规定套路中的同步动作识别与评估：迈向虚拟教练的方法

如果规定的锻炼动作被正确执行且患者坚持这些锻炼计划，居家物理治疗就是有效的。这对于容易忘记治疗师指导的老年人尤为重要。惯性测量单元（IMUs）通常用于跟踪锻炼执行情况，提供患者运动数据的信息。在本工作中，我们提出使用机器学习技术，通过放置在人体四肢上的四个 IMUs 的数据，识别正在进行的锻炼动作，并评估所识别的锻炼动作是否执行正确。据我们所知，这两个任务以前从未作为一个单独的复杂任务被一起处理过。然而，它们的结合对于物理治疗表现的完整表征是必需的。我们在三种情境下评估了六种机器学习分类器的性能：在单个分类器中同时进行识别和评估、仅识别正确锻炼动作（排除执行错误的动作），以及先识别锻炼动作再进行评估的两阶段方法。我们将我们的提议应用于一套为维持老年人健康状态而设计的 8 个上下肢锻炼动作中。为此，使用 4 个 IMUs 监测了志愿者的运动。我们在前两种情境下分别获得了 88.4% 和 91.4% 的准确率。在第三种情境下，识别的准确率为 96.2%，而锻炼评估的准确率在 93.6% 到 100.0% 之间变化。这项工作证明了使用 IMUs 完整监测物理治疗的可行性，借此我们可以获取正在执行的锻炼动作及其质量的信息，作为设计虚拟教练的基础。