Feature-Based Gait Pattern Classification for a Robotic Walking Frame

Diese Arbeit stellt ein System zur schnellen Erkennung der Gangmuster von Benutzern des Gehrahmens vor, bei dem die Herausforderung darin besteht, eine Änderung der Aktivität zu erkennen, bevor sich das Signal stationär verhält. Das System dient als Grundlage, um die Absicht des Benutzers abzuleiten, um eine verbesserte Shared-Control-Strategie für ein elektrisch betriebenes Gehrahmen zu entwickeln. Die Daten, die für die Gangmustererkennung erforderlich sind, werden durch eine Reihe preiswerter Infrarot-Entfernungssensoren aufgezeichnet. Wir vergleichen verschiedene Verfahren zur Extraktion von Funktionen aus Schiebefenstern in Kombination mit klassischen maschinellen Lernalgorithmen, um eine schnelle Online-Gangklassifizierung in Echtzeit zu realisieren. Darüber hinaus wird eine einfache hierarchische Methode zur Extraktion von Merkmalen vorgeschlagen und anhand unseres Datensatzes bewertet.