通过使用摄像头捕捉的步态生物识别来识别压力评分:一个横截面研究
Jingying Wang1, Yeye Wen2, Junhong Zhou3
1Department of Applied Physiology & Kinesiology, University of Florida, Gainesville, FL, USA; Institute of Psychology, Chinese Academy of Sciences, Beijing, China.
Gait & posture
|January 19, 2024
概括
客观的应力检测是可以使用步态分析. 机器学习模型分析2D视频步行数据,特别是腰部,手和腿部的数据,准确评估压力严重程度.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 心理学 心理学 心理学
背景情况:
- 压力是一个重要的健康风险因素,缺乏客观的,非侵入性的测量方法.
- 人类的步态,一种运动模式,显示出作为心理状态的行为指标的潜力.
研究的目的:
- 开发和验证一个客观的,非侵入性的方法来通过步态分析来评估压力严重程度.
- 识别关键的步态特征,表明压力水平.
主要方法:
- 152名参与者的感知压力被用感知压力量表 (PSS-10) 来衡量.
- 对自然行走的2D视频记录进行了分析,以提取1320个时间域和1152个频域的步态特征.
- 机器学习回归模型 (高斯过程,线性回归,随机森林,支持矢量) 使用前40个步态特征进行训练.
主要成果:
- 结合时间和频率域步态特征的模型实现了最佳性能 (RMSE=4.972,r=0.533).
- 高斯过程回归器和线性回归模型在压力水平评估中表现出卓越的准确性.
- 来自腰部,手和腿的步行特征被确定为压力检测的最重要的贡献者.
结论:
- 使用基于2D视频的步态数据的机器学习模型可以准确地检测压力严重程度.
- 开发的方法提供了一种可靠的,非侵入性的方法来评估感知压力.
- 特定的身体运动,包括腰部,手和腿的运动,是检测压力的关键指标.
