相关实验视频
Updated: Jul 10, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.7K
使用下肢可穿戴传感器来识别步行方式:基于机器学习的方法
Liam David Hughes1, Martin Bencsik1, Maria Bisele1
1School of Science and Technology, Nottingham Trent University, Nottingham NG11 8NS, UK.
Sensors (Basel, Switzerland)
|November 25, 2023
概括
使用加速度计的现实世界步态分析可以高精度地区分行走,跑步和其他运动. 圣骨位置为这种简单的机器学习方法提供了最好的结果.
科学领域:
- 生物力学 生物力学
- 可穿戴技术可穿戴技术
- 机器学习 机器学习
背景情况:
- 现实世界的步态分析为实验室以外的临床评估和干预提供了宝贵的见解.
- 个别加速度计为非侵入性步态监测提供了一种可行的方法.
研究的目的:
- 评估一种简单的机器学习方法,用于使用加速度计区分三种自选循环移动类型.
- 为了确定不同传感器附着位置 (圣骨,大腿,) 的步态歧视的准确性.
主要方法:
- 35名参与者以自己选择的速度沿着10米长的步道行走,三轴加速度计附着在十字骨,大腿和腿部.
- 加速度计数据 (3秒间隔) 被转化为二维里埃光谱.
- 主要组件分析 (PCA) 和区分功能分析 (DFA) 用于数据缩小,特征选择和分类.
主要成果:
- 机器学习算法在区分所有传感器位置的步态方面取得了高准确性.
- 准确率在十字骨上为91%,腿部为90%,大腿部为87%.
- 交叉骨位置显示出行走模式歧视的最高准确度.
结论:
- 简单的机器学习算法可以有效地区分不同的步行方式,使用来自普通身体位置的加速度计数据.
- 圣骨提供了最准确的传感器放置这种类型的现实世界的步态分析.
- 未来的研究应该优化传感器位置的数据处理,有利于特定应用,例如假肢设备的部位置.
