权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Statistical modeling for human gait analysis based on field data

基于现场数据的人体步态分析统计建模

基本信息

批准号：
23650146
负责人：
KAMAKURA Toshinari
金额：
$ 2.33万
依托单位：
Chuo University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Challenging Exploratory Research
财政年份：
2011
资助国家：
日本
起止时间：
2011 至 2013
项目状态：
已结题

项目摘要

In this study we studied the problem of analyzing and classifying frontal view human gait by registration and modeling on a video data. Firstly we created the statistical walking model with constant speed and succeeded in estimating parameters included in the gait models with the scale changing parameter and the speed parameter that indicates the speed of human walking. We also investigated the model and estimation accuracy with the motion capture system which gave us precise measurements of trajectories of moving objects. Our basic statistical gait model only includes two parameters of registration and speed and we can easily estimate the parameters from frontal view gait video data. Secondly, we extended this simple model to handle the speed changing and other human movement parameters. Collins et al. (2009) has reported that arm swing is an very important role in the gait motion based on the simple gait model. We considered the human gait modeling based Collins et al. (2009).

本文研究了基于视频数据的步态配准和建模方法，对正视图中的人体步态进行分析和分类。首先建立了匀速步行的统计模型，并成功地利用尺度变化参数和表示人步行速度的速度参数对步态模型中的参数进行了估计。我们还研究了运动捕捉系统的模型和估计准确性，该系统为我们提供了移动物体轨迹的精确测量。我们的基本统计步态模型只包括两个参数的注册和速度，我们可以很容易地估计参数从正面视图步态视频数据。其次，我们扩展了这个简单的模型，以处理速度变化和其他人体运动参数。柯林斯等人（2009）已经报道了手臂摆动在基于简单步态模型的步态运动中是非常重要的作用。我们考虑了基于柯林斯等人（2009）的人类步态建模。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Human gait modeling and statistical registration for the frontal view gait data with application to the normal/abnormal gait analysis

人体步态建模和正面步态数据的统计配准，并应用于正常/异常步态分析

DOI：
10.1007/978-94-007-6818-5_37
发表时间：
2013
期刊：
Lecture Notes in Electrical Engineering
影响因子：
0
作者：
Shuhei Inui;Kosuke Okusa;Kurato Maeno and Toshinari Kamakura;Kosuke Okusa and Toshinari Kamakura
通讯作者：
Kosuke Okusa and Toshinari Kamakura

Robust sparse regression modeling and tuning parameter selection via the efficient bootstrap information criteria. Journal of Statistical

通过有效的引导信息标准进行稳健的稀疏回归建模和调整参数选择。