为生物识别目的自动识别性别和单边负载状态

科学领域:

• 生物力学 生物力学
• 生物识别信息 生物识别信息
• 机器学习 机器学习

背景情况:

• 人类步态分析对于医疗,康复,体育和生物识别应用至关重要.
• 从步态上自动识别性别和负载状态是一个正在进行的研究领域.

研究的目的:

• 在步行过程中利用地面反应力 (GRF) 来识别性别和单边负载状态.
• 评估各种参数和分类算法的有效性,用于步态分析.

主要方法:

• 计算的GRF参数包括平均值,方差,标准偏差,峰值到峰值幅度,斜率,曲率和赫斯特指数.
• 采用了分类算法:k-最近邻居 (kNN),人工神经网络,决策树和随机森林.
• 收集了214名使用基斯勒强力板的个人数据,记录了7,316个步态周期.

主要成果:

• kNN分类器在性别识别方面实现了99.37%的准确性.
• 单边负载状态以95.74%的准确度被识别出来.
• 综合性别和负载状态识别达到95.31%的准确性,超过现有方法.

结论:

• 该研究表明,使用GRF参数和kNN算法,有效地自动识别性别和不对称负载.
• 提出的方法显示承诺作为生物识别识别系统的初始阶段.
• 步态分析为了解人类运动特征提供了有价值的数据.