This paper develops an approach to the algorithm of Gait pattern Analysis and step measurement with Multi-Pressure Sensors. The process of gait consists of 8 steps including stance and swing phase. As 3 parts of foot is supporting most of human weight, multiple pressure sensors are attached on the p...
This paper develops an approach to the algorithm of Gait pattern Analysis and step measurement with Multi-Pressure Sensors. The process of gait consists of 8 steps including stance and swing phase. As 3 parts of foot is supporting most of human weight, multiple pressure sensors are attached on the parts of foot: forefoot, big toe, heel. As 3 parts of foot is supporting most of human weight, multiple pressure sensors are attached on the parts of foot: forefoot, big toe, heel. normal gait proceed from heel, forefoot and big toe over time. While normal gait proceeds, values of heel, forefoot and big toe can be changed over time. So Each values of pressure sensors over time could discriminate whether it is normal or abnormal gait. Measuring Device consists of non-inverting amplifiers and low pass filter. Through timetable of values, normal gait pattern can be analyzed, because of supported weight of foot. Also, the peak value of pressure can judge whether it is walking or running. While people are running, insole of shoes is floating in the air on moment. Using this algorithm, gait analysis and step count can be measured.
This paper develops an approach to the algorithm of Gait pattern Analysis and step measurement with Multi-Pressure Sensors. The process of gait consists of 8 steps including stance and swing phase. As 3 parts of foot is supporting most of human weight, multiple pressure sensors are attached on the parts of foot: forefoot, big toe, heel. As 3 parts of foot is supporting most of human weight, multiple pressure sensors are attached on the parts of foot: forefoot, big toe, heel. normal gait proceed from heel, forefoot and big toe over time. While normal gait proceeds, values of heel, forefoot and big toe can be changed over time. So Each values of pressure sensors over time could discriminate whether it is normal or abnormal gait. Measuring Device consists of non-inverting amplifiers and low pass filter. Through timetable of values, normal gait pattern can be analyzed, because of supported weight of foot. Also, the peak value of pressure can judge whether it is walking or running. While people are running, insole of shoes is floating in the air on moment. Using this algorithm, gait analysis and step count can be measured.
따라서 본 연구에서는 여러 개의 압력센서를 상대적으로 착용이 편리한 신발에 부착하여, 보행수를 측정하고 비정상보행과 정상적인 보행, 뜀걸음과 걸음상태를 구별하는 알고리즘을 제안하고자 한다. 이는 야외에서도 쉽게 뛰거나 걷는 등의 운동 활동을 구별하는 것을 목적으로 하며, 추후에는 비정상적인 보행패턴을 종류별로 구별하여 이를 교정하고자 함이다.
제안 방법
본 논문에서 제안하는 보행패턴분석 알고리즘은 신발에 부착된 압력센서에서 측정된 족저압을 이용하여 보행수 측정 및 보행 패턴 분류를 하였다. 발 볼, 뒤꿈치, 엄지발가락이 주로 체중을 지지하고 뜀걸음은 양 발이 지면에서 떨어진다는 점을 착안하여 알고리즘을 구성하여 실험을 진행하였다.
대상 데이터
본 논문에서 보행과 뜀걸음 구별 및 횟수 분석을 위해서 성인 남성 20명을 대상으로 실험을 진행하였다. 피험자들에게 디바이스를 착용한 후, 200m 평지에서 1분간 보행과 뜀걸음을 각각 1Set로, 쉬는 시간을 ５분으로 구성하였다.
데이터처리
피험자들에게 디바이스를 착용한 후, 200m 평지에서 1분간 보행과 뜀걸음을 각각 1Set로, 쉬는 시간을 ５분으로 구성하였다. 또한 보행과 뜀걸음 횟수는 다른 각도에서 여러 명의 관찰자들이 육안으로 확인한 보행횟수와 디바이스로 검출한 뒤 PC창에 뜬 보행횟수를 비교하여 정확도를 분석하였다.
성능/효과
실험결과에서 패턴분석은 98.8%의 정확도를 확인하였고, 횟수 분석은 보행과 뜀걸음에 대해 각각 99.3%와 98.6%의 정확도를 확인하였다. 이를 통해 외부에서 뜀걸음과 보행을 할 시의 상태를 구별할 수 있음을 확인하였다.
6%의 정확도를 확인하였다. 이를 통해 외부에서 뜀걸음과 보행을 할 시의 상태를 구별할 수 있음을 확인하였다. 여기서 비정상적인 보행은 발의 특정부분만 딛었을 때를 생각하고 실험하였기 때문에, 세세하게 발의 어떤 부분을 잘못 딛었는지에 대한 경우는 잡아내지 못하였다.
후속연구
여기서 비정상적인 보행은 발의 특정부분만 딛었을 때를 생각하고 실험하였기 때문에, 세세하게 발의 어떤 부분을 잘못 딛었는지에 대한 경우는 잡아내지 못하였다. 따라서 추후연구로 여기서 더 나아가 비정상적인 보행의 원인을 보다 세부적으로 분류하여 신체의 밸런스를 교정하는 시스템을 고안할 계획이다. ;
질의응답
핵심어
질문
논문에서 추출한 답변
인간의 동작에 대한 분석이 제공하는 정보는 무엇인가?
따라서 보행분석은 임상분야와 생역학 연구를 위한 유용한 도구로 널리 사용되고 있다. 이는 인간의 동작에 대한 분석은 관절과 분절의 운동학과 운동역학에 대한 많은 정보를 제공하기 때문이다. 현대사회에서 노인인구의 증가 및 건강에 대한 관심이 증대하면서 보행에 관한 연구는 보행주기를 측정하는 시스템에서 에너지 소비측정[4]을 통한 생활패턴에 대한 모니터링에 이르기까지 다양한 연구를 구축하고 발전하였다.
인체의 보행은 어떤 과정으로 구분할 수 있는가?
인체의 보행은 특유의 패턴을 형성하고 있다. 이를 한 주기로 나누면 입각기(Swing Phase)와 유각기(Swing Phase)로 구분할 수 있다.
３축가속도와 압력센서 또는 IMU 센서를 부착하여 관찰하는 기존의 보행 패턴 연구가 가진 한계는 무엇인가?
이 중에서 보행패턴을 관찰하는 기존의 연구에는 ３축가속도와 압력센서를 사용하거나, 발등에 IMU 센서를 부착하여 보행 주기에서 변화하는 각속도를 비교분석하여 주행을 판단하는 경우 등이 있다[5][6]. 그러나 뜀걸음과 걸음 등의 실제 상황을 따로 구별하기가 어렵다. 또한 발목을 비롯한 신체부위에 부착하기 때문에 착용 시 사용자의 불편을 초래하기도 하며, 외란에 의한 잡음방지를 위해 신호를 데이터방식으로 처리함으로써, 센서를 연결하기 위한 I/O 단자가 많아지고 시스템의 부피 및 비용이 커지기도 한다.
참고문헌 (9)
Kee-eon Park, "Change of Foot Rotation of Gait Analysis Parameters according to Gait Improvement in Post- Stroke Hemiplegic Patients", J. Int. Korean Med. 2014 : 35(4), 498-504.
Eun-Kyung Kim, "The Effect of Bodyblade Training on Body Alignment of Neck and Shoulder, Muscle Activity, Stability, and Foot Pressure at Forward Head Posture", Dept. of Rehabilitation Science, Daegu University, 2015.
Magill, R.A. (2003). "Motor learning and control ; conceptand applications", McGraw-Hill Company, Inc.
Jin-Kook Park, "The Effect of Form of Outsole on Energy Consumption and Heart Rate during Gait", Journal of the Korea Academia-Industrial cooperation Society Vol. 14, No. 3 pp. 1266-1273, 2013.
Cristina Soaz, "Step Detection and Parameterization for Gait Assessment Using a Single Waist-Worn Accelerometer", IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, Vol. 63, No. 5, MAY 2016.
Ju-Hee Hong, Dae-yong Choi, Kyung-Ho Kim, "Foot pressure measurement using a pressure sensor and posture analysis", Biomedical Systems Conference, Vol. 2015 No. 2, pp. 21-24, 2015.
Godha, S. and Lachapelle, G., "Foot Mounted Inertial System for Pedestrian Navigation," Measurement Science and Technology, Vol. 19, No. 7, Paper No. 075202, 2008.
Joao Paulo, "Human gait pattern changes detection system: A multimodal vision-based and novelty detection learning approach", 2017.
Donald A.Neumann, "Kinesiology of the Musculoskeletal system", 2016.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.