Real-time patient pose estimation on a smart walker
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/1822/76438 |
Resumo: | Dissertação de mestrado em Biomedical Engineering (área de especialização em Medical Electronics) |
id |
RCAP_a9e24a99f73de6b7cc3a118203bdc79a |
---|---|
oai_identifier_str |
oai:repositorium.sdum.uminho.pt:1822/76438 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Real-time patient pose estimation on a smart walkerRehabilitationSmart walkerHuman pose estimationComputer visionMachine learningReablitaçãoAndarilho inteligenteDeteção da postura humanaVisão computadorAprendizagem máquinaEngenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaDissertação de mestrado em Biomedical Engineering (área de especialização em Medical Electronics)Rehabilitation is important to improve quality of life for mobility impaired patients. Smart walkers are commonly used to provide residual motor skills recovery, based on repetitive and intensity-adapted training. These should embed automatic, objective and real-time tools for user-centered control and monitoring. Yet, present solutions have focused only on extracting few very specific metrics using dedicated sensors with no unified full-body approach. This dissertation proposes the creation of a general, real-time and robust full-body spatial pose estimation solution using visual information from two camera streams, with non-overlapping ROIs, mounted on the ASBGo smart walker used in patient rehabilitation. Human joint estimation is performed using a two-stage Neural Network framework, where keypoints are first detected in 2D image frames of both cameras, using a Fully Convolutional Network, and then lifted to 3D space relative to the walker, using a Fully Connected regression module. A custom acquisition method was also developed and used to obtain a dataset containing data from 14 healthy subjects, used for training and evaluating the proposed solution offline, which was then deployed and integrated on the real smart walker. An overall detection error of 3.73 pixels and 44.05mm were reported for each stage respectively, with an inference time of 26.6ms when deployed on the constrained hardware of the equipment, during normal use. The final solution was able to extract a compact body representation from inexpensive sensors, which can be used as a common base to calculate full patient gait and posture metrics, allow Human-Robot interaction applications and human-in-the loop control for personalized rehabilitation. Despite promising results, more data should be collected with impaired subjects, in order to assess the model’s true performance as a rehabilitation tool in real-world scenarios.A reabilitação é importante para melhorar a qualidade de vida dos pacientes com mobilidade reduzida. Os andarilhos inteligentes são utilizados para favorecer a recuperação de capacidades motoras com base na repetição de exercícios com intensidade adaptada. Estes devem incorporar ferramentas automáticas, objetivas e em tempo real para fornecer técnicas de controlo personalizadas e monitorização do paciente. No entanto, as soluções atuais concentram-se apenas em extrair algumas métricas muito específicas com sensores dedicados, sem haver uma abordagem geral de corpo inteiro. Esta dissertação propõe a criação de uma solução geral, rápida e robusta para detetar o corpo completo do utilizador no espaço, usando informação visual de duas câmaras, com ROIs não sobrepostas, montadas no andarilho inteligente (ASBGo) usado na reabilitação de pacientes. A deteção das juntas humanas é realizada através de uma rede neuronal em duas etapas, onde primeiro são detetados pontos-chave nas frames 2D de ambas as câmaras, usando uma rede totalmente convolucional, e estes depois são relacionados e projetados para o espaço 3D relativamente ao andarilho, usando um módulo de regressão. Um método de aquisição personalizado foi também desenvolvido e usado para obter um conjunto de dados com 14 sujeitos saudáveis, para teinar e avaliar a solução proposta offline, que depois foi integrada no sistema do andarilho real. Um erro de detecção médio de 3,73 pixels e 44,05mm foram relatados para cada etapa, respetivamente, com uma latência de 26,6ms quando usado no hardware limitado do equipamento durante utilização normal. O algorítmo é capaz de extrair uma representação compacta do corpo, a partir de sensores baratos, e que pode ser usada como uma base comum para calcular métricas de marcha e postura completas, assim como permitir aplicações de interação Humano-Robot e soluções de controlo human-in-the-loop para uma reabilitação personalizada. Apesar de resultados promissores, mais dados devem ser obtidos com pacientes, a fim de verificar o verdadeiro desempenho do modelo como ferramenta de reabilitação em cenários reais.Santos, CristinaUniversidade do MinhoPalermo, Manuel de Castro20212021-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/76438eng202957179info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:52:00Zoai:repositorium.sdum.uminho.pt:1822/76438Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:51:02.755063Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Real-time patient pose estimation on a smart walker |
title |
Real-time patient pose estimation on a smart walker |
spellingShingle |
Real-time patient pose estimation on a smart walker Palermo, Manuel de Castro Rehabilitation Smart walker Human pose estimation Computer vision Machine learning Reablitação Andarilho inteligente Deteção da postura humana Visão computador Aprendizagem máquina Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
title_short |
Real-time patient pose estimation on a smart walker |
title_full |
Real-time patient pose estimation on a smart walker |
title_fullStr |
Real-time patient pose estimation on a smart walker |
title_full_unstemmed |
Real-time patient pose estimation on a smart walker |
title_sort |
Real-time patient pose estimation on a smart walker |
author |
Palermo, Manuel de Castro |
author_facet |
Palermo, Manuel de Castro |
author_role |
author |
dc.contributor.none.fl_str_mv |
Santos, Cristina Universidade do Minho |
dc.contributor.author.fl_str_mv |
Palermo, Manuel de Castro |
dc.subject.por.fl_str_mv |
Rehabilitation Smart walker Human pose estimation Computer vision Machine learning Reablitação Andarilho inteligente Deteção da postura humana Visão computador Aprendizagem máquina Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
topic |
Rehabilitation Smart walker Human pose estimation Computer vision Machine learning Reablitação Andarilho inteligente Deteção da postura humana Visão computador Aprendizagem máquina Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
description |
Dissertação de mestrado em Biomedical Engineering (área de especialização em Medical Electronics) |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021 2021-01-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1822/76438 |
url |
http://hdl.handle.net/1822/76438 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
202957179 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799133097480945664 |