近年来,新兴的指纹、人脸等生物识别技术容易被掩盖和模仿,并且需要接触识别,增加了识别难度。步态特征不仅依赖于先天因素,还与后天的生活环境密切相关,难以改变或伪装。尽管在大雾、沙尘暴等复杂环境中,通过提取人体运动轮廓,可实现远距离、非接触的识别。步态识别系统在身份识别,体育锻炼和医学诊断领域中发挥着重要作用。特别地,步态分析可为诊断多种潜在疾病提供有用线索,实现早期诊断并指导患者康复治疗(如:偏瘫和帕金森氏病)。因此,迫切需要开发可移植的人机相交互系统来监测和识别这些症状。
目前,有两种主要的步态识别方法:基于穿戴式传感器的步态识别和基于机器视觉的步态识别。基于机器视觉的步态识别方法对数据收集的环境有更高的要求,还需要进行繁琐的操作,如:图像收集,处理和保存。然而,使用穿戴式传感器进行步态监测和识别是一种简单有效的方法,不受外部环境因素的限制。再结合不同的深度学习算法,提取生理参数的特征来进行步态识别和预测。
图2. 基于GO-PAM的摩擦纳米发电机(TENG)的示意图与输出的电学性能
近年来,机器学习作为人工智能(AI)研究领域被广泛应用于数据分析和模式识别。将AI引入穿戴式传感器可以提高模式识别的准确性,并开发具有高精度和实时处理的智能可穿戴电子系统。本文设计了一款智能鞋垫,采集4个应变传感器产生的模拟电压信号,并将其经过A/D转换后,由单片机传输到PC机上(图4)。再对采集到的原始信号进行快速傅里叶变换(FFT)滤波和去噪,保留原始信号的有用特征。最后,构建神经网络模型、决策树模型和随机森林模型对步态数据进行精确识别和分析,用于人体日常行为步态识别和人体病理步态识别。
图4. 步态识别模型对人体步态识别的过程,实时采集监测五种不同人体日常行为步态的电压信号,三个模型的原理示意图和步态识别混淆矩阵以及三种算法对人体日常行为步态识别的准确性。
原文链接:https://www.sciencedirect.com/science/article/abs/pii/S2211285522010564
- 南卡罗来纳大学葛挺教授/王九令博士等《Phys. Rev. Lett.》:基于环形高分子的高可拉伸性弹性体 2022-06-17
- 西安交大胡建教授《Mater. Horiz.》:高可拉伸透明的离子液体凝胶基加热器 2022-05-25
- 浙江大学高超教授团队研发出高可拉伸全碳气凝胶弹性体 2018-03-12
- 武汉大学施晓文教授、钟自彪副教授、叶啟发教授团队 AFM:环境干燥的快速膨胀壳聚糖海绵用于不可压迫伤口出血控制和原位组织再生 2023-03-30
- 武汉大学陈朝吉教授、施晓文教授团队《ACS Nano》: “微米-纳米分级纤维网络”仿生设计助力超可压缩性多尺度壳聚糖冷冻凝胶 2023-03-26
- 福建工程学院陈汀杰课题组《J. Hazard. Mater.》:光热辅助油墨改性植物纤维海绵用于高粘度原油吸附 2022-04-02
- 林化所刘鹤研究员、王丹研究员和南林徐徐教授《Mater. Horiz.》:汗液-pH值助力设计高粘附性水凝胶用于自供电电子皮肤 2023-04-04