分析机器学习算法在评估低背痛体能康复运动中的数据效率与性能
人机交互
2024-08-07 v1 计算机视觉与模式识别
摘要
人类运动分析是活跃的研究领域，涉及各种应用。在本工作中，我们聚焦于使用机器人教练系统进行的体能康复运动的人类运动分析。计算机辅助的体能康复评估涉及基于处理由 RGB 和 RGB-D 相机等感感系统捕获的运动数据来评估患者完成 prescribed 康复运动的性能。由于 2D 和 3D 人体姿态估计从 RGB 图像方面取得了显著进展，我们旨在比较使用来自 RGB-D 相机（Microsoft Kinect）和来自 RGB 视频（OpenPose 和 BlazePose 算法）获取的运动数据来评估体能康复运动。采用高斯混合模型（GMM）从位置（和方向）特征中进行建模，基于 GMM 的对数似然值定义性能指标。该评估在携带低背痛康复运动的医学数据库上进行，数据库中的患者之前由机器人 Poppy 进行指导。
引用
@article{arxiv.2408.02855,
title = {Analyzing Data Efficiency and Performance of Machine Learning Algorithms for Assessing Low Back Pain Physical Rehabilitation Exercises},
author = {Aleksa Marusic and Louis Annabi and Sao Msi Nguyen and Adriana Tapus},
journal= {arXiv preprint arXiv:2408.02855},
year = {2024}
}
备注
European Conference on Mobile Robots (2023)