Segmentação do caminhar humano via modelos de Markov (2020)
- Authors:
- Autor USP: GARCIA, FRANCISCO AMBROSIO - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- Subjects: PROCESSOS ESTOCÁSTICOS; CADEIAS DE MARKOV; BIOMECÂNICA
- Keywords: Segmentação do caminhar humano.; Unidades de medidas inerciais.
- Language: Português
- Abstract: A segmentação do caminhar humano pode auxiliar no acompanhamento de pacientes em tratamentos de reabilitação motora e é crucial para o controle de sistemas robóticos de suporte à marcha ou de reabilitação. Métodos já existentes realizam a detecção acurada de fases do caminhar em indivíduos com padrão de marcha normal. Recentemente avanços foram obtidos também em padrões de marcha alterados por alguma debilidade. Entretanto grande parte das abordagens demanda equipamentos disponíveis apenas em laboratórios especializados. Neste trabalho é realizada a segmentação da marcha humana via modelos de Markov utilizando sensores inerciais. Na segunda parte do trabalho são empregados smartphones para o treinamento, em substituição ao equipamento especializado. Dois modelos foram implementados, o primeiro baseado em uma cadeia de Markov e o segundo em um modelo oculto de Markov. Para o segundo as fases foram escolhidas de forma a possuírem sentido físico interpretável e foram utilizados sensores inerciais existentes em um smartphone. O treinamento foi realizado com dados de apenas um indivíduo por meio de uma abordagem baseada em regras. Em seguida os estados do caminhar humano foram decodificados pelo algoritmo de Viterbi, tanto em pós-processamento quanto em tempo real. O método em tempo real consistiu em limitar o processamento a uma janela deslizante de tamanho fixo. Por fim demonstrou-se uma aplicação que consiste em mensurar a duração dos passos e de fases. Obteve-se uma performance satisfatória em pós-processamento (F1- score de 0.96), comparável aos métodos reportados na literatura. Entretanto a performance em tempo real (F1-score de 0.55) foi inferior a outros trabalhos. Em especial constatou-se uma taxa de inserções elevada e um atraso inerente ao janelamento. Verificou-se que é possível realizar o treinamento com o emprego de um smartphone. Os resultados sugerem que uma quantidade bastante limitada de dados pode sersuficiente para treinar um modelo satisfatório específico para um indivíduo, porém tal hipótese exige melhor investigação em trabalhos futuros.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2020
-
ABNT
GARCIA, Francisco Ambrosio. Segmentação do caminhar humano via modelos de Markov. 2020. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2020. Disponível em: https://bdta.abcd.usp.br/directbitstream/f0a6ec43-2cb8-4705-941d-079cd46f0894/Garcia_Francisco_Ambrosio.pdf. Acesso em: 21 mar. 2025. -
APA
Garcia, F. A. (2020). Segmentação do caminhar humano via modelos de Markov (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/f0a6ec43-2cb8-4705-941d-079cd46f0894/Garcia_Francisco_Ambrosio.pdf -
NLM
Garcia FA. Segmentação do caminhar humano via modelos de Markov [Internet]. 2020 ;[citado 2025 mar. 21 ] Available from: https://bdta.abcd.usp.br/directbitstream/f0a6ec43-2cb8-4705-941d-079cd46f0894/Garcia_Francisco_Ambrosio.pdf -
Vancouver
Garcia FA. Segmentação do caminhar humano via modelos de Markov [Internet]. 2020 ;[citado 2025 mar. 21 ] Available from: https://bdta.abcd.usp.br/directbitstream/f0a6ec43-2cb8-4705-941d-079cd46f0894/Garcia_Francisco_Ambrosio.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Garcia_Francisco_Ambrosio... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
