用于跑与走的实时可穿戴步态相位分割
机器学习
2022-05-11 v1 信号处理
摘要
以往将步态相位检测作为基于卷积神经网络(CNN)的分类任务,需要繁琐地手动设置时间延迟或重度重叠的滑动窗口,以在不同测试情形下准确分类各相位,这不适用于流式惯性测量单元(IMU)传感器数据,且无法适应不同场景。本文提出了一种基于分割的步态相位检测,仅使用单个六轴 IMU 传感器,可轻松适应不同速度的走和跑。所提出的分割采用具有步态相位感知感受野设置和面向 IMU 处理顺序的 CNN,可适配高达 1000Hz 的高 IMU 采样率以实现高精度,以及低至 20Hz 的低采样率以实现实时计算。所提出的模型在 20Hz 采样率数据上可达到摆动时间平均误差 8.86 ms、支撑时间平均误差 9.12 ms、步态相位检测准确率 96.44\% 以及步幅检测准确率 99.97\%。其在手机上的实时实现仅对 1 秒长度的传感器数据耗时 36 ms。
引用
@article{arxiv.2205.04668,
title = {Real-Time Wearable Gait Phase Segmentation For Running And Walking},
author = {Jien-De Sui and Wei-Han Chen and Tzyy-Yuang Shiang and Tian-Sheuan Chang},
journal= {arXiv preprint arXiv:2205.04668},
year = {2022}
}
备注
5 pages, 5 figures, published in IEEE ISCAS 2020