A deep learning solution for real-time human motion decoding in smart walkers
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | https://hdl.handle.net/1822/79789 |
Resumo: | Dissertação de mestrado integrado em Engenharia Biomédica (especialização em Eletrónica Médica) |
id |
RCAP_e925030442572fde027c936828c245ba |
---|---|
oai_identifier_str |
oai:repositorium.sdum.uminho.pt:1822/79789 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
A deep learning solution for real-time human motion decoding in smart walkersComputer visionDeep learningEarly action detectionEarly action recognitionHuman motion decodingHuman-robot interactionSmart walkersAndarilhos inteligentesAprendizagem profundaDescodificação de movimento humanoDeteção precoce da açãoInteração humano-robôReconhecimento precoce de açãoVisão computadorEngenharia e Tecnologia::Engenharia MédicaDissertação de mestrado integrado em Engenharia Biomédica (especialização em Eletrónica Médica)The treatment of gait impairments has increasingly relied on rehabilitation therapies which benefit from the use of smart walkers. These walkers still lack advanced and seamless Human-Robot Interaction, which intuitively understands the intentions of human motion, empowering the user’s recovery state and autonomy, while reducing the physician’s effort. This dissertation proposes the development of a deep learning solution to tackle the human motion decoding problematic in smart walkers, using only lower body vision information from a camera stream, mounted on the WALKit Smart Walker, a smart walker prototype for rehabilitation purposes. Different deep learning frameworks were designed for early human motion recognition and detec tion. A custom acquisition method, including a smart walker’s automatic driving algorithm and labelling procedure, was also designed to enable further training and evaluation of the proposed frameworks. Facing a 4-class (stop, walk, turn right/left) classification problem, a deep learning convolutional model with an attention mechanism achieved the best results: an offline f1-score of 99.61%, an online calibrated instantaneous precision higher than 97% and a human-centred focus slightly higher than 30%. Promising results were attained for early human motion detection, with enhancements in the focus of the proposed architectures. However, further improvements are still needed to achieve a more reliable solution for integration in a smart walker’s control strategy, based in the human motion intentions.O tratamento de distúrbios da marcha tem apostado cada vez mais em terapias de reabilitação que beneficiam do uso de andarilhos inteligentes. Estes ainda carecem de uma Interação Humano-Robô avançada e eficaz, capaz de entender, intuitivamente, as intenções do movimento humano, fortalecendo a recuperação autónoma do paciente e reduzindo o esforço médico. Esta dissertação propõe o desenvolvimento de uma solução de aprendizagem para o problema de descodificação de movimento humano em andarilhos inteligentes, usando apenas vídeos recolhidos pelo WALKit Smart Walker, um protótipo de andarilho inteligente usado para reabilitação. Foram desenvolvidos algoritmos de aprendizagem para o reconhecimento e detecção precoces de movimento humano. Um método de aquisição personalizado, incluindo um algoritmo de condução e labelização automatizados, foi projetado para permitir o conseguinte treino e avaliação dos algoritmos propostos. Perante a classificação de 4 ações (parar, andar, virar à direita/esquerda), um modelo convolucional com um mecanismo de atenção alcançou os melhores resultados: f1-score offline de 99,61%, precisão instantânea calibrada online de superior a 97 % e um foco centrado no ser humano ligeiramente superior a 30%. Com esta dissertação alcançaram-se resultados promissores para a detecção precoce de movimento humano, com aprimoramentos no foco dos algoritmos propostos. No entanto, ainda são necessárias melhorias adicionais para alcançar uma solução mais robusta para a integração na estratégia de controlo de um andarilho inteligente, com base nas intenções de movimento do utilizador.Santos, CristinaMoccia, SaraUniversidade do MinhoGonçalves, Carolina Maria Cunha2022-04-042022-04-04T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/79789eng203010710info: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:RCAAP2023-11-04T01:16:55Zoai:repositorium.sdum.uminho.pt:1822/79789Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T18:49:41.429245Repositório 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 |
A deep learning solution for real-time human motion decoding in smart walkers |
title |
A deep learning solution for real-time human motion decoding in smart walkers |
spellingShingle |
A deep learning solution for real-time human motion decoding in smart walkers Gonçalves, Carolina Maria Cunha Computer vision Deep learning Early action detection Early action recognition Human motion decoding Human-robot interaction Smart walkers Andarilhos inteligentes Aprendizagem profunda Descodificação de movimento humano Deteção precoce da ação Interação humano-robô Reconhecimento precoce de ação Visão computador Engenharia e Tecnologia::Engenharia Médica |
title_short |
A deep learning solution for real-time human motion decoding in smart walkers |
title_full |
A deep learning solution for real-time human motion decoding in smart walkers |
title_fullStr |
A deep learning solution for real-time human motion decoding in smart walkers |
title_full_unstemmed |
A deep learning solution for real-time human motion decoding in smart walkers |
title_sort |
A deep learning solution for real-time human motion decoding in smart walkers |
author |
Gonçalves, Carolina Maria Cunha |
author_facet |
Gonçalves, Carolina Maria Cunha |
author_role |
author |
dc.contributor.none.fl_str_mv |
Santos, Cristina Moccia, Sara Universidade do Minho |
dc.contributor.author.fl_str_mv |
Gonçalves, Carolina Maria Cunha |
dc.subject.por.fl_str_mv |
Computer vision Deep learning Early action detection Early action recognition Human motion decoding Human-robot interaction Smart walkers Andarilhos inteligentes Aprendizagem profunda Descodificação de movimento humano Deteção precoce da ação Interação humano-robô Reconhecimento precoce de ação Visão computador Engenharia e Tecnologia::Engenharia Médica |
topic |
Computer vision Deep learning Early action detection Early action recognition Human motion decoding Human-robot interaction Smart walkers Andarilhos inteligentes Aprendizagem profunda Descodificação de movimento humano Deteção precoce da ação Interação humano-robô Reconhecimento precoce de ação Visão computador Engenharia e Tecnologia::Engenharia Médica |
description |
Dissertação de mestrado integrado em Engenharia Biomédica (especialização em Eletrónica Médica) |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-04-04 2022-04-04T00:00:00Z |
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 |
https://hdl.handle.net/1822/79789 |
url |
https://hdl.handle.net/1822/79789 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
203010710 |
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_ |
1799132263382777856 |