Resumen

Se investigaron algoritmos basados en la señal de presión refleja sobre el suelo (GRF) obtenida de un par de zapatos sensores para el reconocimiento de patrones de marcha humana. Se estudiaron los algoritmos de reducción de la dimensionalidad basados en el análisis de componentes principales (PCA) y el análisis de componentes principales del núcleo (KPCA) para la compresión de datos de patrones de marcha con el fin de obtener una mayor velocidad de reconocimiento. Se diseñaron clasificadores basados en máquinas de vectores soporte (SVM), SVM-PCA y SVM-KPCA, y se compararon las prestaciones de clasificación de estos tres tipos de algoritmos utilizando datos recogidos de una persona que llevaba puestos los zapatos sensores. Los resultados experimentales mostraron que el algoritmo que fusionaba SVM y KPCA tenía un mejor rendimiento de reconocimiento que los otros dos métodos. Los resultados experimentales también confirmaron que los zapatos sensores desarrollados en este artículo pueden emplearse para reconocer automáticamente patrones de marcha humana en entornos ilimitados, lo que demuestra su potencial aplicación en el control de robots exoesqueleto.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:análisis de componentes principales, svm, kpca, zapatos, reconocimiento de patrones de marcha humana, mejor rendimiento de reconocimiento, algoritmos de reducción de la dimensionalidad, presión refleja en el suelo, mayor velocidad de reconocimiento, patrón de marcha humana
• Keywords:principal component analysis, svm, kpca, shoes, human walking pattern recognition, better recognition performance, dimensionality reduction algorithms, ground reflex pressure, higher recognition speed, human walking pattern