Embedded human motion capture and analysis system during walking
Système embarqué de capture et analyse du mouvement humain durant la marche
Abstract
This thesis is devoted to the definition and the implementation of multi-sensor systems which are embedded on a walker and dedicated to the capture and estimation of the posture and motion of the user during locomotion. Several experiments were conducted to evaluate quantitatively the quality of resulting reconstructed posture. An anomaly detector during walking has also been proposed to evaluate the system in terms of application. In this thesis, the human motion parameters related to walking (step, posture, balance) generally used for gait analysis, are first introduced. In order to observe the parameters, doctors use different devices. Most of devices are bulky, which limit their uses only in hospitals. The multi-sensor systems embedded on a walker we proposed would provide daily data about longer distance of locomotion and duration. Two architectures have been developed in succession: the first one consists of a 3D camera and two infrared sensors, and the second one is composed of two Kinects. These architectures are used to estimate the posture of the subject and its locomotor activity by fitting on a 3d human body model. The accuracy of the position obtained is improved by integrating a motion prediction module: it uses an estimate of some discrete parameters of gait (e.g. step period and step length) and an assisted walking model. Finally, the development of an algorithm for rupture detection of locomotor rhythm allows us to validate the overall approach according to the final application, which is the diagnosis support. From a set of distance measure corresponding to the Generalized Likelihood Ratio (GLR) calculated on the relative positions of each joint and the speed of the walker determined by an odometer, a multi-dimensional model of a regular walking is then learnt through the One-Class Support Vector Machines (One-Class SVM). This algorithm has been evaluated by using the protocol of walking rhythm change. In the future, this system can be integrated in the robot assisted walker designed within the framework of the ANR project MIRAS (Multimodal Interactive Robot in Support of Strolling).
Ces travaux de thèse sont consacrés à la définition et la mise en œuvre de systèmes multi-capteurs et d'algorithmes, embarqués sur un déambulateur et dédiés à la capture et l'estimation de la posture et du mouvement de son utilisateur durant la locomotion. Plusieurs expérimentations ont été menées afin d'évaluer quantitativement la qualité de la posture reconstruite obtenue. Un détecteur d'anomalies durant la marche a de plus été proposé afin d'évaluer le système, en termes d'application. Dans ce mémoire, les paramètres du mouvement humain relatifs à la marche (pas, posture, équilibre) généralement utilisés pour l'analyse de la marche, sont d'abord introduits. Pour l'observation de tels paramètres, les médecins utilisent différents dispositifs. La plupart sont encombrants, ce qui limite leur usage au milieu hospitalier. Les systèmes multi-capteurs embarqués sur un déambulateur proposés permettraient d'obtenir des données quotidiennement, sur des distances de locomotion et des durées plus importantes. Deux architectures ont été développées successivement : la première est composée d'une caméra 3D et de deux capteurs infrarouges ; la seconde est composée de deux capteurs Kinect. Ces architectures sont utilisées pour estimer la posture du sujet et son activité locomotrice par recalage sur un modèle physique de mannequin virtuel 3D. La précision de la posture obtenue est améliorée en intégrant un module de prédiction du mouvement: il utilise une estimation de certains paramètres discrets de la marche (durée et longueur des pas) et un modèle de la marche assistée. Enfin, le développement d'un algorithme de détection de ruptures du rythme locomoteur nous permet de valider l'ensemble de l'approche par rapport à l'application finale : l'assistance au diagnostic. A partir d'un ensemble de mesures de distance, correspondant au rapport de vraisemblance généralisé calculé sur les positions relatives de chaque articulation et la vitesse du déambulateur déterminée par un odomètre, un modèle multi-dimensionnel d'une marche régulière est ensuite appris via un séparateur à vaste marge à une classe. Cet algorithme a été évalué sur la base d'un protocole de changement de rythme de marche. Dans l'avenir, ce système pourra être intégré au robot d'assistance à la déambulation conçu dans le cadre du projet ANR MIRAS (Multimodal Interactive Robot of Assistance in Strolling)
Loading...