May, 2024

步态运动：一种用于病态步态预测的多任务数据集

PDF
TL;DR利用可穿戴传感器捕捉患者的实时运动，为步幅 / 步长分割和步幅 / 步长长度预测等多个任务提供了大量的真实标签，从而增强研究人员对与神经系统障碍相关的步态紊乱的整体理解，并为医疗产品、法医技术和生物力学研究等领域提供了有益的数据资源。
gait benchmarkwearable sensorspathological gaitneurological impairmentsstride length variance
发现论文，激发创造
  • GaitFormer: 学习具有噪声多任务学习的步态表示

    使用步态分析进行人员身份识别，同时利用运动模式进行行人属性识别，提出了 DenseGait 数据集和基于 Transformer 的 GaitFormer 模型，通过预训练和多任务训练，在 CASIA-B 和 FVG 数据集上分别取得了 92.5％和 85.33％的准确率，相比于类似方法提高了 14.2％和 9.67％的准确率，同时能够准确识别性别信息和多种外貌属性。

    Oct, 2023

  • PsyMo：从步态中估计自报心理特征的数据集

    通过行走模式中体现的心理线索，本文提出了一种名为 PsyMo（Psychological traits from Motion）的新型、多用途、多模态数据集，旨在解决心理特质估计的问题，并用于行走识别的基准方法。

    Aug, 2023

  • 使用多任务特征学习进行神经步态障碍分类

    本研究提出一种基于 MTFL 算法框架的步态障碍疾病识别方法，对中风和帕金森病等常见神经疾病进行分类，通过地面接触力数据以步态参数来刻画患者的移动，平衡、力量和节奏特征，达到更好而客观的评估效果。

    Dec, 2016

  • OpenGait: 走姿识别的全面基准研究以提高实用性

    基于 OpenGait 开发的 DeepGaitV2、SkeletonGait 和 SkeletonGait++ 三个基准模型通过全面的基准研究，启示了深度步态模型的建模经验和典型步态特性的表征能力，为步态识别的进一步研究和应用提供了新的方向。

    May, 2024

  • 用于训练机器 / 深度学习步态识别算法的数据增强方法学

    本研究介绍了一种基于模拟的方法和主体特定数据集，用于生成合成视频帧和序列以进行数据增强，由此生成了多模态数据集，其结果表明身份信息在合成生成的示例中得以保留，此数据集和方法可对完全不变式身份识别的研究提供支持。

    Oct, 2016

  • MI-Motion 数据集和多人 3D 动作预测基准

    本文介绍了一个新的数据集 MI-Motion，用来帮助研究多人运动预测，并提供基准测试来评估预测模型的性能，同时还介绍了一种新的基线方法 —— 图卷积神经网络和时间卷积神经网络。

    Jun, 2023

  • 神经紊乱引起的步态异常检测

    本文通过开发人体姿势的关键点，如肩膀，肘部等提取特征，从步态方面入手，探究如何检测神经学等常见疾病，如巴金森症，亚健，半瘫和亨廷顿舞蹈病的不同异常，通过构建合成视频数据集进行实验验证，并且证明了其有效性。

    Aug, 2020

  • Pose2Gait: 从独眼视频中提取痴呆个体的步态特征

    通过基于视频的环境监测老年痴呆患者步态分析，使用深度神经网络从视频中提取出与深度相机相关的三维时空步态特征，可以准确预测出步态的速度和步长信息，并可用于长期环境监测中检测步态方面的有意义变化。

    Aug, 2023

  • 基于 Transformer 注意力网络从单视角 RGB 视频中学习估计关键的步态参数

    在本研究中，通过引入一种新的时空转换网络，利用单视角摄像机拍摄的 RGB 视频，估计关键步态参数，从而在临床步态分析中提供一种更具可用性和经济效益的选择，该方法在公开数据集上的实证评估表明，其优于当前最先进的方法，并在预测一般步态参数时取得显著改进，还能减少参数数量和减轻对手动特征提取的需求。

    Dec, 2023

  • 基于运动捕捉数据的步态识别

    本文提出了一种基于机器学习的统计方法，利用线性判别分析与最大边缘准则从原始运动捕捉数据中提取强健步态特征，通过对 CMU MoCap 数据库的实验表明了该方法的优越性，并说明了其具有高度的移植性，对于不需要特定组特征的人物识别非常方便，此研究结果可使运动捕捉技术更直接地应用于人物识别领域。

    Aug, 2017