|
Статьи автора
|
Рассматривается проблема распознавания движений и положений тела человека путем анализа данных, получаемых с инерциальных измерительных модулей с помощью искусственных нейронных сетей. Особенностью данного исследования, в сравнении с другими, является использование для анализа движений значений только 5 угловых координат, заданных плоской пятизвенной моделью человека. Кроме того, помимо ходьбы, анализируются движения при выполнении спортивных упражнений, при этом распознаются как продолжительные, так и кратковременные движения (например, начало ходьбы или присаживание на стул). Распознавание движений используется в человеко-машинном интерфейсе, а также в спорте для оценки количества и техники выполнения упражнений. Анализ движений также применяется в медицине, например в процессе лечения болезни Паркинсона. Цель исследования заключается в разработке способа распознавания кратковременных и продолжительных движений по данным с инерциальных носимых сенсоров, не учитывающего положение тела вокруг вертикальной оси, с точностью распознавания свыше 98 %. На теле человека посредством эластичных ремней крепятся 5 измерительных модулей. Один модуль размещается на груди человека, остальные закрепляются на боковых сторонах бедер и голеней. В каждом модуле используется микроэлектромеханический датчик MPU-6050, имеющий специализированный цифровой сигнальный процессор для обработки движений (DMP), используемый для осуществления предварительной обработки и фильтрации данных, поступающих непосредственно с трехосевого гироскопа и акселерометра. Затем данные с модулей по беспроводному каналу связи передаются на приемное устройство и далее на персональный компьютер, где происходит их окончательная обработка и хранение для последующей классификации. В процессе работы собран набор данных, содержащий помимо распространенных состояний (положение стоя и сидя, ходьба) упражнения, в осуществлении которых в первую очередь участвуют мышцы ног (приседания, зашагивания на скамью). С помощью видеосъемки, осуществляемой в процессе захвата движений, на полученных данных размечены участки, на которых совершаются движения. Для классификации движений использовалось несколько конфигураций нейронных сетей (полносвязные, сверточные, а также рекуррентные). Наибольшую точность совместного распознавания продолжительных и кратковременных движений (F1 составила 98 – 99 %) удалось получить с помощью сверточных нейронных сетей. В ходе работы выяснилось, что на точность распознавания влияет длительность анализируемого фрагмента движения. Указанной точности удалось добиться при использовании двухсекундных фрагментов записи. Читать дальше...
|
