisi del movimento permettono lo studio quantitativo del movimento umano. I dati che possono essere acquisiti sono:

• Dati Cinematici: vengono valutati i movimenti (posizione, velocit`a e accelerazione) del corpo mediante sistemi di Motion Capture

(26)

1.3 Strumentazione per l’analisi del cammino

• Dati Dinamici: si misurano forze e momenti angolari utilizzando piat-taforme di forza

• Parametri Fisiologici: si misurano i segnali elettrici legati all’attivit`a muscolare (Elettromiografia, EMG), utilizzando degli elettrodi

1.3.1 Sistemi di Motion Capture

In questo paragrafo vengono descritti in modo pi`u dettagliato i sistemi di motion capture, che permettono di catturare i movimento di un sogget-to e poter quindi valutare il cammino dal punsogget-to di vista cinematico. Lo scopo principale delle tecniche di motion capture, come definito nel lavolo di Menache [6], `e quello di ’digitalizzare’ il movimento di un soggetto, for-nendo una rappresentazione matematica del movimento reale. Combinando i vari punti chiave forniti in uscita da questa elaborazione, si ottiene una rappresentazione tridimensionale del movimento analizzato.

In Fig. 1.5, sono mostrate le principali tecnologie di Motion Capture che sono divise in due grandi famiglie: sistemi di tipo ottico e di tipo non ottico. I sistemi di motion capture ottici, hanno il vantaggio di essere molto preci-si e accurati nell’effettuare la ricostruzione tridimenpreci-sionale del movimento. D’altro canto, presentano anche alcuni svantaggi: sono costosi, ingombranti e non possono essere utilizzati al di fuori di un laboratorio attrezzato. Per

(27)

questo a volte, si preferisce utilizzare dei sistemi meno accurati, che per`o sono meno costosi e possono essere impiegati anche in un ambiente esterno.

Figura 1.5: Sistemi di Motion Capture

In ambito clinico, le tecniche di motion capture ottiche pi`u utilizzate, sono quelle di tipo passivo, Fig. 1.6. In questo tipo di dispositivi, l’acquisizione dei dati `e implementata usando marker retroriflettenti disposti sulla pelle del soggetto in accordo con vari protocolli di posizionamento, a seconda del tipo di movimento che si vuole analizzare, Fig. 1.7. Durante la misurazione, la scena viene illuminata con luce a infrarossi prodotta da un array di diodi, 18

(28)

che vengono disposti attorno all’obiettivo della telecamera che sta filmando la scena.

Figura 1.6: Motion Capture ottico Figura 1.7: Disposizione di una serie di marker su arti inferiori

Nel quinto capitolo viene descritto un esperimento svolto in laboratorio, in cui si fa uso di uno specifico sistema di motion capture di tipo ottico, chiamato BTS - SMART DX 100, prodotto dalla BTS Bioengineering [7]. Questo sistema ottico ad alta precisione consente la ricostruzione cinematica dei segmenti corporei attraverso il rilevamento di opportuni marker, utilizzando un set di telecamere digitali ad alta precisione. Le telecamere di questo sistema sono mostrate in Fig. 1.8.

Queste telecamere utilizzano sensori ad elevata sensibilit`a e illuminatori dal design innovativo e funzionale, la cui potenza di irraggiamento

(29)

combi-Figura 1.8: Telecamere BTS-SMART DX-100

nata all’alta risoluzione della telecamera stessa, amplia lo spazio di lavoro e consente la cattura di movimenti rapidi e normalmente impercettibili.

Nella Tab. 1.1, vengono riportate le caratteristiche tecniche del sistema ottico BTS - SMART DX 100.

La prima fase dell’analisi del movimento, si basa sulla calibrazione del sistema di misura, mediante la quale si determinano le caratteristiche geo-metriche ed ottiche delle telecamere (parametri interni) e la posizione e l’o-rientamento del sistema di riferimento locale della telecamera rispetto alla terna globale solidale al laboratorio (parametri esterni). Terminata la fase di calibrazione mediante il software integrato nel sistema, chiamato SMART-Capture, si procede con l’acquisizione del movimento dell’articolazione che si sta analizzando. Da questa descrizione, emergono due degli aspetti cri-tici del sistema ottico, ovvero che le acquisizioni sono limitate nello spazio

(30)

Telecamere digitali a raggi infrarossi 4

Risoluzione sensore 640 x 480 (0.3 Mpixel)

Fraquenza di acquisizione 100 Hz

Accuratezza < 0.2 mm su volume 2x2x2 m

Lunghezza d’onda LED illuminatore 850 nm

Marker passivi riflettenti 15 mm

Tabella 1.1: Caratteristiche tecniche del sistema BTS SMART- DX 100

di lavoro calibrato e che l’eventuale occlusione dei marker, durante l’esecu-zione del movimento, potrebbe dare una non corretta acquisil’esecu-zione dei dati. Successivamente, mediante un secondo software, chiamato SMART-Tracker, si prosegue con la fase di traking, che si basa sulla ricostruzione tridimen-sionale della traiettoria di ciascun marker. Durante questa fase, si cerca di eliminare eventuali artefatti chiamati phantom, che possono essere provocati dalla sovrapposizione di tracce distinte o dal passaggio dei marker di fronte agli illuminatori. Come descritto nel quinto capitolo, questo sistema verr`a utilizzato per registrare informazioni sul movimento del cammino, dalla cui analisi saranno estratti dei valori usati per distinguere le diverse fasi del passo [8]. In Fig. 1.9, viene mostrata la disposizione delle telecamere in laboratorio durante lo svolgimento dell’esperimento. La loro disposizione nello spazio,

(31)

dovrà essere fatta in modo tale da avere: l’area della prova il più estesa pos-sibile e una chiara visione dei marker. Durante la fase di registrazione, ogni marker deve essere visto almeno da due telecamere, anche se è preferibile usarne un numero maggiore per avere una misurazione più accurata.

Figura 1.9: Disposizione telecamere del BTS nel laboratorio

(32)

Capitolo 2

Sistemi indossabili per analisi

del passo

In questa tesi `e stata analizzata la biomeccanica del cammino utilizzando i segnali acquisiti da una specifica calzatura sensorizzata, chiamata Foot-Moov. Parte di questo lavoro deriva da un tirocinio svolto presso un’azienda (Adatec s.r.l) del Polo Tecnologico di Navacchio. L’azienda, in collaborazio-ne con un calzaturificio di Fucecchio, ha realizzato un dispositivo innovativo, che consiste in una scarpa sensorizzata, chiamata FootMoov e mostrata in Fig. 2.1. In questo dispositivo vengono completamente integrati i sensori e l’elettronica durante il processo produttivo. I segnali acquisiti dalla scarpa possono essere elaborati in modo da ricavare informazioni sui parametri del passo e sul tipo di attivit`a svolta dal soggetto.

(33)

Per poter capire bene le potenzialit`a di questo dispositivo, nei para-grafi successivi, verr`a fatta una panoramica sui sistemi di tipo indossabile (wearable devices) simili a FootMoov.

(34)

2.1 Prodotti in Commercio

2.1.1 Nike+

Il sistema Nike+ [9] `e nato da una collaborazione tra le aziende Nike e Apple. In questo dispositivo `e presente una piccola scheda elettronica, in cui `

e stato integrato un accelerometro piezoelettrico, Fig.2.2 e Fig.2.3.

Figura 2.2: Sensore Nike+ Figura 2.3: Interno del sensore Nike+

Come `e possibile vedere dalla Fig. 2.4, il sensore Nike+ dovr`a essere inserito all’interno di un alloggiamento presente sotto la suola di una scarpa Nike.

I dati provenienti dal sensore verranno trasmessi ad un Iphone esterno, che grazie ad una specifica applicazione fornita al momento dell’acquisto, permette l’elaborazione dei dati e la valutazione di alcuni parametri legati al passo, come: numero di passi svolti, velocit`a e numero di calorie consuma-te. Questo dispositivo viene utilizzato principalmente durante l’allenamento,

(35)

Figura 2.4: Alloggiamento interno

permette infatti all’atleta di avere una maggiore motivazione e di controllare l’andamento delle sue performance.

Lo svantaggio principale di questo sistema è che la batteria ha una durata di circa 1000 ore e non è ricaricabile né intercambiabile. Per questo, una volta esaurita, il dispositivo non può più essere utilizzato. Un secondo svantaggio `

e dovuto al fatto che presenta solo un accelerometro e non vengono fornite informazioni sulle forze applicate dal piede sul terreno.

2.1.2 Orpyx - SurroSense Rx

Il sistema SurroSense [10], Fig. 2.5, è un dispositivo che viene utilizzato per aiutare le persone che soffrono di diabete a prevenire eventuali neuropatie periferiche. Questa patologia consiste in un’alterazione del sistema nervoso periferico, che può essere determinata dal diabete mellito. Un problema par-ticolare che deriva dalla coesistenza della neuropatia e della macroangiopatia, un’alterazione a livello dei vasi sanguigni sempre dovuta al diabete, è la fa-cilità con la quale i soggetti con questa patologia sviluppano delle ulcere agli 26

(36)

arti inferiori.

Figura 2.5: Orpyx

All’interno del dispositivo SurroSense sono presenti dei sensori, che ven-gono utilizzati per valutare la pressione esercitata dal piede nelle diverse aree plantari. Il sistema è dotato di un piccolo dispositivo che può essere attac-cato, con l’utilizzo di un clip, alle stringhe della scarpa e collegato tramite cavo ai sensori di SurroSense. Questo dispositivo permette di acquisire i dati pressori da cui si stima un possibile rischio di neuropatia. Se questo rischio raggiunge livelli alti, il paziente riceve un messaggio di allerta sul suo smart-watch o smartphone, Fig. 2.6. All’individuo viene inoltre fornita una mappa delle pressioni del piede e informazioni sulle aree della pianta che stanno so-stenendo una pressione da un periodo di tempo maggiore di 15 minuti. Il soggetto quindi è in grado di modificare la posizione del piede in modo da prevenire eventuali rischi di ulcerazione.

(37)

Figura 2.6: Orpyx

2.1.3 Pedar

Le solette sensorizzate Pedar [11], Fig. 2.7, sono dispositivi molto accurati e precisi e permettono sia di misurare la distribuzione delle pressioni plantari all’interno della scarpa sia di controllare i carichi che agiscono tra il piede e la calzatura. Questo sistema presenta diversi vantaggi sono mobili, flessibili, versatili e possono essere usati anche per lunghi periodi di tempo. I sensori al loro interno hanno diverse geometrie in modo da andare a monitorare anche zone particolari della pianta, come le aree dorsali e mediali. Le solette possono essere di diverse taglie e a seconda della loro dimensione cambia il numero di sensori integrati. Questo sistema pu`o essere connesso al PC via cavo o attraverso una connessione wireless (Bluetooth).

Le solette Pedar presentano per`o alcuni svantaggi [12]. Infatti sono molto costose e fragili e se i sensori non raggiungono il livello di soglia minimo non

(38)

Figura 2.7: Soletta Pedar

andranno ad attivarsi.

2.1.4 OpenGo science

Il sistema OpenGo science [13], Fig. 2.8, `e una soletta sensorizzata pro-dotta dall’azienda Moticon. Questo dispositivo permette di misurare le distri-buzione delle pressioni plantari, i carichi totali, le accelerazioni del piede e il centro delle pressioni. La soletta `e completamente wireless e non interferisce in nessun modo con il movimento del piede.

Insieme alla solette viene fornito un software, chiamato ’Beaker’, che ha diverse funzionalit`a tra cui: l’acquisizione dei dati provenienti dalla solet-ta, la sincronizzazione dei video e l’analisi della distribuzione delle pressioni plantari. Nel dispositivo sono integrati diversi sensori di pressione, un acce-lerometro posizionato nel centro della soletta e una batteria ricaricabile, Fig.

(39)

Figura 2.8: Soletta OpenGo

2.9.

Figura 2.9: Posizione dei sensori nella soletta OpenGo science

Queste solette possono essere utilizzate in diversi modelli di scarpa, sono molto precise e accurate, ma hanno lo svantaggio di essere molto costose.

2.2 Studi scientifici

Oltre ai prodotti in commercio, esistono diversi prototipi che sono in via di sviluppo. In diversi studi in cui sono stati analizzati alcuni parametri legati al passo e le sue fasi principali, sono stati utilizzati accelerometri triassiali [14] 30

(40)

2.2 Studi scientifici

posizionati a livello del tallone o giroscopi posizionati a livello dello stinco [15]. Nello studio di Morris [1] che si andr`a a descrivere di seguito, viene presentato lo sviluppo di dispositivo, Fig. 2.10, che `e stato utilizzato per monitorare in tempo reale le distribuzioni della pressione del piede durante la camminata e per identificare gli eventi del cammino di heel strike e di toe off. All’interno di questo dispositivo sono presenti:

• Tre accelerometri triassiali

• Tre giroscopi

• Quattro sensori di forza

• Due sensori di bending

• Due sensori di pressione dinamica

Come si pu`o vedere in Fig. 2.10, il sistema `e costituito da una soletta con integrati i sensori di forza, pressione e bending e da una scatolina contenente gli accelerometri e i giroscopi, la quale viene posizionata nella parte posteriore della scarpa.

Nella Fig. 2.11 viene invece mostrata la disposizione dei sensori sulla soletta.

I sensori di bending sono utilizzati per andare a valutare la flessione del piede e i sensori di pressione vengono utilizzati per valutare le pressioni eser-citate dal piede sul terreno. Il dispositivo viene montato su entrambi i piedi,

(41)

Figura 2.10: Dispositivo sensorizzato descritto in [1]

Figura 2.11: Disposizione dei sensori nella soletta sensorizzata

Fig. 2.12, e permette la trasmissione dei dati acquisiti dai sensori grazie ad una antenna.

Questo tipo di soletta può essere inserita in qualsiasi modello di scarpa, permette di svolgere qualsiasi attività senza interferire con i movimenti e inol-tre può essere usata in qualsiasi tipo di ambiente anche per lunghi periodi di tempo. Dopo lo sviluppo è stato utilizzato un protocollo di sperimentazione su soggetti sani e su soggetti con difficoltà nella deambulazione.

(42)

Figura 2.12: Montaggio del sistema sensorizzato su entrambe le calzature

razione dei dati ottenuti dalle prove, sono stati ottenuti i parametri legati alla lunghezza e alla velocit`a del passo e l’identificazione di alcuni eventi del passo, come heel strike e toe off. Infine i risultati ottenuti dall’esperi-mento sono stati confrontati con quelli ottenuti con il sistema ottico MGH BML. Gli svantaggi di questo prototipo sono: il costo (300 dollari) e il peso dell’hardware (300 g).

Nel lavoro di Razak et al. [16], viene descritto lo sviluppo di un dispositivo al cui interno `e presente un sensore di pressione costituito da una camera ad aria, realizzata avvolgendo dei tubicini in silicone, come mostrato in Fig. 2.13.

Tale dispositivo `e stato sviluppato per permettere la valutazione delle forze di contatto del piede con il suolo, da cui `e possibile identificare alcune fasi del passo: initial contact, loading responce, mid stance, terminal stance,

(43)

Figura 2.13: Soletta con sensore di pressione ad aria

pre swing, swing. Questo particolare sensore di pressione è stato sviluppato perchè i sensori di forza in commercio non sono risultati adatti per questo tipo di acquisizione, permettono infatti di misurare le forze solo in piccole aree del piede. Il sensore ad aria ha, invece, diversi vantaggi: non crea disturbo nei movimenti, può essere usato per lunghi periodi di tempo, è facile da fabbricare, la pressione cambia linearmente con le forze applicate ed è molto leggero.

A questo sistema `e stato poi associato un algoritmo sviluppato in logica fuzzy, dove le fasi del passo riconosciute sono legate a delle specifiche classi di appartenenza. Nell’ultima parte dello studio, sono stati descritti i test svolti su diversi soggetti, fatti per valutare la funzionalit`a del sistema e analizzare

(44)

le fasi del cammino anche in soggetti con patologie legate all’arto inferiore. In questo studio, `e stato sviluppato anche un algoritmo per verificare le anormalit`a delle fasi in un passo irregolare.

Nel lavoro di Pappas et al. [8], viene descritto un algoritmo basato su una macchina a stati che permette di riconoscere alcune fasi principali associate al ciclo del passo, tra cui le fasi di stance e swing e gli eventi di heel off e heel strike. Le transizioni tra i diversi stati della macchina sono governate da algoritmi noti e la definizione delle condizioni di questi permette la discrimi-nazione delle diverse fasi del passo. Sul dispositivo sono presenti tre sensori di forza e un giroscopio, posizionati come mostrato in Fig.2.14.

Figura 2.14: Disposizione dei sensori

Questo sistema `e stato poi testato su un certo numero di soggetti. Le prove svolte, per la raccolta dei dati, consistevano nel far svolgere un cammino libero. I risultati dalle prove sono stati infine comparati con quelli ottenuti con un sistema ottico Vicon, Fig. 2.15. Questo dispositivo di motion tracking, permette di misurare le traiettorie tridimensionali dei marker, che sono stati

(45)

posizionati su punti specifici del corpo del paziente. Si ottiene una buona corrispondenza tra le fasi estratte con la macchina a stati e quelli usati come riferimento, ottenuti con il sistema ottico.

Figura 2.15: Sistema ottico a marker passivi, Vicon

2.3 FootMoov

FootMoov [17] `e un dispositivo che uscir`a sul mercato a breve, sviluppato grazie alla collaborazione di due aziende toscane: Adatec, un’azienda che svi-luppa dispostivi elettronici, collocata presso il polo tecnologico di Navacchio (PI) e Carlos s.r.l, un calzaturificio con sede a Fucecchio (FI).

Questo dispositivo innovativo, che consiste in una scarpa sensorizzata, Fig. 2.16, ha i sensori e l’elettronica completamente integrati al suo inter-no e permette la trasmissione di dati, tramite una connessione wireless, a

(46)

2.3 FootMoov

dei sistemi mobile (tablet, smartphone). I segnali provenienti dalla scarpa verranno poi raccolti ed elaborati da questi dispositivi esterni.

In questo lavoro di tesi sono state valutate le potenzialità di FootMoov, per l’estrazione di parametri legati alla biomeccanica del cammino. Questo dispositivo è stato sviluppato per essere commercializzato in ambito videolu-dico. Nell’ambito del tirocinio, all’interno del quale è stato sviluppato questo lavoro, sono stati sviluppati dei software per l’acquisizione e l’analisi dei da-ti provenienda-ti dalla scarpa e sono stada-ti implementada-ti degli algoritmi per il riconoscimento delle fasi del passo.

Figura 2.16: FootMoov

2.3.1 Elettronica

Nell’elettronica della scarpa sono integrati due sensori di forza FSR e un accelerometro triassiale. I sensori di forza sono posti rispettivamente sotto

(47)

la pianta e sotto il tallone; la loro distanza cambia a seconda della taglia del piede. L’accelerometro è stato integrato nella parte anteriore della scheda, in corrispondenza della punta della scarpa. La posizione dei sensori nella scheda elettronica di FootMoov è stata scelta in modo tale da sfruttare al meglio le potenzialità della scarpa nel suo campo di applicazione. L’accelero-metro sulla punta della scarpa fornisce informazioni sul movimento del piede e sull’inclinazione rispetto alla verticale. I sensori di pressione forniscono altre informazioni relative alle forze esercitate dal piede sul terreno. La loro disposizione, come si vedrà nei capitoli successivi, risulterà molto utile anche per determinare la fasi del passo.

I sensori di forza sono di forma circolare e sono costituiti da uno spesso film polimerico (PTF). Questo rivestimento fornisce una grande robustezza al sensore e fa s`ı che non si rompa, anche se sottoposti ad ingenti forze o pressioni.

La pressione, P, `e legata in modo proporzionale alla forza, F, applicata sulla superficie, S, dalla seguente formula:

P = F S

Per questo motivo l’utilizzo dei sensori di forza risulta utile per poter deter-minare la pressione applicata dal piede sul terreno.

La resistenza interna al sensore diminuisce con l’aumentare della forza applicata, come viene mostrato nel grafico in Fig. 2.17.

(48)

2.3 FootMoov

Figura 2.17: Andamento della resistenza sensore in funzione della forza

Il circuito per andare a prelevare il segnale proveniente dal sensore è mo-strato in Fig.2.18, dove: la resistenza variabile, RV, è quella che rappresenta il sensore e varierà il proprio valore resistivo in base alla forza applicata e la resistenza di misura, RM, serve per massimizzare la sensibilità della forza desiderata e per limitare la corrente.

(49)

Il segnale Vout, in uscita dal buffer, sar`a dipendente proprio dalla RM,

dalla RV e dalla tensione di alimentazione di rete, V+_{. Sotto viene mostrata}

la formula che descrive la tensione di uscita Vout in funzione di queste tre

grandezze:

Vout =

RM ∗ V+ (RM + RV )

La valutazione delle pressioni sulla pianta e sul tallone, risulta partico-larmente utile per valutare la distribuzione delle pressioni plantari del piede durante le diverse attivit`a svolte dal soggetto. La dis

L’accelerometro triassiale ha dimensioni molto ridotte, ha la particolarità di avere bassi consumi di potenza e una risoluzione di 12 bit. Il fondo scala è programmabile, nel caso specifico di FootMoov è stato scelto un fondo scala di ±2g. I dati che vengono forniti in uscita dall’accelerometro sono di tipo quantizzato (0-4096).

In Fig. 2.19 `e possibile vedere come sono orientati gli assi delle accelerazio-ni nello spazio rispetto al case del sensore. L’accelerometro `e integrato nella scarpa in modo da far corrispondere l’accelerazione sull’asse x alla direzio-ne latero-mediale, l’acceleraziodirezio-ne sull’asse y alla direziodirezio-ne antero-posteriore, mentre l’accelerazione sull’asse z alla direzione infero-superiore del piede, Fig. 2.20.

(50)

2.3 FootMoov

Figura 2.19: Accelerometro Trias-siale

Figura 2.20: Orientazione assi FootMoov

Nell’elettronica `e presente un microcontrollore, prodotto dalla Texas In-strument, che permette l’acquisizione, l’impacchettamento e la trasmissione dei dati provenienti dalla scarpa. All’interno del circuito, `e presente una bat-teria ricaricabile al litio con tensione di alimentazione di 3.7 V e un consumo di 420 mAh.

2.3.2 Il collegamento wireless

FootMoov [17], tramite un collegamento wireless (WiFi), permette la tra-smissione dei dati verso altri dispositivi esterni, come ad esempio smartphone, tablet o PC. I dati, una volta trasmessi, possono essere raccolti e salvati in questi dispositivi. Come è possibile vedere in Fig. 2.21, nella parte poste-riore della scarpa è presente un ingresso mini USB e permette di ricaricare la batteria della scarpa. Nella stessa parte, Fig. 2.21, è presente anche una levetta che permette l’accensione o lo spegnimento dell’elettronica interna.

(51)

Figura 2.21: Levetta accensione

(52)

Capitolo 3

Software di acquisizione e

analisi dei dati

L’acquisizione e la raccolta dei segnali interni a FootMoov viene fatta gra-zie all’utilizzo di applicazioni installate nei dispositivi mobili. Sulla linea di questi programmi è stato sviluppato un software, chiamato ’FIM’, ’FootMoov Inside for Matlab’, che permette la connessione della scarpa al PC, la raccolta dei dati e la visualizzazione in real time dei segnali provenienti dai sensori. Per consentire l’analisi dei dati estratti dalla scarpa, è stato sviluppato un secondo programma, chiamato ’FootMoov Analysis’. Questo software per-mette il riconoscimento dell’attività svolta dal soggetto e di ricavare alcuni parametri legati al cammino, il numero di passi svolti e la cadenza.

(53)

3.1 Sviluppo del programma di connessione

e acquisizione dei dati con Matlab

In questa parte della tesi viene descritto il software ’FIM’, implementato con il linguaggio di programmazione MATLAB. Questo programma permette la connessione e l’acquisizione dei segnali provenienti dai sensori della scarpa. FootMoov, come detto nel secondo capitolo, permette un collegamento WiFi con dispositivi esterni, grazie alla presenza del modulo wireless nella sua elettronica interna.

3.1.1 Connessione della scarpa

La connessione WiFi, tra la scarpa e il PC, avviene attraverso il proto-collo TCP/IP e con architettura di rete di tipo server/client, il cui schema `e mostrato in Fig. 3.1. Nel caso di FootMoov, la scarpa `e il server, mentre i dispositivi esterni (PC, smartphone, tablet) sono i client.

Il protocollo TCP/IP, Trasmission Control Protocol/Internet Protocol, si basa su un servizio di trasporto orientato alla connessione (TCP) e un ser-vizio a livello di rete senza connessione (IP). Il protocollo TCP si occupa di controllare la trasmissione dei dati, ovvero di rendere affidabile la comunica-zione in rete tra mittente e destinatario (server-client). Questo protocollo si occupa di instaurare la connessione tra i processi applicativi dei terminali in comunicazione attraverso la definizione di una socket, tramite cui mittente 44

(54)

3.1 Sviluppo del programma di connessione e acquisizione dei dati con Matlab

Figura 3.1:

e destinatario possono comunicare. La socket è costituita da un indirizzo IP e il numero della porta. Il processo che avvia una nuova connessione è il client, che invia una richiesta di connessione verso una determinata porta. Il collegamento viene effettuato se c’è un processo server in ascolto che accetta di stabilire la connessione. A questo punto il client emette una richiesta verso il server con il suo indirizzo IP dinamico e il numero della porta, e il server, che riceve la richiesta, risponde attraverso l’indirizzo del terminale client e della sua porta, permettendo in questo modo la connessione.

3.1.2 Software FIM, FootMoov Inside for Matlab

Il software sviluppato ’FIM’, FootMoov Inside for Matlab, permette al-l’utente di connettersi alla scarpa, di acquisire, salvare e graficare i dati dei sensori in modo semplice e intuitivo. Questo programma permette lo scam-bio di informazioni tra il client, come PC, tablet o smartphone, e la scarpa

(55)

FootMoov. Il linguaggio di programmazione MATLAB (MathWorks Inc.), utilizzato per l’implementazione di questo software, fornisce uno strumen-to chiamastrumen-to GUIDE, che permette lo sviluppo di interfacce personalizzate. Grazie all’utilizzo del layout editor di GUIDE si pu`o progettare la GUI, ovvero l’interfaccia del programma. Sull’interfaccia del software ’FIM’, mo-strata in Fig. 3.2, sono presenti diversi tasti i cui nomi e la cui abilitazio-ne/disabilitazione nelle diverse fasi dell’utilizzo del programma, aiuteranno l’utente alla comprensione del suo funzionamento.

Figura 3.2: Layout del software ’FIM’

Il tasto ’Connect FootMoov’, permetter`a il collegramento tra scarpa e PC. Premendo questo pulsante di connessione viene inviata una socket dal

(56)

3.1 Sviluppo del programma di connessione e acquisizione dei dati con Matlab

client alla scarpa permettendo il collegamento. Nel caso di FootMoov la soc-ket `e composta dall’indirizzo IP ’1.2.3.4’ e dal numero di porta ’2000’. La scarpa, una volta connessa, fornisce al programma una stringa di caratteri, ’*HELLO*READY*’, e sull’interfaccia del software apparir`a la scritta ’REA-DY’. Stabilita la connessione, per avviare la trasmissione dei dati provenienti dai sensori, l’utente deve premere il tasto ’START Data Acquisition’. Una volta premuto questo bottone, il programma invia il carattere ’s’ alla scarpa che inizia ad inviare i pacchetti di dati provenienti dai sensori. I valori che provengono in realtime dalla scarpa vengono mostrati nelle caselle predispo-ste sull’interfaccia del software, mostrate in Fig. 3.2. Durante questa fase di acquisizione, vengono inoltre mostrati i grafici dei dati, Fig. 3.3, che avranno anch’essi un aggiornamento in realtime.

Per fermare l’acquisizione, l’utente deve premere il pulsante ’STOP Data Acquisition’. Premuto questo tasto, il programma manda alla scarpa il ca-rattere ’z’ che ferma l’invio dei dati provenienti dai sensori, mantenendo per`o aperta la connessione in attesa di comandi da parte del client. Il pulsante ’Disconnect FootMoov’ permette di chiudere questo collegamento wireless, mentre il bottone ’Save’ permette il salvataggio su file testo dei dati ottenuti. Questo file conterr`a tutti i segnali acquisiti dai sensori della scarpa associati alla prova appena svolta.

In conclusione, Il software ’FIM’ `e stato sviluppato per permettere agli utenti di connettere la scarpa al PC e di avere una lettura/visualizzazione in

(57)

Figura 3.3: Esempi di grafici realtime estratti con il software ’FIM’

realtime dei dati provenienti dai sensori della scarpa FootMoov.

3.2 Software ’FootMoov Analysis’

E’ stato implementato con il linguaggio di programmazione MATLAB, il software ’FootMoov Analysis’, che permette la classificazione del tipo di attivit`a svolta dal soggetto e la determinazione di alcuni parametri associati al cammino, che sono: numero di passi svolti e cadenza. Il layout iniziale di questo programma `e mostrato in Fig. 3.4.

(58)

3.2 Software ’FootMoov Analysis’

Figura 3.4: Layout FootMoov Analysis

3.2.1 Classificazione delle attivit`

a

Il riconoscimento delle attività svolte da un soggetto permette la valu-tazione delle performance e il monitoraggio di alcuni parametri fisiologici, come l’ECG. In letteratura si trovano molti articoli relativi a questa anali-si, che utilizzano come segnale di base proprio quello estratto da uno o più accelerometri che possono essere posizionati in diversi punti del corpo [18], [19], [20]. Nel caso della scarpa FootMoov, oltre all’accelerometro triassiale sulla punta, sono presenti anche due sensori di forza che risulteranno molto utili per fare una migliore classificazione. Le attività riconosciute da questo programma e tutte associate all’apparato locomotore sono: cammino nor-male, cammino da fermo, corsa, scale e sedersi/alzarsi da una sedia. Per tutte queste attività sono state svolte delle prove, chiamate di ’training’, di

(59)

cui sono stati analizzati i dati e dalla cui valutazione `e stato implementato l’algoritmo di classificazione, di tipo euristico. I valori estratti dall’analisi dei segnali acquisiti da FootMoov che sono risultati utili per effettuare questa discriminazione sono:

• SMA, Signal Magnitude Area: calcolato a partire dai dati acquisiti dall’accelerometro filtrati sulla componente continua, utilizzando un filtro passa alto di ordine tre con frequenza di taglio pari a 0.01 Hz

• Dati estratti dal sensore di forza posizionato sotto la pianta

• Dati estratti dal sensore di forza posizionato sotto il tallone

L’indice SMA [18] si calcola a partire dai dati acquisiti dall’accelerometro posizionato sulla punta della scarpa. La formula usata per calcolare questo parametro `e la seguente:

SM A =

N

X

i=1

(|x(i)|) + (|y(i)|) + |z(i)|)

con x(i), i valori estratti dall’accelerometro corrispondenti all’asse X, y(i), quelli corrispondenti all’asse Y e z(i), quelli corrispondenti all’asse Z, tutti valutati per l’istante i-esimo e filtrati sulla componente continua.

Dall’analisi dei valori dell’ SMA, è stato visto che questa assume valori differenti per le diverse attività studiate e questo fattore risulterà molto utile

(60)

per effettuare la classificazione. In particolare, questo indice assume valori molto diversi nel caso in cui si vada a confrontare prove di tipo dinamico con quelle di tipo statico.

Figura 3.5: Metodo di ricerca delle soglie

Oltre all’SMA, sono stati anche analizzati i dati campionati acquisiti dai sensori di forza posizionati sotto la pianta e il tallone. Questi assumono valori diversi a seconda del soggetto analizzato e del tipo di attivit`a valutata.

(61)

Come mostrato in Fig. 3.5, partendo dai segnali estratti da FootMoov per ogni prova di ’training’ relativa ad una specifica attività, sono stati trovati tre valori. Due valori sono relativi alla media dei massimi dei dati estratti dai sensori di forza, mentre l’altro è associato alla media dei valori dell’SMA. Da queste tre informazioni infine sono state trovate due soglie: SH, alta, e SL, bassa. A partire da questi valori estratti dalle prove di ’training’, se viene caricata in questo software una prova ancora non riconosciuta, l’algoritmo che permette la sua classificazione è quello mostrato in Fig. 3.6.

Figura 3.6: Algoritmo di classificazione delle prove

(62)

Dai dati FootMoov associati alla prova caricata, vengono calcolati tre va-lori: la media dell’ SMA e le medie dei massimi dei dati estratti dai sensori di forza. Come è possibile vedere nel blocco decisionale di sinistra, questi tra parametri estratti dalla prova che si vuole andare a riconoscere, vengono confrontati con le soglie associate ad una delle prove di ’training’. Se tutte le condizioni presenti in questo primo blocco decisionale si verificano, allora la prova viene riconosciuta e si trova una corrispondenza tra la prova caricata e la prova di ’training’ confrontata. Se almeno una delle condizioni non si verifica, i dati vengono inviati al blocco decisionale di destra associato alle prova sedersi/alzarsi; se le condizioni di questo secondo blocco si verificano tutte l’algoritmo associa la prova all’attività sedersi/alzarsi. Se almeno una di queste ipotesi non si verifica e l’algoritmo non trova corrispondenza, allo-ra torna ad effettuare un nuovo confronto tallo-ra i tre valori relativi alla prova caricata e le soglie della prova di ’training’ successiva. Come si può vede-re in figura, nell’interfaccia del softwavede-re ’FootMoov Analysis’ questa parte dedicata alla classificazione è mostrata in Fig. 3.7.

Nella parte in alto a sinistra dell’interfaccia, vi è la casella dedicata alle istruzioni, che devono essere seguite dall’utente per utilizzare il software in modo corretto. Sotto questa casella vi è il tasto ’Inserisci caratteristiche Sog-getto’ che permette di scegliere il file ’Caratteristiche’, dove si trova l’elenco delle proprietà principali del soggetto che si vuole analizzare (nome, età, peso e altezza). Una volta scelto questo file le caratteristiche vengono mostrate

(63)

Figura 3.7: Layout del classificatore

nella tabella posta sotto questo pulsante.

In Fig. 3.7 vengono anche mostrati i tasti principali associati alla clas-sificazione delle attività, che sono: ’Inserisci Prova’ e ’Riconosci Prova’. Il primo bottone serve per andare a caricare la prova che si vuole riconoscere, contenuta nella cartella del soggetto scelto, che una volta selezionata, nella casella ’Nome Prova’, apparirà il nome del file della prova che è stata appena caricata dall’utente. Il secondo tasto è proprio quello relativo all’attivazio-54

(64)

ne dell’algoritmo di classificazione. La casella ’Tipo Attività’ alla destra del tasto appena descritto mostrerà il nome dell’attività riconosciuta dal classifi-catore stesso. Nel caso in cui non si abbia nessuna corrispondenza, in questa casella appena descritta, apparirà il testo: ’Nessuna Prova Riconosciuta’.

In conclusione dai risultati ottenuti dal classificatore, si ottiene un rico-noscimento del 100 % delle prove associate al cammino e alla prova seder-si/alzarsi e il riconoscimento delle altre attivit`a `e buono.

3.2.2 Parametri estratti con ’FootMoov Analysis’

Oltre al classificatore, il software ’FootMoov Analysis’ estrae due para-metri importanti legati al passo, che sono: il numero di passi e la cadenza. In Fig. 3.8 sono mostrate le caselle dell’interfaccia dove vengono mostrati i valori di questi parametri calcolati dal software. Questi due valori vengono estratti soltanto se la prova che viene riconosciuta è associata all’attività di cammino o corsa. Se il classificatore di ’FootMoov Analysis’ riconosce che la prova caricata corrisponde ad una di queste due attività, i segnali vengono passati ad un secondo algoritmo che permette il calcolo dei parametri legati al passo.

L’algoritmo associato al conteggio dei passi si basa su quei segnali le cui informazioni sono associate al contatto del piede con il terreno. I dati che ci forniscono una pi`u precisa identificazione di questo momento di contatto,

(65)

Figura 3.8: Caselle associate ai parametri del classificatore

sono quelli estratti dal sensore di forza posto sotto la pianta. Questo algorit-mo si basa quindi sull’andare a contare i massimi estratti da questo segnale e di associare questo numero di massimi contati con il numero di passi svolti, che una volta calcolato verr`a mostrato nella casella ’Numero Passi’ presente sull’interfaccia, Fig. 3.8. Il secondo parametro estratto dal software `e la cadenza. Questa viene calcolata, come mostrato nella formula sotto, divi-dendo il numero di passi svolti durante la prova per il suo tempo totale di svolgimento (minuti).

Cadenza = N umeroP assi T empoP rova

Calcolato questo parametro il suo valore viene mostrato nella casella chiamata ’Cadenza’ presente sull’interfaccia, Fig. 3.8.

(66)

3.2.3 Risultati dei parametri estratti

I risultati associati al conteggio dei passi durante l’attivit`a di cammino, sono mostrati negli istogrammi in Fig. 3.9. In questi grafici sono presenti i valori relativi al numero di passi calcolati per due diverse prove di cammino di venti e di centocinquanta passi.

Figura 3.9: Istogramma relativo al conteggio dei passi durante l’attivit`a di cammino

Nei grafici viene mostrato il confronto tra il numero di passi calcolati dall’algoritmo e il numero di passi contati durante lo svolgimento della prova. Come è possibile vedere in Fig. 3.9, Dal primo grafico sulla sinistra si può vedere che l’errore massimo commesso è di tre passi, mentre nel grafico a destra l’errore massimo è di un passo.

In Fig. 3.10, sono invece mostrati i due istogrammi relativi a due prove di corsa, rispettivamente di venti e di cinquanta passi.

(67)

com-Figura 3.10: Istogramma relativo al conteggio dei passi durante l’attivit`a di corsa

messo `e di un passo, mentre nel grafico a destra l’errore massimo `e di tre passi.

I risultati relativi alla cadenza sono riassunti nei due gruppi di istogrammi mostrati in Fig. 3.11. Nel primo grafico a sinistra, viene mostrato il con-fronto della cadenza media ottenuta nelle diverse prove (cammino normale, cammino lento e corsa) per ogni soggetto analizzato. Mentre nel grafico a destra, viene mostrato il confronto delle cadenze ottenute dai diversi soggetti per le tre prove analizzate.

Da questi risultati, è quindi possibile concludere che il software ’FootMoov Analysis’ effettua una buona stima del numero di passi svolti, sia nell’analisi delle attività associate al cammino che in quelle relative alla corsa. I risultati verificano che la cadenza associata alla stessa attività assume valori simili anche se valutata per soggetti diversi. I grafici oltretutto mostrano che la

(68)

3.3 Protocollo di sperimentazione

Figura 3.11: Istogrammi di confronto dei valori ottenuti dal calcolo della cadenza

cadenza, associata all’attività di corsa, assume valori più alti rispetto a quelli ottenuti dall’attività di cammino.

3.3 Protocollo di sperimentazione

Per raccogliere i segnali dalla scarpa e per verificare il funzionamento dei software sviluppati nei paragrafi precedenti è stato realizzato un protocollo di sperimentazione. Le prove svolte durante il protocollo coincidono con quelle attività che vengono riconosciute dal classificatore del software ’FootMoov Analysis’, che sono: cammino normale, cammino da fermo, corsa, scale e se-dersi/alzarsi da una sedia. Queste prove implicano tutte un movimento degli arti inferiori e sono tutte attività che possono essere svolte da un individuo nella vita di tutti i giorni. Per il protocollo di sperimentazione, sono stati scelti sei individui di età, peso e altezza differenti, le cui caratteristiche sono

(69)

riassunte nella Tab. 3.1.

Et`a media ± devstd [range] Peso medio ± devstd [range] Altezza media ± devstd [range] 26,75 ± 3,1 [24-33] anni 76,875 ± 8,14 [68-93] kg 1,76875 ± 0,06 [1,65-1,85] m

Tabella 3.1: Caratteristiche Soggetti

E’ stato scelto come ambiente di svolgimento delle prove uno spazio aper-to, dove fossero presenti sia superfici piane che scale, in cui i soggetti potessero essere liberi di svolgere le loro attivit`a, senza la presenza di ostacoli. I tipi di attivit`a svolte dagli individui, sono descritte in Fig. 3.12.

Figura 3.12: Prove Protocollo Validazione

Come `e possibile vedere nel caso particolare delle attivit`a di cammino e corsa, sono state svolte diverse prove che si differenziano a seconda del numero 60

(70)

3.3 Protocollo di sperimentazione

di passi svolti e della velocit`a di esecuzione. Questo permette di verificare il corretto funzionamento degli algoritmi di ricerca dei parametri relativi al software ’FootMoov Analysis’. L’acquisizione dei dati durante il protocollo `

e stata fatta con il software ’FIM’ e questo, ha permesso di verificare il suo corretto funzionamento. Le foto in Fig. 3.13 mostrano alcuni momenti delle prove svolte per il protocollo di sperimentazione.

(71)

Valutazione delle fasi del passo

Uno degli aspetti fondamentali, legati alla biomeccanica del passo, è as-sociato al riconoscimento delle fasi del ciclo del cammino. Questo tipo di aspetto risulta infatti importante sotto diversi punti di vista, può infatti ri-sultare utile sia per applicazioni legate all’analisi del passo che per il controllo del ciclo del cammino in neuroprotesi dell’arto inferiore. Si è cercato quindi di capire se dai dati estratti con FootMoov fosse possibile fare questo tipo di studio.

(72)

4.1 Algoritmo di riconoscimento delle fasi del passo

4.1 Algoritmo di riconoscimento delle fasi del

passo

4.1.1 I segnali di FootMoov

Per effettuare l’analisi delle diverse fasi del ciclo del passo, sono stati analizzati i segnali, estratti dai sensori di FootMoov, associati al cammino libero di una persona normodotata. I sensori interni alla scarpa, come gi`a

Figura 4.1: Orientazione assi acceleremetro. Ax, accelerazione del piede in direzione latero-laterale; Ay, accelerazione del piede in direzione antero-posteriore; Az, accelerazione del piede in direzione infero-superiore

detto nel secondo capitolo, sono tre: un accelerometro triassiale, posto sulla punta della scarpa, e due sensori di forza, posti rispettivamente sotto il tallone

(73)

L’accelerometro sulla punta della scarpa, fornisce dei segnali relativi ai movimenti del piede nello spazio e i suoi tre assi sono orientati rispetto alla scarpa, come mostrato in Fig. 4.1.

Il segnale dell’accelerometro triassiale, che ci fornisce maggiori informa-zioni sul movimento del piede durante il passo, `e quello orientato nella stessa direzione di svolgimento del cammino, ovvero Ay. Questo segnale indica in-fatti la posizione del piede rispetto al suolo nelle diverse fasi del ciclo del pas-so. L’andamento di questa componente durante il cammino, viene mostrata in Fig. 4.2.

Figura 4.2: Andamento lungo Ay nel tempo durante il cammino

(74)

Come `e possibile vedere dal grafico, l’andamento di questo segnale `e di tipo periodico e in ogni periodo si possono riconoscere due sottofasi:

• Fase 1:

Ay ha valori negativi vicini a zero e corrisponde al momento in cui l’asse y dell’accelerometro `e all’incirca parallelo al terreno, come mostrato in Fig. 4.3. Questa fase coincide con il momento in cui il piede `e orizzontale e si trova nella fase di appoggio

• Fase 2:

Ay presenta due picchi, uno negativo e l’altro positivo e corrisponde alla fase di swing, come mostrato in Fig. 4.3. Tale periodo inizia quando la punta del piede si stacca dal terreno e termina quando il tallone si trova di nuovo a contatto con il suolo

Dai sensori di forza si ottengono dei segnali associati alle forze del tallone e della pianta sul suolo. Per questo, possono risultare utili sia nell’identificare il periodo di appoggio del piede, dove il peso del corpo `e spostato prima sul tallone e poi sulla pianta, che nel riconoscere il periodo di oscillazione, in cui il piede non applica forza sul terreno. Come gi`a descritto nel secondo capitolo, la pressione e la forza hanno una dipendenza di tipo lineare e per questo, i valori estratti dai sensori di forza, possono essere correlati a quelli relativi alla pressione esercitata dal piede sul suolo.

(75)

Figura 4.3: Periodo di Ay con identificazione delle due fasi

Nel grafico di Fig. 4.4, viene mostrato l’andamento nel tempo dei dati acquisiti dal sensore sotto il tallone, linea verde, e di quelli acquisiti dal sensore sotto la pianta, linea rossa, durante il cammino. Come `e possibile vedere dal grafico, se i sensori hanno valori superiori ad una soglia di rumore (i.e. identificata in un esperimento fatto col piede non in appoggio), significa che il piede si trova a contatto con il suolo, ovvero si trova in fase di appoggio. Se invece, i valori di pressione sono sotto questa soglia significa che il piede `e in fase di oscillazione. L’algoritmo sviluppato per discriminare le diverse fasi

(76)

Figura 4.4: Andamento pressioni nel tempo

del passo parte proprio dall’analisi di questi segnali descritti e verr`a esposto nel paragrafo successivo.

4.1.2 Il metodo di riconoscimento delle fasi

L’algoritmo, implementato con il linguaggio di programmazione Matlab, servir`a per distinguere le principali fasi del cammino, a partire dai segnali estratti da FootMoov.

(77)

dall’al-Figura 4.5: Fasi riconosciute dagli algoritmi implementati a partire dai dati estratti da FootMoov

goritmo, sono [2], [3], [5]: la fase di stance, di cui saranno anche distinti gli eventi di heel strike e toe off, e la fase di swing.

Il metodo di discriminazione delle fasi di stance-swing, viene riassunto nel diagramma a blocchi in Fig. 4.6.

L’implementazione di questo algoritmo parte proprio dall’analisi dei se-gnali descritti nel paragrafo 5.1.1: accelerazione lungo y (Ay) e pressioni esercitate dal tallone e dalla pianta sul terreno. L’appartenenza di Ay alla Fase 1, appoggio, `e verificata applicando opportune soglie sulla componente dell’accelerazione. Se le pressioni assumono valori maggiori della soglia di rumore significa che il piede sta esercitando una forza sul terreno e si trova in fase appoggio, altrimenti significa che si trova in oscillazione. Da queste informazioni, riassunte nel blocco decisionale del diagramma in Fig. 4.6, si