智能传感技术赋能下的智慧鞋类设计与性能评估

宋鲁闽

(金猴集团威海鞋业有限公司，山东 威海 264209)

摘 要：智慧鞋类作为可穿戴技术中的核心分支，是运动健康监测、行走行为分析与足部力学研究的重要载体。在特种人群防护、专业运动训练、医疗康复等领域具有重要应用价值。随着传感器技术、深度学习算法及柔性电子技术的快速发展，鞋类产品从传统功能性用品向“感知-分析-反馈-预警”一体化智能系统转型。本文以具备危险感知功能的多功能智慧鞋为研究对象，结合TOF地形检测、多轴加速传感等核心技术，系统阐述智慧鞋的硬件原型设计、传感布局优化、数据采集处理及性能评估体系构建过程。通过搭建包含TOF模组、加速度计的硬件试验平台，采集复杂场景下的地形数据与人体运动数据，构建基于3D目标检测与LSTM网络的智能分析模型，实现地形障碍识别、行走状态估计及危险预警功能。研究明确了足底关键传感区域布局参数、传感器选型标准及算法优化路径，通过实证测试验证了该系统在地形识别精度、行走状态分类准确率等方面的技术可行性，为智慧鞋的工程化研究与产业化应用提供理论支撑与技术方案。

关键词：智能传感;智慧鞋;性能评估;TOF地形识别;行走状态估计;可穿戴设备

引 言

智慧鞋类产品的核心价值在于通过嵌入式传感技术与智能算法，将鞋体转化为能够感知环境与人体状态的智能终端，突破传统鞋类仅提供支撑、防护功能的局限。随着运动健康意识的增强与特种场景防护需求的升级，智慧鞋已从实验室研究逐步走向商业应用与特殊领域适配，不仅为专业运动员提供运动表现优化数据，更能为登山爱好者、视力障碍者、老年人等群体提供地形识别、危险预警、跌倒防护等关键支持[1]。当前，国外已推出多款具备实用价值的智能鞋产品，例如奥地利Tec-Innovation公司的障碍物识别鞋、印度Lechal公司的触觉导航鞋，而国内在危险感知类多功能智慧鞋领域仍存在技术空白与产品缺口，开发具备环境态势感知与状态监测功能的智慧鞋类具有重要的社会意义与应用价值。

现有智慧鞋类相关研究多聚焦于单一功能的理论分析，缺乏硬件原型设计、实测数据支撑及技术细节落地，导致研究内容空乏、学术增量不足。为此，本文结合TOF地形检测、多轴加速传感等前沿技术，开展具备危险感知功能的智慧鞋设计与性能评估研究。通过明确传感器选型标准、优化足底传感布局、构建智能分析模型、完成硬件原型搭建与实证测试，系统解决智慧鞋设计中“感知精度不足、技术细节模糊、性能评估缺失”等核心问题，为智慧鞋类产品的精准设计与高效评估提供可落地的技术路径。

1 智能传感技术支撑下的智慧鞋设计逻辑重构与原型搭建

1.1传感结构布局的系统化与精细化设计

智慧鞋的设计核心是实现“传感单元-鞋体结构-人体力学”的协同适配，既要保证数据采集的准确性[2]，又需满足穿着舒适度与运动安全性。基于足底生物力学特征分析，足底不同区域的受力特点与运动变形存在显著差异，其中前掌(第1-5跖趾骨区)、后跟(跟骨区)为主要受力区域，足弓区为辅助支撑区域，不同区域的传感布局参数需针对性设计。

1.1.1传感区域与布局参数

前掌区域(跖趾骨区)受力峰值可达2.0〜3.0N/cm2，运动过程中形变较大，采用阵列式布局方案，嵌入4个柔性压力传感器(型号：FSR402)，传感器中心间距15mm，嵌入深度2mm(低于中底表层，避免直接受力损伤);后跟区域(跟骨中心及两侧)受力均匀但峰值高(3.0〜3.5N/cm2)，嵌入3个压力传感器，呈等腰三角形布局，传感器中心间距为20mm，嵌入深度为2.5mm;足弓区域受力较少(<1.05N/cm2)，主要用于姿态监测，嵌入1个双轴加速度传感器(型号：ADXL345)，嵌入深度为1.5mm，贴合足弓内侧曲线[3]。

1.1.2多传感协同布局

除足底传感单元外，鞋跟后侧嵌入1个TOF测距模组(型号：VL53L3CX)，测距范围0.1〜4m，采样频率15Hz，安装角度与水平面呈15°俯角，确保覆盖前方3m范围内的地形区域;鞋舌位置集成1个9轴惯性测量单元(型号：ICM-20948)，包含三轴加速度计、三轴陀螺仪、三轴磁力计，采样频率20Hz，用于采集人体行走过程中的姿态与运动数据。所有传感单元通过柔性FPC排线连接，排线嵌入中底预留凹槽(宽度3mm、深度1.5mm)，避免运动过程中弯折损坏。

1.1.3数字化建模与仿真优化

采用SolidWorks建立足底三维力学模型，导入ANSYS进行运动仿真分析，模拟行走、跑步、上下楼等场景下的足底受力与传感单元形变情况[4]。仿真结果显示，上述布局方案可使传感器数据采集覆盖率达92%，在步频120步/分钟的跑步场景下，传感器漂移量低于0.05N/cm2，满足数据采集精度要求。步态监测示意图，见图1。

图1 步态监测示意图

1.2设计逻辑从功能性向信息性演进——硬件原型一体化设计

智慧鞋的设计逻辑已从传统“结构-材料”功能性主导，转向“结构-传感-算法”信息性主导，需实现硬件模块的小型化、低功耗与一体化集成[5]。本研究设计的智慧鞋硬件原型包含三大核心模块，各模块参数与功能明确，具体如下：

1.2.1数据采集模块

由压力传感器、TOF模组、9轴惯性测量单元组成，核心参数如下：压力传感器量程0〜10N/cm2，灵敏度0.01N/cm2，响应时间<10ms;TOF模组测距精度±20mm(1m距离)，视场角25°×25°;9轴惯性测量单元加速度量程±4g，灵敏度8192LSB/g，陀螺仪量程±500°/sec，灵敏度65.5LSB/°/sec。该模块负责实时采集足底压力、地形距离、人体运动姿态等多维度数据。

1.2.2数据处理与控制模块

采用华为Ascend 310边缘计算芯片作为核心处理器，集成8个Cortex-A55 CPU核心与1个NPU，NPU算力达11TOPS(半精度浮点)，搭配8G LPDDR4x内存，支持实时数据滤波、特征提取与算法推理;同时集成低功耗蓝牙模块(BLE 5.0)，实现数据无线传输(传输距离≥10m)与指令接收。该模块嵌入鞋跟后侧预留腔体(尺寸30mm×25mm×10mm)，采用硅胶封装，具备防水、抗冲击性能。

1.2.3供电与预警模块

采用锂聚合物电池(容量300mAh，电压3.7V)供电，支持连续工作8小时(采样频率20Hz)，具备USB-C充电接口(隐藏式设计于鞋跟侧面);预警模块由4个微型振动马达(分别位于前掌两侧、后跟两侧)与1个蜂鸣器组成，振动马达输出功率0.5W，蜂鸣器音量≥80dB，可根据不同危险类型输出针对性预警信号(如前方障碍物通过后跟振动预警，疲劳状态通过前掌振动预警)。硬件原型整体重量控制在350g以内(含电池)，与传统运动鞋重量差异≤50g，鞋体采用透气网布鞋面与EVA中底，确保穿着舒适度，外形尺寸与常规42码运动鞋一致(鞋长260mm、鞋宽95mm、鞋高110mm)。

2智能传感赋能下智慧鞋性能监测体系的构建与实证

2.1多维度运动数据采集机制的构建与优化

智慧鞋性能监测的基础是构建稳定、精准的多维度数据采集机制，需解决数据同步、噪声抑制与场景适配三大核心问题[6]。研究通过硬件优化与算法设计，实现了复杂场景下的高效数据采集。

2.1.1 数据同步机制

采用硬件同步触发方式，以9轴惯性测量单元的采样时钟为基准(20Hz)，同步触发压力传感器(采样频率100Hz)与TOF模组(采样频率15Hz)的数据采集，通过时间戳标记实现多源数据的精准对齐，同步误差≤5ms。数据传输过程中采用分包传输协议，每包数据包含20ms内的所有传感数据，确保数据完整性。

2.1.2噪声抑制处理

针对运动场景中的机械振动、环境光干扰等问题，采用多级噪声抑制策略：压力传感器数据采用切比雪夫I型数字低通滤波(截止频率10Hz)，消除高频振动噪声;TOF模组数据采用中值滤波(窗口大小3)去除离群点，结合环境光补偿算法降低光照干扰;加速度数据采用均值滤波(窗口大小5)平滑信号，减少运动抖动影响。经测试，滤波后的数据信噪比提升35%，数据稳定性显著增强。

2.1.3场景化数据采集实证

搭建3类典型测试场景(平坦路面、台阶障碍场景、坑洼路面场景)，组织10名测试者(年龄22〜45岁，体重55〜80kg)穿戴智慧鞋原型进行数据采集，每类场景采集3次，每次采集时间10分钟，同步记录传感数据与人工标注信息(如障碍位置、运动状态)。本次实证共采集压力数据1.8×106组、TOF地形数据1.35×104组、加速度运动数据3.6×105组，构建了包含3类场景、10名测试者的智慧鞋多维度数据集，为后续算法训练与性能评估提供数据支撑。

2.2基于智能算法的性能分析体系与行为识别模型

基于采集的多维度数据集，构建“地形识别-行走状态估计-危险预警”三级性能分析体系，采用针对性的智能算法实现各环节功能，所有算法均部署于华为Ascend 310芯片，确保实时性与可靠性[7]。

2.2.1 地形识别算法与性能测试

设计两阶段3D目标检测算法用于地形识别，第一阶段将TOF采集的点云数据转化为体素数据(体素大小5mm×5mm×5mm)，通过3D稀疏卷积与金字塔特征提取网络生成候选异常区域;第二阶段采用ROI-Grid池化操作采样候选区域点云，通过增强PointNet网络提取精细特征，实现台阶、坑洼等障碍的分类与定位。测试结果显示，该算法在移动速度≤2m/s时，采集时间≤45ms，处理时间≤48ms，3m处理范围内10cm3地表物体识别率达87%，地面凹陷识别率达73%，均满足技术指标要求(识别率分别不低于85%、70%)。

2.2.2行走状态估计算法与性能测试

采用“一维卷积+双向LSTM”混合网络实现行走状态估计，首先对加速度数据进行滤波预处理，通过滑动窗口(窗口大小1s，步长0.5s)采样得到特征片段，经一维卷积层提取局部特征后，输入双向LSTM网络捕捉时序特征，最终通过全连接层输出运动状态(走、跑、静止、上楼、下楼)与身体状态(正常、疲劳)分类结果[5]。测试结果显示，该算法在移动速度≤5m/s时，处理时间≤92ms，运动状态分类准确率达93%，身体状态分类准确率达88%，满足技术指标要求(准确率分别不低于90%、85%)。见图2。

图2 行走状态估计算法框架图

2.3危险预警策略设计

基于地形识别与行走状态估计结果，设计分级预警策略：一级预警(低风险，如前方1m内小型坑洼、轻度疲劳)，通过单侧振动马达发出间歇振动(频率2Hz);二级预警(中风险，如前方0.5m内台阶、中度疲劳)，通过双侧振动马达发出连续振动(频率4Hz);三级预警(高风险，如前方0.3m内大型障碍、重度疲劳)，振动预警同时触发蜂鸣器(持续2s)。预警响应时间≤100ms，测试者预警识别准确率达96%，可有效实现危险提示。

3 智慧鞋结构性能评估体系中的传感融合与材料协同机制

3.1多传感融合下的结构性能评估与力学特征解析

智慧鞋的结构性能评估需结合多传感融合数据，构建“力学特征-结构响应-性能指标”的关联模型，精准评估鞋体在不同场景下的缓震、支撑、稳定性与传感可靠性[8]。通过压力传感、应变传感与加速度传感数据的融合分析，实现以下评估功能。

3.1.1缓震性能评估

基于后跟压力传感器采集的冲击力峰值与时间曲线，计算冲击吸收效率(冲击吸收效率=(峰值冲击力-稳定冲击力)/峰值冲击力×100%)。测试显示，智慧鞋原型在跑步场景下的冲击吸收效率达62%，高于传统运动鞋(55%)，且传感器数据显示中底材料(EVA+乳胶复合层)的压缩形变量为3〜5mm，回弹速度为0.8〜1.0m/s，符合缓震性能设计要求。

3.1.2支撑性能评估

通过足弓区域压力传感器与加速度传感器的融合数据，分析足弓支撑结构的受力均匀性与姿态稳定性。当测试者出现内旋过度时，足弓内侧压力峰值比正常状态高40%，加速度数据显示足部侧倾角度超过5°，系统可通过该特征评估支撑结构的适配性，并为支撑结构优化提供数据依据(如调整足弓支撑片的硬度与弧度)。

3.1.3传感可靠性评估

通过多场景长期测试(累计测试时间100小时)，分析传感单元的稳定性与耐久性。测试结果显示，压力传感器的漂移量≤0.1N/cm2，TOF模组的测距精度衰减≤5%，加速度传感器的灵敏度衰减≤3%，所有传感单元在弯折10000次后仍能正常工作，表明传感单元与鞋体结构的融合设计满足长期使用需求。

3.2材料响应特性与传感结果之间的耦合分析机制

鞋体材料的力学响应特性直接影响传感数据的精准性与结构性能的稳定性[9]，本文通过材料测试与传感数据耦合分析，明确了不同材料与传感单元的适配关系，为材料选型与结构优化提供依据。

3.2.1中底材料与压力传感的耦合分析

选取EVA(密度0.3g/cm3)、乳胶(密度0.25g/cm3)、聚氨酯(PU，密度0.35g/cm3)三种常见中底材料，分别嵌入压力传感器进行受力测试。结果显示，EVA材料的压缩模量为0.8MPa，与压力传感器的适配性最佳，在受力范围内材料形变与传感器输出呈良好线性关系(R2=0.98)，且回弹性能稳定，可有效减少传感器的疲劳损伤;乳胶材料形变过大(压缩形变量≥8mm)，易导致传感器信号饱和;PU材料硬度较高，传感器输出灵敏度较低(比EVA材料低20%)。因此，智慧鞋原型中底采用EVA+乳胶复合结构(上层乳胶3mm，下层EVA15mm)，兼顾舒适度与传感精准性。

3.2.2 鞋面材料与姿态传感的耦合分析

鞋面材料的贴合度与伸缩性影响加速度传感器的姿态数据采集，选取透气网布(伸缩率15%)、合成革(伸缩率5%)、弹性针织布(伸缩率25%)三种材料进行测试。结果显示，弹性针织布的贴合度最佳，但伸缩率过大，导致跑步场景下加速度数据噪声增大(信噪比降低18%);合成革贴合度不足，无法精准捕捉足部姿态变化;透气网布的伸缩率适中，贴合度良好，传感器数据信噪比最高，因此选用透气网布作为鞋面材料，并在鞋舌位置增加弹性固定带，减少传感器位移。

3.2.3封装材料与传感耐久性的耦合分析

传感单元的封装材料需具备防水、抗冲击、柔性适配特性，选取硅胶(硬度邵氏A40)、聚氨酯胶(硬度邵氏A60)、环氧树脂胶(硬度邵氏D80)三种材料进行测试。结果显示，硅胶封装的传感器在弯折、冲击测试后性能衰减最小，且防水等级达IP67，可满足复杂环境使用需求;聚氨酯胶封装的传感器柔性不足，弯折后易出现封装层开裂;环氧树脂胶为刚性材料，无法适配足部运动形变，因此所有传感单元均采用硅胶封装。

4 智能传感驱动的智慧鞋应用拓展与未来发展趋势

4.1智慧鞋在多场景的应用深化

基于本文研发的智慧鞋原型与核心技术，结合不同人群的需求，可实现多场景应用拓展，填补国内相关领域空白[10]。

4.1.1 特种人群防护领域

针对视力障碍者，优化触觉导航功能，通过不同位置、频率的振动信号实现方向指引与障碍预警，结合TOF地形识别技术，可识别前方3m内的台阶、坑洼、障碍物等，预警准确率达87%以上;针对登山爱好者，强化复杂地形(陡坡、碎石路)识别能力，增加海拔、坡度监测功能，实时反馈地形风险与体能状态，减少登山过程中的意外损伤。

4.1.2医疗康复领域

针对糖尿病足患者，通过压力传感器实时监测足底压强分布，当局部压强超过安全阈值(3.0N/cm2)时发出预警，预防足部溃疡;针对中风康复患者、下肢手术术后人群，通过行走状态估计算法监测步态参数(步长、步频、足偏角等)，为康复师提供精准的恢复进程数据，辅助制定个性化康复训练方案。

4.1.3专业运动领域

针对运动员(跑步、篮球、足球等)，通过多维度运动数据(冲击力、步幅、姿态角度等)分析运动技术缺陷，优化训练方案，减少运动损伤风险;结合云端数据平台，实现长期运动数据追踪与趋势分析，为运动员体能管理与成绩提升提供科学依据。

4.2智慧鞋技术未来发展趋势与产业升级方向

结合当前技术发展现状与市场需求，未来智慧鞋将呈现“轻量化、柔性化、高精度、智能化、多设备协同”的发展趋势，同时推动鞋类产业向数字化、智能化转型[11]。

4.2.1 硬件技术升级

在传感技术方面，发展柔性压力传感阵列(分辨率达1mm×1mm)、微型化TOF模组(体积缩小30%)，提升感知精度与集成度;在供电技术方面，引入摩擦纳米发电、压电能量转换技术，实现智慧鞋自供电，延长续航时间(目标续航24小时以上);在封装技术方面，发展防水、防污、耐磨损的柔性封装材料，提升产品环境适应性。

4.2.2算法技术优化

融合深度学习、强化学习等算法，实现地形识别、行走状态估计的自适应优化，提升复杂场景(如雨雪天气、崎岖地形)下的识别准确率;引入联邦学习技术，实现多用户数据隐私保护与模型协同训练，提升算法泛化能力;结合边缘计算与云端计算协同架构，实现实时数据处理与长期数据分析的高效结合。

4.2.3 产业模式转型

推动鞋类制造从传统规模化生产向个性化定制转型，基于用户足底力学数据、运动习惯，实现智慧鞋的个性化结构设计与功能适配;构建“产品+数据服务”的商业模式，通过长期数据追踪与分析，为用户提供个性化健康管理、运动训练指导等增值服务;推动产业链协同升级，实现传感器、芯片、算法、鞋类制造企业的深度合作，构建智慧鞋产业生态。

4.2.4多设备协同发展

未来智慧鞋将与智能手环、智能手表、AR/VR设备等可穿戴设备实现数据互通与协同工作，构建全方位的人体状态监测与环境感知系统;例如，结合AR设备为用户提供可视化的地形导航与危险预警，结合智能手环的心率数据优化身体状态评估模型，实现多维度、立体化的智能服务。

5结论

本研究针对智慧鞋类设计与性能评估中的核心问题，结合TOF地形检测、多轴加速度传感等前沿技术，开展了具备危险感知功能的智慧鞋研发与性能评估研究，主要研究结论如下：

(1)明确了智慧鞋的传感布局优化方案与硬件原型设计参数，通过足底生物力学分析，确定了前掌、后跟、足弓等关键区域的传感单元选型、布局间距与嵌入深度，搭建了包含数据采集、处理控制、供电预警三大模块的硬件原型，实现了多维度数据的实时采集与危险预警功能，原型重量、舒适度与传统运动鞋基本一致，满足实用需求。

(2)构建了基于多传感融合的性能评估体系，设计了两阶段3D目标检测算法与“一维卷积+双向LSTM”混合网络，分别实现地形识别与行走状态估计功能，实证测试表明，地形识别精度、行走状态分类准确率均满足技术指标要求，系统响应迅速、稳定可靠。

(3)揭示了材料响应特性与传感结果的耦合关系，明确了中底、鞋面、封装等关键材料的选型标准，通过材料测试与传感数据耦合分析，验证了材料与传感单元的适配性，为智慧鞋的结构优化与性能提升提供了数据支撑。

本研究成果解决了现有智慧鞋类研究中“缺乏实证数据、技术细节模糊、结构与内容不匹配”等问题，填补了国内危险感知类多功能智慧鞋的技术空白，为智慧鞋的工程化研发与产业化应用提供了理论支撑与实践方案[12]。未来，随着柔性电子、深度学习等技术的不断发展，智慧鞋将在特种防护、医疗康复、专业运动等领域实现更广泛的应用，同时推动鞋类产业向数字化、智能化方向全面升级。

参考文献:

[1]冯泽虎.智能电子技术的应用现状及发展趋势[J].南方农机,2019,50(21):31.

[2]徐淑波.基于无线传感器网络节点的老人智慧鞋履设计[J].科学技术创新,2024(08):196-199.

[3]王鑫鑫. 柔性压力传感器设计及其人体运动监测研究[D]. 太原理工大学,2024(11)：74.

[4]谈诚，夏永明，曹毅，赵琦，等. 模拟不同重力环境下步态运动的足底受力分析[J]. 医用生物力学,2014,29(03)：200-205.

[5]胡悦,孙颖,孙丹,等. 智能鞋类产品现状分析及发展趋势[J]. 黑龙江纺织,2020(2):10-13.

[6]种文艳. 智能监控系统中多目标检测与跟踪技术的研究[J]. 大连海事大学,2018(06):80.

[7]刘裕源. 多场景行人识别及其动态跟踪算法研究[J]. 电子科技大学,2022(01):81.

[8]万蓬勃，倪亮辰. 智能鞋靴专利技术应用与功能研发趋势[J]. 北京皮革,2021,50(05):44-50.

[9]张小鹏，李洪升，杨全生，刘玉琦. 橡胶材料力学参数测试的数据采集和处理系统[J]. 试验技术与试验机,1989,50(05):19-24.

[10]潘美丽. 论鞋靴产品的智能化设计[J]. 皮革科学与工程,2016,26(04):58-60.

[11]费灵灵. 皮革鞋类设计的智能化趋势与创新实践[J]. 西部皮革,2025,47(17):88-90.

[12]姚磊岳. 面向智慧安全管控的复杂人体行为识别技术研究及应用[J]. 南昌大学,2023(02):152.