眼动追踪技术通过捕捉眼球运动特征，结合步态生物力学指标，可量化视觉注意力分配与步态稳定性的关联。本文从步态稳定性评估的痛点切入，解析眼动参数提取方法，提出多模态数据融合方案，为运动医学与康复工程提供新工具。
步态分析作为生物力学的重要分支，长期依赖运动捕捉系统与力学传感器，通过关节角度、地面反作用力等参数评估步态模式。然而，传统方法存在两大局限：其一，仅能反映肢体运动的宏观特征，难以捕捉视觉注意力分配对步态的微观调控；其二，数据采集需特定实验室环境，生态效度受限。例如，脑损伤患者可能因实验室压力改变自然步态，导致评估结果偏差。
传统步态分析参数局限性
仅反映肢体运动结果，忽视视觉-运动耦合机制
实验室环境干扰自然行为表达
无法量化注意力资源分配对步态的影响
眼动追踪技术通过记录注视点分布、扫视频率、瞳孔变化等参数，可揭示视觉注意力分配模式。研究表明，步态稳定性与视觉注意力存在显著关联：偏瘫患者因视觉空间感知障碍，常出现注视点偏移与扫视频率异常；帕金森病患者因运动控制衰退，注视点稳定性下降且扫视幅度增大。
关键眼动参数与步态稳定性的关联
注视点分布：支撑相注视点集中于足部区域，提示视觉反馈主导平衡调控；摆动相注视点转移至目标方向，反映前瞻性运动规划。
扫视频率：高扫视频率可能暗示环境不确定性感知增强，导致步态谨慎性提高。
瞳孔变化：瞳孔直径扩大与认知负荷增加相关，可能反映步态调整时的信息处理需求。
1. 硬件系统设计
采用可穿戴式眼动仪与运动捕捉系统同步采集数据。眼动仪需具备高采样率（≥120Hz）与亚度级精度，以捕捉微扫视（Microsaccades）等瞬态眼球运动；运动捕捉系统通过惯性传感器与光学标记点，记录下肢关节三维运动。
2. 数据融合算法
通过时间对齐与空间校准，将眼动数据（注视点坐标、扫视向量）与步态数据（关节角度、步长）映射至统一坐标系。例如，计算支撑相足部接触时刻的注视点分布熵，量化视觉注意力集中度；通过扫视方向与步态方向的一致性分析，评估运动规划前瞻性。
3. 生物力学指标构建
基于眼动-步态耦合机制，提取以下指标：
视觉平衡指数（VBI）：支撑相注视点与足部压力中心的空间距离，反映视觉反馈对平衡的贡献度。
运动规划效率（MPE）：摆动相扫视方向与实际步态方向的夹角余弦值，量化前瞻性运动规划的准确性。
认知负荷指数（CLI）：瞳孔直径变化率与步态复杂度的相关性系数，评估信息处理对步态稳定性的影响。
脑损伤康复评估：通过对比健康人群与脑损伤患者的VBI值，量化视觉平衡调控能力的衰退程度，指导个性化康复方案。
老年跌倒风险预测：结合MPE值与步态速度变异系数，构建跌倒风险预测模型，识别高风险个体。
人机交互设计优化：分析外骨骼机器人使用者的CLI值，优化控制界面布局，降低认知负荷。
Q1：眼动追踪如何量化步态稳定性？
A：通过注视点分布熵、扫视-步态方向一致性等参数，反映视觉注意力分配对平衡调控与运动规划的影响。
Q2：哪些眼动参数与步态稳定性最相关？
A：注视点集中度、扫视频率、瞳孔直径变化率与步态周期的空间耦合性。
Q3：多模态数据融合的难点是什么？
A：时间同步误差、空间坐标系校准偏差及不同传感器采样率的匹配问题。
Q4：该技术能否用于实时步态监测？
A：可穿戴式设备结合边缘计算算法，可实现低延迟的实时参数提取与风险预警。
Q5：未来研究方向是什么？
A：深化眼动-步态-肌电的多模态耦合机制研究，开发便携式临床评估工具。
眼动追踪技术通过量化视觉注意力分配模式，为步态稳定性评估提供了生物力学新维度。结合运动捕捉系统的多模态数据融合方案，可揭示视觉-运动耦合机制，为运动医学、康复工程及人机交互领域提供科学工具。未来，随着算法优化与硬件轻量化，该技术有望成为步态分析的标准方法。
