基于视频分析与机器学习从步态特征预测TUG评分
计算机视觉与模式识别
2020-04-29 v2 机器学习
图像与视频处理
定量方法
机器学习
摘要
跌倒是困扰老年人与社会的主要死因之一。计时起立行走(TUG)测试是跌倒风险评估的常用工具。本文提出一种方法，利用计算机视觉与机器学习技术从视频提取的步态特征预测TUG评分。首先，从人体运动期间由2D和3D相机捕获的视频中估计3D姿态，然后从3D姿态序列计算出一组步态特征。之后，使用copula熵筛选与TUG评分最相关的那些特征。最后，将所选特征输入预测模型以预测TUG评分。在真实世界数据上的实验证明了所提方法的有效性。作为副产品，发现了TUG评分与若干步态特征间的关联，这为所提方法奠定了科学基础，并使所构建的预测模型对临床用户可解释。
引用
@article{arxiv.2003.00875,
title = {Predicting TUG score from gait characteristics with video analysis and machine learning},
author = {Jian Ma},
journal= {arXiv preprint arXiv:2003.00875},
year = {2020}
}
备注
Experimental results and discussion are revised. The code for estimating copula entropy is available at https://github.com/majianthu/copent