对基于视觉的传感器系统进行全面的审查,用于人类步态分析
Xiaofeng Han1, Diego Guffanti2, Alberto Brunete1
1Centre for Automation and Robotics (CAR UPM-CSIC), Escuela Técnica Superior de Ingeniería y Diseño Industrial (ETSIDI), Universidad Politécnica de Madrid, Ronda de Valencia 3, 28012 Madrid, Spain.
Sensors (Basel, Switzerland)
|January 25, 2025
概括
基于视觉的人类步态分析正在迅速发展. 非侵入性深度摄像头和深度学习算法,如CNN和LSTM,越来越多地用于更好的移动性和健康洞察力.
科学领域:
- 生物力学 生物力学
- 临床研究 临床研究
- 跨学科研究 跨学科研究
背景情况:
- 人类步态分析在生物力学和临床研究中至关重要.
- 视觉传感器和机器学习的进步推动了步态分析系统的进步.
- 本次审查重点关注基于视觉的系统,检查了过去五年中最近的发展.
研究的目的:
- 为基于视觉的人类步行分析系统的进步提供全面的审查.
- 强调视觉传感器,机器学习算法和技术创新的作用.
- 确定趋势并为未来的步态分析工具开发奠定基础.
主要方法:
- 使用PRISMA方法进行系统的文献审查.
- 分析了72篇选定的研究文章.
- 详细检查传感器系统,算法,参数和方法.
主要成果:
- 非侵入式深度摄像头正在成为步态分析的受欢迎选择.
- 越来越多地使用深度学习算法,包括卷积神经网络 (CNN) 和长短期记忆 (LSTM) 网络.
- 审查的关键方面包括传感器类型,算法,步态参数,摄像机放置和提取技术.
结论:
- 该领域正在趋向于非侵入性深度传感和先进的深度学习.
- 未来的创新目标是更有效,多功能和用户友好的步态分析工具.
- 增强的步态分析具有显著的潜力,可以改善人类的流动性,健康和生活质量.


