纳科布的多地表行走数据集
Oussama Jlassi1, Vaibhav Shah2,3, Philippe C Dixon4,5,6,7
1McGill University, Department of Kinesiology and Physical Education, Montreal, Canada.
Scientific data
|August 14, 2024
概括
这项研究引入了一个新的数据集,包括134名参与者在不规则的表面上行走,这些数据是使用惯性测量单元 (IMU) 传感器捕获的. 数据显示出明显的生物机械步态特征,使得可以准确预测行走表面.
科学领域:
- 生物力学 生物力学
- 人类运动分析 人类运动分析
- 可穿戴式传感器技术
背景情况:
- 步态研究经常使用受控的实验室环境,限制了现实世界的应用性.
- 现有的不规则表面数据集通常很小或缺乏详细的生物力学数据.
- 在不平坦的地形上了解步态适应对于移动性和伤害预防至关重要.
研究的目的:
- 为了引入一个全面的数据集的人类步行在不规则的表面.
- 为研究行走过程中的生物力学适应提供一个有价值的资源.
- 为了使先进的步态分析算法的开发.
主要方法:
- 收集了134名参与者在不同不规则的表面上行走的步态数据.
- 使用惰测量单元 (IMU) 传感器在干部和右下肢 (脚,腿,大腿).
- 开发并验证了一种机器学习模型,根据步态数据对行走表面进行分类.
主要成果:
- 该数据集从各种不规则的表面捕获了详细的生物机械步行数据.
- 一个机器学习模型在预测行走面的准确率达到95.8%.
- 结果显示了与不同不规则地形相关的独特生物力学特征.
结论:
- 新的数据集为生物力学和步态分析研究提供了强大的资源.
- 生物机械步态数据有效地区分了各种不规则的行走表面.
- 这项工作促进了理解和分析人类在具有挑战性的地形上运动的进步.
