缩小可穿戴设备的差距:通过基于智能子可穿戴设备的深度学习模型进行脚运动建模
Samaneh Davarzani1,2, David Saucier2, Purva Talegaonkar1,2
1Department of Industrial and Systems Engineering, Mississippi State University, Mississippi State, MS, USA.
Wearable technologies
|March 15, 2024
概括
可穿戴的智能子准确地跟踪脚运动,用于步态分析. 这项技术提供了一种便携式解决方案,用于在实验室之外监测个人健康和表现.
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:
- 可穿戴技术推进了运动跟踪,用于真实世界的人类运动分析.
- 评估可访问的步态分析工具对个人健康和绩效的好处.
研究的目的:
- 评估一种可穿戴的智能子原型,用于跟踪步行时的脚运动.
- 为了比较多变量线性回归,LSTM和CNN模型来估计连接角度.
- 评估各种步行速度的模型概括性.
主要方法:
- 开发了一个智能子原型,用于脚运动跟踪.
- 使用光学运动捕捉数据训练了多变量线性回归,LSTM和CNN模型.
- 在不同步行速度的十名健康受试者上验证了特定参与者的模型.
主要成果:
- 与其他方法相比,LSTM模型在估计关节角度方面表现出更高的准确性.
- 实现了低平均绝对误差 (MAE) 在1.138° (斜面) 和0.939° (正面) 以下的速度.
- 模型显示出良好的概括能力,用于估计各种步行速度的动力学.
结论:
- 可穿戴的智能子有效地以低误差估计脚动力学.
- 这项技术为行走分析提供了实验室动作捕捉的可行替代方案.
- 智能子可以通过可访问的步态参数测量来增强个人健康和绩效监测.
