보행 운동학을 위한 기계학습 기반 마커리스 측정 시스템: Part 1 - 시스템 소개 및 검증open accessMachine Learning-based Markerless Measurement System for Gait Kinematics: Part 1 - System Introduction and Validation
- Other Titles
- Machine Learning-based Markerless Measurement System for Gait Kinematics: Part 1 - System Introduction and Validation
- Authors
- 최형연; 한만용
- Issue Date
- Jan-2024
- Publisher
- 사단법인 한국융합기술연구학회
- Keywords
- 보행 운동학; 마커리스 모션 캡쳐; 시스템 검증; 신호 및 잡음; Gait Kinematics; Markerless Motion Capture; Validation & Verification; Signal and Noise
- Citation
- 아시아태평양융합연구교류논문지, v.10, no.1, pp 61 - 72
- Pages
- 12
- Journal Title
- 아시아태평양융합연구교류논문지
- Volume
- 10
- Number
- 1
- Start Page
- 61
- End Page
- 72
- URI
- https://scholarworks.bwise.kr/hongik/handle/2020.sw.hongik/32656
- DOI
- 10.47116/apjcri.2024.01.06
- ISSN
- 2508-9080
- Abstract
- 보행 분석(GA)은 사람이 걷는 방식을 기록, 분석 및 해석하는 과정으로, 보행에 영향을 미치는 상태를 갖는 사람 평가하고 치료하기 위해 임상적으로 사용한다. 가장 일반적인 GA 시스템은 OMC(Optical Marker Tracking System)이지만 여러 가지 단점을 가지고 있어 최근에는 자동 골격 추적 알고리즘을 갖춘 기계 학습 기반의 마커리스 모션 캡처 기술이 도입되었다. 보행 분석에서 MMC 방법의 실제 적용이 가능함을 보장하기 위해서는 추정된 관절 위치의 정확성을 검증해야 한다. 보행 시 MMC 자세 추정의 정확도를 정량화하기 위해 Mediapipe 자세 추정으로 구한 특징점 위치의 분산을 노이즈로 설정하고 무릎 관절 각도를 대표적인 신호로 선택하였다. 또한 이러한 마커리스 보행 분석 시스템 중 하나를 사용하여 정량적 검증을 수행하였다. 검증 프로세스는 세 가지 하지 관절 각도에 중점을 두고 두 가지 다른 모션 캡처 방법 (광학식 및 관성 센서식)과 비교하였다. 보행 시 무릎 관절 각도의 가장 좋은 상관관계는 평균 CORA 점수 0.92를 보였고 가장 낮은 상관관계는 평균 CORA 점수 0.47로 확인되었다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Engineering > Department of Mechanical and System Design Engineering > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.