用于提高机器人搭载三维相机在人体步态分析中准确性的监督学习

由于过去所表现出的低准确性，使用三维相机进行步态分析一直受到高度质疑。本文所呈现研究的目标是通过应用监督学习阶段，提高机器人搭载三维相机在人体步态分析中估计的准确性。该三维相机安装在移动机器人上，以获得更长的行走距离。本研究展示了通过使用由认证的 Vicon 系统获得的数据训练的人工神经网络对相机的原始估计进行后处理，从而改进运动学步态信号和步态描述子的检测。为此，招募了 37 名健康参与者，并使用 Orbbec Astra 3D 相机收集了 207 个步态序列的数据。训练有两种基本可能的方法：使用运动学步态信号和使用步态描述子。前者旨在通过减小误差并增加与 Vicon 系统相比的相关性来改进运动学步态信号的波形。第二种更为直接，侧重于直接使用步态描述子训练人工神经网络。在训练前后测量了三维相机的准确性。两种训练方法均观察到改进。运动学步态信号相对于真值显示出更低的误差和更高的相关性。系统检测步态描述子的准确性也显示出实质性改进，主要是运动学描述子而非时空描述子。在比较两种训练方法时，无法定义哪一种是绝对最佳的。因此，我们认为训练方法的选择将取决于所进行研究的目的。本研究揭示了三维相机的巨大潜力，并鼓励研究界继续探索其在步态分析中的使用。