80电影天堂网,少妇高潮一区二区三区99,jαpαnesehd熟女熟妇伦,无码人妻精品一区二区蜜桃网站

  近年來，新興的指紋、人臉等生物識別技術容易被掩蓋和模仿，并且需要接觸識別，增加了識別難度。步態(tài)特征不僅依賴于先天因素，還與后天的生活環(huán)境密切相關，難以改變或偽裝。盡管在大霧、沙塵暴等復雜環(huán)境中，通過提取人體運動輪廓，可實現遠距離、非接觸的識別。步態(tài)識別系統(tǒng)在身份識別，體育鍛煉和醫(yī)學診斷領域中發(fā)揮著重要作用。特別地，步態(tài)分析可為診斷多種潛在疾病提供有用線索，實現早期診斷并指導患者康復治療（如：偏癱和帕金森氏�。�。因此，迫切需要開發(fā)可移植的人機相交互系統(tǒng)來監(jiān)測和識別這些癥狀。

  目前，有兩種主要的步態(tài)識別方法：基于穿戴式傳感器的步態(tài)識別和基于機器視覺的步態(tài)識別�；跈C器視覺的步態(tài)識別方法對數據收集的環(huán)境有更高的要求，還需要進行繁瑣的操作，如：圖像收集，處理和保存。然而，使用穿戴式傳感器進行步態(tài)監(jiān)測和識別是一種簡單有效的方法，不受外部環(huán)境因素的限制。再結合不同的深度學習算法，提取生理參數的特征來進行步態(tài)識別和預測。

圖2. 基于GO-PAM的摩擦納米發(fā)電機（TENG）的示意圖與輸出的電學性能

60~200%時，GF從2.13增加到4.89。隨著應變范圍從200%增加到300%，GF達到7.97。當拉伸應變?yōu)?/span>20%時，應變響應和恢復時間分別為0.5 s和0.6 s。該傳感器粘貼在人體不同關節(jié)處，如前額、手指、肘部、手腕等，不僅可以檢測產生的電阻信號，還可識別手指和肘關節(jié)的彎曲程度。

圖3. GO-PAM柔性應變傳感器的應變性能

  近年來，機器學習作為人工智能（AI）研究領域被廣泛應用于數據分析和模式識別。將AI引入穿戴式傳感器可以提高模式識別的準確性，并開發(fā)具有高精度和實時處理的智能可穿戴電子系統(tǒng)。本文設計了一款智能鞋墊，采集4個應變傳感器產生的模擬電壓信號，并將其經過A/D轉換后，由單片機傳輸到PC機上（圖4）。再對采集到的原始信號進行快速傅里葉變換(FFT)濾波和去噪，保留原始信號的有用特征。最后，構建神經網絡模型、決策樹模型和隨機森林模型對步態(tài)數據進行精確識別和分析，用于人體日常行為步態(tài)識別和人體病理步態(tài)識別。

圖4. 步態(tài)識別模型對人體步態(tài)識別的過程，實時采集監(jiān)測五種不同人體日常行為步態(tài)的電壓信號，三個模型的原理示意圖和步態(tài)識別混淆矩陣以及三種算法對人體日常行為步態(tài)識別的準確性。

  基于步態(tài)識別模型，將機器學習方法擴展到特殊疾病的步態(tài)識別。該研究的三個機器學習模型成功地用于帕金森病，左偏癱和右側偏癱步態(tài)的識別（圖5）�？傮w識別精度均達到90%以上。經過500次對神經網絡的訓練，測試集的識別精度達到98.2%。此外，通過建立步態(tài)監(jiān)測系統(tǒng)，在計算機上實時顯示了患者的步態(tài)波形。當患者進行步行訓練時，可以將患者的活動信息數字化存儲在計算機上，例如步數，步行速度等（Video）。通過分析這些數據，可以及時調整患者的訓練量和康復狀況。該研究表明，引入機器學習輔助方法可以準確診斷疾病，提高康復訓練的效率，并提供遠程康復的治療指導。 

圖5. 實時采集帕金森病、左偏癱和右偏癱患者步態(tài)的電壓信號，三種深度學習算法對人體病理步態(tài)識別的精度比較

  結論：在此項研究中，研究者開發(fā)了具有高可拉伸、可壓縮、高粘附性和自我修復性的水凝膠。該水凝膠可以將其延伸至860%，具有良好的穩(wěn)定性和耐用性，可以至少循環(huán)利用380次。其對各種材料具有較高的粘附性能，包括塑料，紙，金屬，皮膚，木材和玻璃。另外，研究了基于水凝膠TENG的輸出電性能，可以點亮353盞 LED燈并為電子溫度計供電。設計了一款智能鞋墊，并基于三種算法構建了步態(tài)識別模型，該算法可用于正常和異常的步態(tài)識別。在這三個模型中，對正常步態(tài)和異常步態(tài)的ANN算法的識別精度分別達到99.5%和98.2%。

  原文鏈接：https://www.sciencedirect.com/science/article/abs/pii/S2211285522010564