基于机器学习的人体步态检测智能识别算法研究

• 作者: 高经纬 马超 姚杰 王少红
• 来源期刊: 电子测量与仪器学报
• 关键词: 外骨骼 机器学习 决策树 步态分析 智能算法
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: “医学与生物信息检测”专题|MEDICAL AND BIOLOGICAL INFORMATION DETECTION
• 页码范围: 49-55
• 页数: 7页
• 分类号: TN60|TP29
• 语种: 中文
• DOI: 10.13382/j.jemi.B2003425

摘要

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.