《表3 异常步态辨识背景下的步态识别方法比较》
住:**代表此项为空。
表3为异常步态辨识背景下的步态识别方法对比,可以看出,此类方法几乎不使用开源的数据集,不同研究者的数据来源、数据类型和疾病类型常常是不同的,因此很难仅通过精度来判断各种方法的优劣。但是,研究者更加关注如何设计高效的步态识别系统来对步态特征进行提取,而不关注复杂算法的设计,因此常会选择多种成熟的识别方法对同一组步态特征进行比较,以选择最优的识别算法。通过查阅这类文献,可以得到不同步态特征对应的最优识别算法。例如,从文献[105]可以看出,当输入特征为肩部、肘部、臀部、膝盖和脚踝的角度、时空参数,异常步态类型为偏瘫、帕金森、腰部疼痛、背部疼痛时,KNN为最优识别算法。但是在文献[5]中,当输入特征为下肢关节轨迹、地面反作用力、肌电图时,KNN表现较为一般,SVM为最优识别算法。
图表编号 | XD00119427300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 李贻斌、郭佳旻、张勤 |
绘制单位 | 山东大学控制科学与工程学院、山东大学控制科学与工程学院、山东大学控制科学与工程学院、济南大学自动化与电气工程学院 |
更多格式 | 高清、无水印(增值服务) |