DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/13182

Arxiu Descripció MidaFormat
SamAngParCatCab.pdf4,07 MBAdobe PDFThumbnail
Veure/Obrir

Títol: Analyzing human gait and posture by combining feature selection and kernel methods
Autor: Samà Monsonís, Albert Veure Producció científica UPC; Angulo Bahón, Cecilio Veure Producció científica UPC; Pardo Ayala, Diego Esteban Veure Producció científica UPC; Català Mallofré, Andreu Veure Producció científica UPC; Cabestany Moncusí, Joan Veure Producció científica UPC
Data: set-2011
Tipus de document: Article
Resum: This paper evaluates a set of computational algorithms for the automatic estimation of human postures and gait properties from signals provided by an inertial body sensor. The use of a single sensor device imposes limitations for the automatic estimation of relevant properties, like step length and gait velocity, as well as for the detection of standard postures like sitting or standing. Moreover, the exact location and orientation of the sensor is also a common restriction that is relaxed in this study. Based on accelerations provided by a sensor, known as the `9 2', three approaches are presented extracting kinematic information from the user motion and posture. Firstly, a two-phases procedure implementing feature extraction and Support Vector Machine based classi cation for daily living activity monitoring is presented. Secondly, Support Vector Regression is applied on heuristically extracted features for the automatic computation of spatiotemporal properties during gait. Finally, sensor information is interpreted as an observation of a particular trajectory of the human gait dynamical system, from which a reconstruction space is obtained, and then transformed using standard principal components analysis, nally Support Vector Regression is used for prediction. Daily living Activities are detected and spatiotemporal parameters of human gait are estimated using methods sharing a common structure based on feature extraction and kernel methods. The approaches presented are susceptible to be used for medical purposes.
ISSN: 0925-2312
URI: http://hdl.handle.net/2117/13182
DOI: 10.1016/j.neucom.2011.03.028
Versió de l'editor: http://www.sciencedirect.com/science/article/pii/S0925231211002475
Apareix a les col·leccions:Altres. Enviament des de DRAC
GREC - Grup de Recerca en Enginyeria del Coneixement. Articles de revista
AHA - Advanced Hardware Architectures Group. Articles de revista
Departament d'Enginyeria Electrònica. Articles de revista
Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial. Articles de revista
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius