健身年轻人中,随着步行速度的变化,步行标志的变化是相似的,尽管存在持续的个体特异性差异

科学领域:

• 生物力学 生物力学
• 人类运动分析分析
• 机器学习在体育科学中的应用

背景情况:

• 个性化的运动模式对于健康,康复和体育表现至关重要.
• 以前的研究使用二维动力学建立了"步态签名"的概念,但验证仅限于狭窄的速度范围.
• 目前的研究扩展了这一点,通过调查跨越更广泛的步行速度范围的步态特征,并结合了3D数据.

研究的目的:

• 为了描述健壮成年人跨越广泛的步行速度,步行特征是如何变化的.
• 为了确定3D动态或动态数据是否与2D数据相比,增强了步态特征的个体特异性.
• 探索步态特征变化与个人的步行特征之间的关系.

主要方法:

• 收集了17名健身的年轻成年人的3D运动和动力数据 (地面反应力,关节时刻和功率),他们的步行速度从0.3米/秒到步行到跑步过渡的速度.
• 利用机器学习框架分析步态特征并评估其个体特异性.
• 使用2D动力学,3D动力学和3D动力学比较分类准确度.

主要成果:

• 步态特征被证实在测试的步行速度中是个体特异的.
• 三维 (3D) 动态步态签名实现了特殊的分类准确性 (99.8%),超过了2D动态和3D动态.
• 在整个速度范围内观察到步态特征的一致,可预测的线性变化,与首选的速度,平衡,节奏和步长相关.

结论:

• 步行特征是跨越不同步行速度的强有力的个人标识符.
• 3D动态数据为分类个人步态模式提供了卓越的准确性.
• 步态签名为了解个人步态差异和预测速度相关的动态变化提供了有价值的工具.