利用可穿戴惯性测量单元和机器学习估计人体步态的地面接触
计算机视觉与模式识别
2020-07-10 v2 机器学习
摘要
用于运动障碍康复和运动辅助的机器人系统正受到越来越多的关注。在此场景下,地面接触估计是机器人与医疗健康领域的活跃研究方向。本文基于胸部与下背部的IMU传感器数据,解决健康人步态中左右脚的估计与分类问题。为此,我们使用两部智能手机置于人体胸部与下背部、一部智能手表置于右踝,收集了48名受试者的IMU数据。为展示方法的鲁棒性,数据在六种不同表面(路面、瓷砖、地毯、草地、混凝土和土壤)上采集。下背部与胸部传感器的记录数据依据右踝传感器数据分割为单步,随后我们从每个分割步的时域、频域和小波域共计算了408个特征。在分类任务中,我们以10折交叉验证方法训练了SVM与RF两种机器学习分类器。我们在单一表面、硬表面、软表面及所有表面上进行了分类实验,在单一表面上取得了最高准确率,准确率为98.88%。此外,在硬表面、软表面和所有表面的分类率分别为95.60%、94.38%和95.05%。结果表明,利用人体胸部与下背部位置的角速度与加速度的6D数据,可以以高准确率估计不同表面上的正常人类行走地面接触。
引用
@article{arxiv.2007.02433,
title = {Estimation of Ground Contacts from Human Gait by a Wearable Inertial Measurement Unit using machine learning},
author = {Muhammad Junaid Umer and Qaiser Riaz},
journal= {arXiv preprint arXiv:2007.02433},
year = {2020}
}
备注
Not completely discussed with supervisor need some improvements in article to prepare a final draft