運用基於慣性測量單元的動作捕捉系統發展自動化步態事件偵測方法

Abstract

行走是人類生活中最基本的活動，步態分析是加以量化這些運動資訊來描述人行走時的狀態，在?多的生活應用、醫療照護應用上以及物理治療上，步態分析都是重要的議題。在步態分析中，步態事件的偵測是必要的過程。經由步態事件的偵測，研究者可將數個連續的步態週期切割成為單一的步態週期後，再進一步的進行步態分析。一般而言，如果沒有力感應設備的話便無法進行自動化的步態事件偵測，只能依靠事後人工的方式找出步態事件，這種透過人工的方式通常會造成主觀的偏差，而且當有大量的步態資料時，便會耗費?多時間。 目前被提出的步態事件偵測方法大多僅使用單一特徵指標作為判斷依據，缺乏足夠的穩定性，且在時間精確度上仍然有改進的空間。因此本研究期望結合支援向量回歸(Support Vector Regression SVR) 方法，配合過去學者所發展之演算法以及運用多項特徵指標，提升步態事件偵測在偵測上的時間精確度。 本研究舉行步態資料蒐集實驗，招收 30 位受試者，男女各半。實驗穿著穿戴式儀器，蒐集於平地行走時，身體各個肢段的的運動資料，並同時以電子步道蒐集步態事件時間做為驗證。在實際進行方法驗證後，結果顯示在偵測 Initial Contact 事件上可以達到 12 34 ± 4 58 ms 的準確度，在偵測 Toe Off 事件上可以達到 16 11 ± 3 61 ms 的時間精確度，其結果優於其它以?能性演算法進行偵測的時間差異，證明以機器學習方法進行步態事件偵測能夠達到更佳的時間精確度。

Date of Award	2014 Sept 4
Original language	Chinese
Supervisor	Ming Yi Lin (Supervisor)