基于机器学习的人体步态检测智能识别算法研究

为实现快速步态状态判断,以更好地对下肢外骨骼进行高精度的步态识别和控制,进行了基于可穿戴惯性测量装置检测人体姿态变化的算法研究。通过对人体下肢的跌倒、转弯、蹲坐与起立等非周期性步态变化活动进行测算试验,获得了受试者实验过程中身体角度、下肢关节角速度和加速度变化等数据,随后应用随机森林等4种机器学习经典分类算法对受试者进行了活动识别对比分析,结果表明,决策树监督学习算法相对于其他算法,能够快速、准确地检测并判断出人体非周期性变化中的多种活动状态,历次识别精度均可达到99%以上,为可穿戴智能装备的开发与应用提供理论基础。     

基于惯性传感器的穿戴式步态分析系统设计与实现

步态分析是对下肢运动情况量化评估的重要手段.本文采用基于惯性传感器的步态时空参数估计算法,根据穿戴在小腿上的惯性传感器节点检测步态事件点,再对穿戴在脚跟处的惯性传感器加速度信号进行双重积分计算步长,根据步态时相校正加速度信号以提高步长估计精度.本文设计并实现了基于惯性传感器的步态数据节点采集,完成了硬件和软件的设计.为了验证系统的可靠性和准确性,对3个志愿者进行实验.比较本文设计的步态分析系统和商用locometrix步态分析仪的结果,步长、步速和步频的平均相对误差分别为5.21％、4.51％和11.87％.结果表明利用本文研制的穿戴式步态分析系统能精确估计步态时空参数.     

基于 XGBoost 的下肢步态相位识别研究

针对下肢外骨骼应用中的难点问题,开展了基于XGBoost算法,利用单个IMU采集的运动姿态数据对步态相位进行识别的研究。首先,采集了6种不同步态下的足部运动数据,然后将每种步态划分为4个相位;在此基础上,以足部运动数据作为训练集,然后应用XGBoost算法进行步态相位识别的分析。建立模型的过程中通过贝叶斯优化算法进一步对模型中涉及的参数进行优化。计算显示,模型的测试集平均正确率为89.26%,精度为89.64%,召回率为89.26%,F1值为89.10%;结果分析表明该模型能够实现较好的步态相位识别。     

两足辅助行走机器人步态控制

智能两足辅助行走机器人,可以辅助残疾人在复杂环境中进行仿人行走.介绍了该机器人的机构和控制系统硬件,在机器人系统的步态特性基础上建立了人机一体的运动模型.运用零力矩点（ZMP）理论规划了机器人的行走步态,提出了局部步态调整与人体主动补偿运动相结合的实时步态稳定性控制策略.通过仿真实验对该控制策略进行了验证和分析.     

小型仿人双足机器人步态规划与仿真分析

针对双足机器人动力学系统复杂、运动学分析较为困难的问题,结合人类行走特点,文章建立了双足机器人下肢结构运动模型。为了使机器人行走更自然,增强机器人行走的稳定性,对双足机器人进行了步态规划,并且利用三次样条插值方法通过MATLAB仿真得到机器人各关节的平滑运动轨迹[1-2],验证了步态规划的可行性。     

一种六足寻迹机器人设计与制作

根据仿生学原理,观察六足昆虫的运动,抽象、优化出理想模型,以此为基础设计和制作出机械结构。以AT89C52单片机为控制器,使用接触传感器、光反射传感器和声音传感器等开关量,实现与直流电机的闭环控制。设计制作出灵活、稳定美观的六足机器人。该机器人按三角步态行走,实现诸如直线行走、倒退、慢速转弯、快速转弯、越障等基本功能,并能寻黑线行走。介绍了该机器人三角步态的行走原理、各种机构的优缺点和选用原则、控制方法、程序编写思想等。     

基于Kinetis K60的探测预警机器人的设计

针对矿井、洞穴等特殊场景的探测问题,设计了一款能够在复杂环境下进行探测并能够及时预警的机器人.该机器人以Kinetis60为核心处理器,使用多种传感器作为数据采集终端,采集周围环境信息,并根据相应阈值设置做出预警提示,采用ZigBee无线传感器技术进行数据传输和记录,同时采用三角步态算法,以保证探测过程中机器人的稳定,使得探索过程更加智能高效.实验结果表明,该设计能够完成周围环境信息采集,并针对危险情况做出预警提示,从而为地下工作人员提供一定的参考和保障,具有一定的工程意义及现实作用.     

结合残差网络与多级分块结构的步态识别方法

针对步态识别中由于衣着与背包的遮挡造成不能提取有鉴别性的步态特征,从而导致识别准确率不高的问题,提出一 种结合残差网络和多级分块结构的步态识别方法。 首先在水平方向上对步态能量图进行不同尺度的多级分块,以提取不同区 域的细粒度特征,减少局部遮挡对于其他区域的影响,同时为了更好地学习在步态中运动频率最高区域的特征,在腿部加入 Inception 模块;其次为了提升网络模型的识别精度,结合交叉熵损失、三元组损失、L2 正则化对残差网络的权值进行约束。 最 后在公开的步态数据集 CASIA-B 和 OU-ISIR Treadmill B 上进行实验,在携带背包或不同衣着条件下的识别率分别达到了 87. 5%、82. 6%,表明该模型对于衣着与携带背包的条件具有鲁棒性。     

基于51单片机的多自由度步态机器人控制系统设计

步态机器人是模仿人行走状态的机器人,是机器人领域的研究热点。为降低步态机器人的控制成本,本文通过选择增强型的51单片机作为控制核心,控制6个可调角度180°的舵机实现步态机器人关节的连接动作,完成了基于51单片机的多自由度步态机器人控制系统的设计。该控制系统具有成本低、易实现等优势,具有一定的应用价值。     

基于改进深度卷积神经网络的步态识别算法

针对传统步态识别算法因服饰携带物变换、视角等协变量因素变化导致的识别能力下降问题,提出了一种基于改进深度卷积神经网络的步态识别算法。该算法利用分层处理机制从步态数据中提取步态特征,能够降低常见变化和遮挡等情况对识别精度的影响,同时,算法根据实验确定了网络中每层特征图的最佳数量、特征图的最佳尺寸以及要用于步态识别的输入特征的类型,能够处理相对较小的数据集而无需使用任何增强或微调技术。CASIA-B步态数据库仿真实验表明,所提出的卷积神经网络覆盖了交叉视图步态识别和无主题的步态识别问题,能够克服与步态识别相关的协变量因素问题,具有更优的步态识别精度。     

Surgical rehabilitation of the planovalgus foot in cerebral palsy

The objectives of this study were to quantitatively determine the effects of subtalar arthrodesis on the planovalgus foot using three-dimensional (3-D) gait analysis and plantar pressure measurements. Twelve children and adolescents with planovalgus foot deformity secondary to spastic cerebral palsy participated in this outcome study. The pediatric population were evaluated preoperatively and following subtalar fusion. Seventeen feet were operated for the correction of the planovalgus foot deformity. A Holter-type microprocessor-based portable in-shoe data acquisition system was used in this study to collect the multistep dynamic plantar pressure history, while a five-camera Vicon-based gait analysis system was used to track the lower extremity joint kinematics. The results obtained from the plantar pressure measurement showed significant increases in mean peak vertical planter pressures postoperatively at the lateral midfoot and lateral metatarsal heads. Mean contact durations and mean pressure-time integrals were also significantly increased at these plantar locations following foot surgery. This redistribution in pressure metrics suggests the formation of new lateral planter weight bearing areas. The 3-D gait analysis system, using standardized lower extremity measurements, was unable to reveal any significant changes in joint kinematics, particularly at the foot and ankle where the surgery was performed. This suggests the need for a more refined system to track the complex motion of the pediatric foot and ankle during gait     

基于改进型对抗网络的步态特征提取方研究

针对步态识别易受环境干扰等问题,本文以步态特征提取方法为研究重点,基于对抗学习网络框架提出了改进型姿态估计算法提取步态特征。该方法利用改进型残差网络获取由低层次到高层次的步态特征,随着网络层数的加深,对残差网络做出相应的调整,突出对局部细节特征信息的聚焦;同时设计了时序编码器,不仅提高了步态特征对于环境变化的泛化性,还减少了环境对特征提取的影响。最终在三种不同的实验模式下,基于CASIA数据集进行了大量的实验,识别精度均在83%以上,最终证明本文所提出的特征提取方法在复杂环境展现出良好的灵活性。     

利用动态步态图进行步态识别

基于轮廓的步态识别方法容易受行人的携带物、衣物等遮挡因素的影响。针对这一问题提出了动态步态图。动态步态图将步态轮廓图划分为动态部分和静态部分,更有利于提取受遮挡影响较小的动态步态信息。设计了双路步态识别网络(Bi-Route)提取步态特征,通过增加动态特征占比,稀释静态特征占比降低遮挡物的影响。网络以动态步态图为输入,使用二维卷积分别提取步态序列中的全局轮廓特征和帧级轮廓特征,使用三维卷积神经网络从帧级轮廓特征中提取动态特征。为了验证本方法的有效性,在CASIA-B数据集上进行了评估,在正常(NM)、背包(BG)、穿大衣(CL)条件下的准确率分别达到了92.9%、87.2%和65.6%。结果表明本方法可以降低遮挡、衣物和携带物等对识别准确率的影响。     

基于集成Gabor特征的步态识别方法

步态对个人身份进行识别受到越来越多生物识别技术研究者的重视。步态能量图是一种有效的步态表征方法.通过提取步态能量图中的动态区域并利用Gabor小波变换对其特征提取,但经过Gabor变换后特征维数较高,必须经过有效的特征融合和选择。由此针对传统的Gabor特征提取后存在特征维数较高的缺点,提出了一种基于集成Gabor特征的步态识别方法。首先,采用均值融合和差分二值编码这两种集成方法,对动态区域Gabor特征图进行多尺度和多角度的集成,获得26张集成Gabor特征图;然后从26张集成Gabor特征图中选出4张作为最终的特征向量;最后将特征向量输入KNN分类器进行步态识别。实验结果表明,基于集成Gabor特征的步态识别方法,能够对步态特征进行有效分离和表达,同时降低维数并紧凑表征数据,对步态信息进行正确归类。     

基于运动学方法研究人体运动的计算机实现

详细论述了逆运动学方法实现的人体走、跑运动。运动模型是基于人体步态实验多次观察的实验数据构建的。运动控制主要分 3个层级 :首先根据输入参数 (速度、步态 )确定控制运动所需参数 (步长、周期等 ) ;第二层 ,用曲线拟合脚踝及质心在笛卡尔空间中的运动轨迹 ;第三层 ,用逆运动学方法求出人体模型在关节空间中的状态。控制中高层参数的调节可以生成同一种运动的不同运动姿态 ;同时 ,逆运动学方法的使用保证了运动的实时性。最后 ,文章给出了实验数据并指明下一步研究方向     

机器人足部柔性传感装置研究

为了满足足式机器人动态性能与环境适应性的要求,将测力元件与弹性元件相结合,提出了一种可用于机器人足部的柔性传感装置。通过对其力学模型的分析,给出了三维力／力矩计算与底面倾角估算方法。同时针对装置要求,完成了基于ARM的检测系统的软硬件设计与实现方案,并对装置关键参数进行了标定。针对传感器的实验表明,在X、Y倾角小于20°的情况下,装置综合误差小于3％,可满足足部测量的需要。该装置体积小,精度高,反馈信息丰富,可为足式机器人的步态优化提供重要数据。