排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
目的 以有标记点三维运动捕捉系统(MoCap)为金标准,基于双向长短时记忆(bi-lateral long short term memory, BiLSTM)递归神经网络和线性回归算法构建深度学习融合模型,减小深度传感器的系统误差,从而提高深度传感器下肢运动学分析的准确性。方法 招募10名健康男性大学生进行步态分析,应用MoCap系统和Kinect V2传感器同时采集数据。通过Cleveland Clinic及Kinect逆运动学模型分别计算下肢关节角度。以MoCap系统为目标,Kinect系统得到的角度为输入构建数据集,分别用BiLSTM算法和线性回归算法构建学习模型,得到系统误差修正后的下肢关节角度。使用留一交叉验证法评估模型的性能。采用多重相关系数(coefficient of multiple correlations, CMC)及均方根误差(root mean square error, RMSE)表示下肢关节角度波形曲线相似程度以及平均误差。结果 BiLSTM网络比线性回归算法更能够处理高度非线性的回归问题,尤其是在髋关节内收/外展、髋关节内旋/外旋和踝关节趾屈/背屈角度... 相似文献
1