KR20240065885A - 인공지능 동작 인식 기술을 활용한 보행 분석 시스템 - Google Patents
인공지능 동작 인식 기술을 활용한 보행 분석 시스템 Download PDFInfo
- Publication number
- KR20240065885A KR20240065885A KR1020220147145A KR20220147145A KR20240065885A KR 20240065885 A KR20240065885 A KR 20240065885A KR 1020220147145 A KR1020220147145 A KR 1020220147145A KR 20220147145 A KR20220147145 A KR 20220147145A KR 20240065885 A KR20240065885 A KR 20240065885A
- Authority
- KR
- South Korea
- Prior art keywords
- gait
- user
- angle
- treadmill
- module
- Prior art date
Links
- 230000005021 gait Effects 0.000 title claims abstract description 198
- 238000004458 analytical method Methods 0.000 title claims abstract description 104
- 230000033001 locomotion Effects 0.000 title claims abstract description 70
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 20
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 238000003384 imaging method Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000000605 extraction Methods 0.000 claims description 29
- 210000002683 foot Anatomy 0.000 claims description 29
- 210000003141 lower extremity Anatomy 0.000 claims description 13
- 210000003423 ankle Anatomy 0.000 claims description 11
- 210000003127 knee Anatomy 0.000 claims description 10
- 210000004197 pelvis Anatomy 0.000 claims description 8
- 210000001255 hallux Anatomy 0.000 claims description 7
- 241000270666 Testudines Species 0.000 claims description 3
- 229940124595 oriental medicine Drugs 0.000 abstract description 3
- 230000004913 activation Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000000034 method Methods 0.000 description 8
- 210000002414 leg Anatomy 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 210000004744 fore-foot Anatomy 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 210000003371 toe Anatomy 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000001624 hip Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 206010054197 Gait deviation Diseases 0.000 description 1
- 208000010428 Muscle Weakness Diseases 0.000 description 1
- 206010028372 Muscular weakness Diseases 0.000 description 1
- 210000000617 arm Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 230000002232 neuromuscular Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6895—Sport equipment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
인공지능 동작 인식 기술을 활용한 보행 분석 시스템에 관한 것으로, 실내에서 달리기와 걷기를 위한 운동 기구인 트레드밀(Treadmill), 상기 트레드밀의 일 측면에 장착되고 상기 트레드밀에서 달리기 또는 걷기 운동을 실행하는 사용자의 보행을 촬영하는 촬영부, 상기 촬영부에서 촬영된 사용자의 보행을 분석하는 보행 분석부, 상기 보행 분석부에서 분석된 보행 상태 정보를 표시하는 표시부를 포함하고, 상기 보행 분석부는 사용자의 운동 전후의 비교를 통해 보행 비대칭 편차, 보행 관절가동범위 각도 및 편차, 보행자세 각도 및 편차를 분석하는 구성을 마련하여, 진료 및 치료하기 위한 병원의 근골격 종합검진 시스템 또는 한의원에서의 전신 근골격 분석을 통한 추나 치료 연계 활성화에 적용할 수 있다.
Description
본 발명은 인공지능 동작 인식 기술을 활용한 보행 분석 시스템에 관한 것으로, 특히 인공지능 기반 동작 인식 기술로 인체의 관절별 위치 정보를 추출한 후 보행 분석 알고리즘을 적용하여 보행 주기(Gait Cycle)에 관련된 한걸음 길이(Step Length), 한걸음 시간(Step Time), 디딤기 시간(Stance Time), 흔듦기 시간(Swing Time)을 자동으로 계산하고, 골반 각도(Hip Angle), 무릎 각도(Knee Angle), 발목 각도(Ankle Angle), 거북목 각도(FHP Angle), 상체 기울기(Trunk Lean Angle), 수직이동(Vertical Movement) 등에 대한 변인을 자동으로 산출할 수 있는 보행 분석 시스템에 관한 것이다.
인간의 보행(gait)은 오랜 시간 동안 학습 되어 온 신경근육계와 생체 역학적, 운동 기능학적 변화의 결정체인 운동패턴으로 몸의 안정성을 유지하면서 연속적이고 반복적인 동작으로 이동하는 능력을 필요로 한다. 이를 위해 사람이 이족 보행할 때에 일어나는 해부학적 현상들에 대해 많은 연구가 이루어졌으며, 보행 중인 정상인 또는 환자가 다리를 움직이고 발을 딛는 일련의 보행 단계들을 구분하는 연구들이 이루어졌다.
이러한 연구에 따르면, 정상인의 이족 보행의 한 보행 주기(gait cycle)는 발과 다리의 움직임에 따라 4단계의 보행 단계들, 즉 초기 접지기(Heel strike phase 또는 입각기(stance phase)), 중간 입각기(Mid-stance phase), 진출기(Toe-off phase), 유각기(Swing phase)로 구분될 수 있다. 사람은 보행 중에는 무의식적으로 양다리와 양 발을 반복적으로 일정하게 움직이면서 이러한 보행 단계들을 계속 반복한다. 또, 보행을 정량적 또는 정성적으로 분석하기 위한 지표로는 분속수(cadence), 보행 속도([0005] speed), 활보장(stride length), 보장기(step time), 단하지 지지기(single support), 양하기 지지기(double support), 보폭(step width) 등이 있다.
즉, 상술한 바와 같은 정상인의 보행주기는 디딤기(stance phase: 60%)와 흔듦기(swing phase: 40%)로 구분할 수 있으며, 보행주기(gait cycle)는 초기 접지기(initial contact: 0∼2%), 부하 반응기(loading response: 0∼10%), 중기 디딤기(mid stance: 10∼30%), 말기 디딤기(terminal stance: 30∼50%), 전 흔듦기(pre swing: 50∼60%), 초기 흔듦기(initial swing: 60∼73%), 중간 흔듦기(mid swing: 73∼87%), 말기 흔듦기(terminal swing: 87∼100%)로 구분할 수 있다.
한편, 정상인의 보행 단계를 식별하기 위한 기법들로서, 다리, 발목, 팔, 허리, 무릎 등에 모션 센서들을 장착하고, 각 부위에서 검출되는 가속도 값들을 분석하여 보행 단계를 식별하는 방식들이 적용된 보행 분석 장치 또는 보행 보조 장치 등이 개발되고 있다. 또는 사용자가 신발을 신은 채로 올라설 수 있도록 고안된 발 모듈의 깔창, 즉 사용자의 발바닥에 접촉하는 깔창에 압력 센서를 장착하는 방식들도 개발되고 있다.
상술한 방식에서는 사용자가 보행할 때에 발뒤꿈치 부위, 발바닥 부위 및 엄지발가락 부위에서 깔창에 가하게 되는 압력에 기초하여, 현재 사용자의 발이 뒤꿈치만 딛고 있는지, 발바닥을 딛고 있는지, 발 앞꿈치만 딛고 있는지 또는 발이 지면에서 떨어져 있는지 파악하고, 그에 따라 보행 단계들을 식별할 수 있다.
이러한 기술의 일 예가 하기 특허 문헌 1 내지 3 등에 개시되어 있다.
예를 들어, 하기 특허문헌 1에는 3축 자이로스코프 센서, 지자계 센서, 가속도 센서, 무선통신부, 배터리부 및 센서 제어부를 포함하는 보행 센싱 장치 및 상기 보행 센싱 장치에서 전송된 센싱값을 수신하는 무선통신부 및 메인 제어부를 포함하는 보행 분석 장치를 포함하고, 총 8개의 보행 분석 장치가 양 발, 양 정강기, 양 허벅지 및 몸통 양측에 각각 부착되며, 상기 보행 분석 장치에 포함된 무선통신부는 8개의 무선 통신부가 8개의 보행 센싱 장치에 포함된 각 무선통신부로부터 센싱값을 수신하는 구조로 마련된 보행 분석 시스템에 대해 개시되어 있다.
또 하기 특허문헌 2에는 지면 접촉면에 뒤꿈치로부터 앞꿈치까지 소정 간격으로 배치된 접촉 감지 센서들을 구비하는 발 모듈을 이용한 보행 분석 시스템의 보행 단계 판정 방법으로서, 상기 분석 시스템이 상기 발 모듈의 접촉 감지 센서들로부터 접촉 감지 신호들을 수신하는 단계, 상기 접촉 감지 신호들 각각의 검출 값들에 기초하여 지면 접촉 중심 위치를 산출하는 단계 및 산출된 상기 지면 접촉 중심 위치에 따라 보행 단계를 초기 접촉기, 중간 입각기, 진출기 및 유각기 중 어느 하나로 판정하는 단계를 포함하는 보행 단계 판정 방법에 대해 개시되어 있다.
한편, 하기 특허문헌 3에는 사용자가 상부에서 보행할 수 있도록 미리 설정된 속도로 이동되는 워킹패드를 구비하는 보행장치, 상기 보행장치의 일측에 배치되어 상기 워킹패드 상에서 보행하는 사용자를 촬영하여 사용자의 보행 영상을 획득하는 카메라, 상기 보행 영상에 기초하여 상기 사용자의 보행 중 관절의 회전각도를 산출하고, 산출된 상기 관절의 회전각도에 기초하여 상기 사용자의 보행 패턴을 파악하는 분석모듈, 상기 사용자의 신체구조 및 상기 분석모듈에서 산출한 보행분석결과에 기초하여 상기 사용자의 맞춤형 보행학습을 지원하는 보행학습 지원모듈, 상기 워킹패드 상에 상기 사용자의 발디딤 마크가 표시되도록 광을 조사하는 광조사장치, 상기 사용자의 발디딤 마크의 디딤 상황을 실시간으로 검출하는 보조 카메라, 상기 사용자의 신체 중 어느 하나의 특정 분절에 부착하도록 구성되고, 일단 및 타단에 각각 형성된 제1 마커 및 제2 마커가 형성되는 길이측정용 부착부재를 포함하는 보행 분석 시스템에 대해 개시되어 있다.
상술한 바와 같은 특허문헌에 개시된 기술에서는 지면반력기를 활용하여 족저압 데이터를 측정하거나 다수의 카메라를 설치한 후, 발에 마커를 부착하여 보행 동작을 측정하는 방식들을 사용한다. 그러나 이러한 방식들은 측정 장비 설치가 가능한 환경이 필요하다는 점과 장비의 가격이 고가라는 점에서 일반인의 접근성을 떨어뜨린다. 또한, 측정과 동시에 보행 결과 확인이 불가능하고 측정된 데이터를 분석해야만 보행에 대한 정보를 얻을 수 있다는 한계가 있다.
즉, 종래의 기술에 따른 보행 분석 시스템은 분석 장비의 준비과정이 복잡하고, 데이터 분석 등의 전처리 작업에 전문성이 요구되기 때문에 훨씬 간편하고 사용자의 접근성을 높일 수 있는 보행 분석 장비가 필요하다.
본 발명의 목적은 상술한 바와 같은 문제점을 해결하기 위해 이루어진 것으로서, 인공지능 기반의 동작 인식 기술로 추출되는 각 관절 점의 좌표를 기점으로 각도와 속도를 계산하고, 보행 주기 및 보행 관련 변인들을 예측하는 알고리즘을 적용하여 보행에 대한 변인을 자동으로 산출할 수 있는 보행 분석 시스템을 제공하는 것이다.
본 발명의 다른 목적은 사용자가 보행 데이터를 카메라 한 대로 측정할 수 있으며, 보행 분석 데이터를 자동으로 수집하여 빠르게 보행 분석 결과를 확인할 수 있는 보행 분석 시스템을 제공하는 것이다.
본 발명의 다른 목적은 실시간 보행 분석으로 체중 균형을 탐지하고, 좌우편차 분석을 통해 보행습관을 파악할 수 있는 보행 분석 시스템을 제공하는 것이다.
본 발명의 다른 목적은 보행 단계별 시간차 분석, 보행 관절 가동범위 분석, 보행자세 분석을 동시에 실행할 수 있는 보행 분석 시스템을 제공하는 것이다.
상기 목적을 달성하기 위해 본 발명에 따른 보행 분석 시스템은 인공지능 동작 인식 기술을 활용하여 사용자의 보행 단계별 시간차 분석, 보행 관절 가동범위 분석, 보행자세 분석을 동시에 실행할 수 있는 보행 분석 시스템으로서, 실내에서 달리기와 걷기를 위한 운동 기구인 트레드밀(Treadmill), 상기 트레드밀의 일 측면에 장착되고 상기 트레드밀에서 달리기 또는 걷기 운동을 실행하는 사용자의 보행을 촬영하는 촬영부, 상기 촬영부에서 촬영된 사용자의 보행을 분석하는 보행 분석부, 상기 보행 분석부에서 분석된 보행 상태 정보를 표시하는 표시부를 포함하고, 상기 보행 분석부는 사용자의 운동 전후의 비교를 통해 보행 비대칭 편차, 보행 관절가동범위 각도 및 편차, 보행자세 각도 및 편차를 분석하는 것을 특징으로 한다.
또 본 발명에 따른 보행 분석 시스템에서, 상기 보행 분석부는 인공지능 동작 인식 기술의 인식 일관성을 높이기 위해 사용자가 사용하는 트레드밀의 중심선을 산출하는 트레드밀 캘리브레이션 설정 모듈, 사용자의 동작 인식을 위해 사용자의 관절 점을 인식하여 결과를 출력하는 관절 위치 추출 및 캘리브레이션 모듈, 상기 관절 위치 추출 및 캘리브레이션 모듈에서 전달된 관절의 레이블 번호를 활용하여 사용자의 보행 시점을 추출하여 보행 주기를 설정하는 보행 주기 시점 추출 모듈을 포함하는 것을 특징으로 한다.
또 본 발명에 따른 보행 분석 시스템에서, 상기 보행 분석부는 상기 보행 주기 시점 추출 모듈에서 사용자의 보행 주기에서 구분한 시점 데이터들을 보행 변인들로 계산하는 보행 변인 계산 모듈, 사용자의 보행 시 골반, 무릎, 발목에 대한 가동범위(Range of Motion)와 분절 각도의 변동성을 계산하는 하지 각도 계산 모듈, 상기 관절 위치 추출 및 캘리브레이션 모듈에서 캘리브레이션을 통해 수집한 자세의 초기값을 기준으로 사용자의 거북목 각도(FHP Angle), 상체 기울기(Trunk Lean Angle), 수직이동(Vertical Movement)에 대한 변인을 계산하는 자세 변인 계산 모듈을 더 포함하는 것을 특징으로 한다.
또 본 발명에 따른 보행 분석 시스템에서, 상기 보행 주기 시점 추출 모듈은 보행의 디딤기 단계(Stance Phase)와 흔듦기 단계(Swing Phase)를 측정하기 위해 필수적으로 필요한 뒤꿈치 닿기(Heel Contact)와 엄지발가락 닿기(Toe Touch)의 시점을 찾아내기 위해 사용자의 보행 주기를 RHS(Right Heel Strike), RHR(Right Heel Rise), RTO(Right Toe Rise), LHS(Left Heel Strike), LHR(Left Heel Rise), LTO(Left Toe Rise) 구간으로 각각 구분하여 보행 주기 시점을 추출하는 것을 특징으로 한다.
또 본 발명에 따른 보행 분석 시스템에서, 상기 보행 변인 계산 모듈은 상기 트레드밀 캘리브레이션 설정 모듈에서 캘리브레이션을 진행했던 왼쪽 선, 오른쪽 선, 중앙선과 부위별 관절점을 사용하여 각도, 거리를 계산한 후, 사용자의 각 보행 주기 시점을 적용하여 왼발, 오른발의 걸음 길이(Step Length), 한걸음 시간(Step Time), 디딤기 시간(Stance Time), 흔듦기 시간(Swing Time), 양발의 좌우 보폭 편차와 보행 일관성을 산출하는 것을 특징으로 한다.
또 본 발명에 따른 보행 분석 시스템에서, 상기 하지 각도 계산 모듈은 상기 트레드밀 캘리브레이션 설정 모듈에서 캘리브레이션을 진행했던 왼쪽 선, 오른쪽 선, 중앙선과 부위별 관절점을 사용하여 사용자의 보행 시 골반, 무릎, 발목에 대한 가동범위와 분절 각도의 변동성을 계산하는 것을 특징으로 한다.
또 본 발명에 따른 보행 분석 시스템에서, 상기 보행 변인 계산 모듈, 하지 각도 계산 모듈 및 자세 변인 계산 모듈에서 계산된 사용자의 보행, 하지 각도, 자세의 변인 정보는 데이터베이스에 저장되는 것을 특징으로 한다.
상술한 바와 같이, 본 발명에 따른 보행 분석 시스템에 의하면, 사용자의 보행을 실시간으로 분석하여 관리자가 진료 및 치료하기 위한 병원의 근골격 종합검진 시스템 또는 한의원에서의 전신 근골격 분석을 통한 추나 치료 연계 활성화에 적용할 수 있다는 효과가 얻어진다.
또, 본 발명에 따른 보행 분석 시스템에 의하면, 센서 부착 없이 사용자의 하체 근육 약화 및 비활성화, 통증을 운동학적으로 실시간으로 분석하여 평가할 수 있다는 효과가 얻어진다.
또, 본 발명에 따른 보행 분석 시스템에 의하면, 사용자에 대한 실시간 보행 분석으로 체중 균형을 탐지하고, 좌우편차 분석을 통해 보행습관을 파악할 수 있다는 효과가 얻어진다.
한편, 본 발명에 따른 보행 분석 시스템에 의하면, 표시부에 나타난 운동 전후의 비교를 통해 보행 비대칭 편차, 보행 관절가동범위 각도 및 편차, 보행자세 각도 및 편차를 나타내어 사용자가 자신에 대한 보행 속도 트레이닝, 보행 리듬 트레이닝, 보행 자세 트레이닝을 셀프로 실행할 수 있다는 효과도 얻어진다.
도 1은 본 발명에 따른 보행 분석 시스템이 적용되는 트레드밀 및 분석 표시의 상태를 나타내는 도면,
도 2는 본 발명에 따른 보행 분석 시스템의 보행 분석부의 구성을 나타내는 블록도,
도 3의 도 2에 도시된 트레드밀 캘리브레이션 설정 모듈을 설명하기 위한 도면,
도 4는 도 2에 도시된 관절 위치 추출 및 캘리브레이션 모듈의 구성을 설명하기 위한 도면,
도 5는 도 2에 도시된 보행 주기 시점 추출 모듈의 구성을 설명하기 위한 도면,
도 6은 사용자의 보행 시 골반, 무릎, 발목에 대한 가동범위와 분절 각도를 나타낸 도면.
도 2는 본 발명에 따른 보행 분석 시스템의 보행 분석부의 구성을 나타내는 블록도,
도 3의 도 2에 도시된 트레드밀 캘리브레이션 설정 모듈을 설명하기 위한 도면,
도 4는 도 2에 도시된 관절 위치 추출 및 캘리브레이션 모듈의 구성을 설명하기 위한 도면,
도 5는 도 2에 도시된 보행 주기 시점 추출 모듈의 구성을 설명하기 위한 도면,
도 6은 사용자의 보행 시 골반, 무릎, 발목에 대한 가동범위와 분절 각도를 나타낸 도면.
본 발명의 상기 및 그 밖의 목적과 새로운 특징은 본 명세서의 기술 및 첨부 도면에 의해 더욱 명확하게 될 것이다.
본원에서 사용하는 용어 "유닛", "모듈" 혹은 "부"는 적어도 하나의 기능이나 동작을 수행하며, 기계적 구성 또는 전기전자적 구성으로 이루어진 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있으며, 복수의 "모듈" 혹은 복수의 "부"는 특정한 하드웨어로 구현될 필요가 있는 "모듈" 혹은 "부"를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.
또, 본원에서 사용하는 "사용자" 및 "관리자"는 본 발명에 따른 보행 분석 시스템을 사용 또는 관리하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 기기)를 지칭할 수 있다.
또한, 본원에서 사용하는 용어 "앱(application)"은 카메라, 단말기 또는 서버의 운영 체제에서 보행 분석을 실행할 수 있는 응용 소프트웨어를 의미한다.
한편, 본원에서 사용하는 인공지능 동작 인식 기술은 예를 들어, 기계학습모델을 이용하여 동작 정보를 추출할 수 있으며, 기계학습모델은 Posenet 인공지능 모델을 이용하여 사람의 동작을 인식할 수 있다. 즉, Posenet 인공지능 모델은 사용자의 전신 영상으로부터 동작 정보를 추출할 수 있고, 단일 동작 또는 다중 동작 중 하나를 추출할 수도 있다. 상기 인공지능 모델은 먼저 입력 RGB 이미지를 컨볼루션 뉴럴 네트워크를 통해 공급될 수 있고, 동작, 동작신뢰도, 키포인트 위치, 키포인트 신뢰도 점수의 4가지 요인을 모델 출력으로부터 디코딩하기 위해 사용될 수 있다. 또한, 생성된 이미지를 미리 지정된 동작 중 하나로 분류하기 위해, MobileNet 모델과 KNN classifier를 적용하여 분류할 수도 있다. 추출된 동작 정보를 미리 지정한 동작과 비교해 일정 확률 이상 일치시 해당 동작의 레이블을 할당할 수도 있다.
본 발명에서는 상술한 바와 같은 인공지능 동작 인식 기술을 적용하여 실시간으로 사용자의 보행을 분석할 수 있다.
이하, 본 발명에 따른 실시 예를 도면에 따라서 설명한다.
도 1은 본 발명에 따른 보행 분석 시스템이 적용되는 트레드밀 및 분석 표시의 상태를 나타내는 도면이다.
본 발명에 따른 보행 분석 시스템은 예를 들어, 실내에서 달리기와 걷기를 위한 운동 기구인 트레드밀(Treadmill), 상기 트레드밀의 일 측면에 장착되고 상기 트레드밀에서 달리기 또는 걷기 운동을 실행하는 사용자의 보행을 촬영하는 촬영부, 상기 촬영부에서 촬영된 사용자의 보행을 분석하는 보행 분석부, 상기 보행 분석부에서 분석된 보행 상태 정보를 표시하는 표시부를 포함할 수 있다.
상기 트레드밀은 도 1의 (a)에 도시된 바와 같이, 상용의 트레드밀(러닝머신)을 적용할 수 있으며, 특정 제품에 한정되는 것은 아니다. 즉, 상기 트레드밀은 사용자가 상부에서 보행할 수 있도록 미리 설정된 속도로 이동되는 워킹패드를 구비하는 구성으로, 예를 들어 최적의 측정을 위하여 2km/h 내지 4km/h와 같이 보행속도를 조정할 수 있는 것이 충분하다.
상기 촬영부는 하나의 카메라로 이루어지고, 워킹패드 상에서 보행하는 사용자를 촬영하여 사용자의 보행 영상을 획득하는 기능을 수행하며, 실시간으로 사용자의 관절을 자동으로 추적할 수 있는 3D 카메라를 적용할 수도 있다. 즉, 3D 카메라는 깊이(Depth) 데이터를 확보하여 객체와의 거리를 정확히 파악함으로써 객체의 형태와 움직임 및 거리를 파악하여 사용자의 3차원 움직임을 실시간으로 정확하게 파악할 수 있도록 구성되며, 최근 많이 적용되는 TOF(Time of Flight) 카메라를 적용할 수 있다. 상술한 TOF 카메라는 IR 라이트 및 TOF 센서로 구성될 수 있으며, IR 라이트에서 적외선을 출력한 후, TOF 센서가 반사되어 돌아오는 적외선을 감지하여 사물과의 거리를 정확하게 파악할 수 있으며, 이를 통하여 사용자 보행 시의 각 관절의 회전방향, 회전각도 등을 실시간으로 정확하게 검출할 수 있다.
상기 보행 분석부는 상기 카메라에 내장되어 마련될 수 있으며, 보행 분석부의 구성에 대해서는 도 2를 참조하여 설명한다. 도 2는 본 발명에 따른 보행 분석 시스템의 보행 분석부의 구성을 나타내는 블록도이다.
상기 표시부는 도 1의 (b)에 도시된 바와 같이, 상용의 디스플레이 장치(모니터)를 포함할 수 있으며, 상기 촬영부 및 보행 분석부와 유무선으로 연결되어 상기 보행 분석부에서 분석된 사용자의 보행 분석 정보를 표시할 수 있다.
상기 보행 분석부는 도 2에 도시된 바와 같이, 트레드밀 캘리브레이션 설정 모듈(100), 동작 인식을 통한 관절 위치 추출 및 캘리브레이션 모듈(200), 보행 주기 시점 추출 모듈(300), 변인 계산을 위한 보행 변인 계산 모듈(400), 하지 각도 계산 모듈(500), 자세 변인 계산 모듈(600), 알고리즘에 의해 산출된 데이터가 자동으로 저장되는 데이터베이스(700)를 포함할 수 있다. 상기 보행 분석부는 촬영부에서 촬영된 사용자 영상 정보와 표시부로 보행 분석 정보를 전송하기 위한 송수신부를 포함할 수도 있다.
또한, 상기 보행 분석부는 상술한 각각의 모듈에서의 작동을 실행하기 위한 마이크로프로세서 및 데이터베이스(700)의 기능을 실현하기 위한 메모리를 포함할 수 있으며, 각각의 모듈은 미리 설정된 프로그램 또는 앱에 의해 연속적으로 실행될 수도 있다.
다음에 도 2에 도시된 트레드밀 캘리브레이션 설정 모듈(100)에 대해 도 3을 참조하여 설명한다. 도 3의 도 2에 도시된 트레드밀 캘리브레이션 설정 모듈을 설명하기 위한 도면이다.
상기 트레드밀 캘리브레이션 설정 모듈(100)은 상술한 바와 같은 인공지능 동작 인식 기술의 인식 일관성을 높이기 위해 마련된다.
즉, 트레드밀 위에서 사용자의 동작이 인식되는 만큼 카메라의 거리, 트레드밀 별 크기가 알고리즘 계산에 영향을 미칠 수 있다. 상기 트레드밀 캘리브레이션 설정 모듈(100)은 이러한 차이를 보정하기 위해 마련된 모듈로서 도 3의 (a)에 도시된 바와 같이, 트레드밀의 양 끝단에 4개의 스티커를 부착한 후, 도 3의 (b)에 도시된 바와 같이, 스티커의 거리를 기준으로 왼쪽 선(Left Line)과 오른쪽 선(Right Line)을 그려 트레드밀 양 측면의 길이를 계산한다.
또, 도 3의 (c)에 도시된 바와 같이, 상기 트레드밀 캘리브레이션 설정 모듈(100)은 계산된 길이를 토대로 중심선(Center Line)을 산출하여 사용자의 보행 시 왼쪽과 오른쪽의 움직임을 구분해 내고 지면 닿는 위치를 분석하는 데 활용한다.
상기 동작 인식을 통한 관절 위치 추출 및 캘리브레이션 모듈(200)은 도 4에 도시된 바와 같이, 인공지능 기반의 동작 인식 모델로서 본 발명에서 사용할 수 있게 시스템에 연동하는 작업을 진행하였다. 도 4는 도 2에 도시된 관절 위치 추출 및 캘리브레이션 모듈(200)의 구성을 설명하기 위한 도면이다.
본 발명에 적용되는 동작 인식 모델은 예를 들어 Posenet 인공지능 모델과 같이, 다양한 종류가 있으며 인식 성능이 높아질수록 이후에 단계적으로 진행되는 처리 모듈의 성능도 같이 향상된다.
상기 관절 위치 추출 및 캘리브레이션 모듈(200)은 트레드밀 측면에 카메라 한 대를 설치하고 사용자의 움직임을 촬영하면 시스템이 자동으로 도 4에 도시된 바와 같이 관절별 레이블 번호에 따라 관절 점을 인식하여 결과를 출력하고 보행 주기 시점 추출 모듈(300)에 전달된다. 동작 인식과 함께 자세에 대한 캘리브레이션도 동시에 수행하여 이후에 진행되는 자세 변인 계산 모듈에 초기값을 반영한다.
상기 보행 주기 시점 추출 모듈(300)은 도 5에 도시된 바와 같이, 사용자의 의 보행 주기를 나타내며, 본 발명에서는 동작 인식을 통한 상기 관절 위치 추출 및 캘리브레이션 모듈(200)에서 전달된 관절의 레이블 번호를 활용하여 사용자의 보행 시점을 추출하기 위해 보행 주기를 RHS(Right Heel Strike), RHR(Right Heel Rise), RTO(Right Toe Rise), LHS(Left Heel Strike), LHR(Left Heel Rise), LTO(Left Toe Rise) 구간으로 각각 구분하였다. 도 5는 도 2에 도시된 보행 주기 시점 추출 모듈의 구성을 설명하기 위한 도면이다.
본 발명에 따른 보행 주기 시점 추출 모듈(300)에서 사용자의 보행 주기 시점을 추출하기 위해 세운 각 구간의 기본 정의는 도 5에서 다음과 같다.
RHS(Right Heel Strike):오른발의 뒤꿈치가 지면에 닿았을 때,
RHR(Right Heel Rise):오른발의 뒤꿈치와 왼발의 앞꿈치가 수평일 때,
RTO(Right Toe Rise):오른발의 엄지발가락이 지면에 닿았을 때,
LHS(Left Heel Strike):왼발의 뒤꿈치가 지면에 닿았을 때,
LHR(Left Heel Rise):왼발의 뒤꿈치와 왼발의 엄지발가락이 수평일 때
LTO(Left Toe Rise):왼발의 엄지발가락이 지면에 닿았을 때
상기 보행 주기 시점 추출 모듈(300)에서 상술한 바와 같이, 보행 주기 구간을 구분하는 이유는 사용자의 보행의 디딤기 단계(Stance Phase)와 흔듦기 단계(Swing Phase)를 측정하기 위해 필수적으로 필요한 뒤꿈치 닿기(Heel Contact)와 엄지발가락 닿기(Toe Touch)의 시점을 찾아내기 위해서 이다.
상기 보행 주기 시점 추출 모듈(300)에서는 동작 인식을 통한 관절 위치 추출 및 캘리브레이션 모듈(200)에서 전달받는 오른발, 왼발의 엄지발가락과 오른발, 왼발의 뒤꿈치 데이터를 기반으로 각 보행 주기의 각 시점을 추출하여 변인 계산을 위한 보행 변인 계산 모듈(400)로 추출된 데이터를 전달한다.
상기 보행 변인 계산 모듈(400)은 보행 주기에서 구분한 시점 데이터들을 보행 변인들로 계산한다. 즉, 보행 변인 계산 모듈(400)은 도 3에 도시된 바와 같이, 트레드밀 캘리브레이션 설정 모듈(100)에서 캘리브레이션을 진행했던 왼쪽 선, 오른쪽 선, 중앙선과 부위별 관절점을 사용하여 각도, 거리를 계산한 후 사용자의 각 보행 주기 시점을 적용하여 왼발, 오른발의 걸음 길이(Step Length), 한걸음 시간(Step Time), 디딤기 시간(Stance Time), 흔듦기 시간(Swing Time), 양발의 좌우 보폭 편차와 보행 일관성을 산출한다.
상기 하지 각도 계산 모듈(500)은 트레드밀 캘리브레이션 설정 모듈(100)에서 캘리브레이션을 진행했던 왼쪽 선, 오른쪽 선, 중앙선과 부위별 관절점을 사용하여 사용자의 보행 시 골반, 무릎, 발목에 대한 가동범위(Range of Motion)와 분절 각도의 변동성을 계산한다. 부위별 관절점 기준은 도 6과 같다. 도 6은 사용자의 보행 시 골반, 무릎, 발목에 대한 가동범위와 분절 각도를 나타낸 도면으로서, 도 6의 (a)는 골반의 가동범위와 분절 각도를 나타내고, 도 6의 (b)는 무릎의 가동범위와 분절 각도를 나타내고, 도 6의 (c)는 발목의 가동범위와 분절 각도를 나타낸자.
상기 자세 변인 계산 모듈(600)은 사용자의 동작 인식을 통한 관절 위치 추출 및 캘리브레이션 모듈(200)에서 캘리브레이션을 통해 수집한 자세의 초기값을 기준으로 거북목 각도(FHP Angle), 상체 기울기(Trunk Lean Angle), 수직이동(Vertical Movement)에 대한 변인을 계산한다.
상술한 보행 변인 계산 모듈(400), 하지 각도 계산 모듈(500), 자세 변인 계산 모듈(600)에서 계산된 사용자의 보행, 하지 각도, 자세의 변인 정보는 데이터베이스(700)에 저장된다.
상기 데이터베이스(700)의 구성은 바람직한 일 실시 예일 뿐이며, 구체적인 장치를 개발하는 데 있어서, 접근 및 검색의 용이성 및 효율성 등을 감안하여 데이터베이스 구축이론에 의하여 다른 구조로 구성될 수 있다.
또, 상술한 설명에서는 보행 분석부가 촬영부에 마련된 구조로 설명하였지만, 보행 분석부는 관리자의 단말기에 마련될 수도 있다,
상기 관리자의 단말기는 예를 들어, 사용자의 보행을 분석하여 진료 및 치료하기 위한 병원의 근골격 종합검진 시스템 또는 한의원에서의 전신 근골격 분석을 통한 추나 치료 연계 활성화를 위해 마련된 단말기일 수 있으며, 표시부를 포함하여 구성될 수도 있다.
이러한 관리자 단말기는 예를 들어, 보행 분석을 처리할 수 있도록 인공지능 동작 인식 기술이 적용하여 처리할 수 있는 앱(application)이 가동되는 스마트폰(Smart Phone), 휴대 단말기(Portable Terminal), 이동 단말기(Mobile Terminal), 개인 정보 단말기(Personal Digital Assistant: PDA), PMP(Portable Multimedia Player) 단말기, 텔레매틱스(Telematics) 단말기, 내비게이션(Navigation) 단말기, 개인용 컴퓨터(Personal Computer), 노트북 컴퓨터, 슬레이트 PC(Slate PC), 태블릿 PC(Tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(Wearable Device, 예를 들어, 워치형 단말기(Smartwatch), 글래스형 단말기(Smart Glass), HMD(Head Mounted Display) 등 포함), 와이브로(Wibro) 단말기, IPTV(Internet Protocol Television) 단말기, 스마트 TV, 디지털방송용 단말기, AVN(Audio Video Navigation) 단말기, A/V(Audio/Video) 시스템, 플렉시블 단말기(Flexible Terminal) 등과 같은 다양한 단말기를 적용할 수 있다.
상술한 바와 같이, 본 발명에 따른 인공지능 동작 인식 기술을 활용한 보행 분석 시스템의 표시부에 나타난 사용자의 운동 전후의 비교를 통해 보행 비대칭 편차, 보행 관절가동범위 각도 및 편차, 보행자세 각도 및 편차를 나타내어 사용자가 자신에 대한 보행 속도 트레이닝, 보행 리듬 트레이닝, 보행 자세 트레이닝을 셀프로 실행할 수도 있다.
이상 본 발명자에 의해서 이루어진 발명을 상기 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 상기 실시 예에 한정되는 것은 아니고 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 물론이다.
본 발명에 따른 보행 분석 시스템을 사용하는 것에 의해 진료 및 치료하기 위한 병원의 근골격 종합검진 시스템 또는 한의원에서의 전신 근골격 분석을 통한 추나 치료 연계 활성화에 적용할 수 있다.
100 : 트레드밀 캘리브레이션 설정 모듈
200 : 동작 인식을 통한 관절 위치 추출 및 캘리브레이션 모듈
300 : 보행 주기 시점 추출 모듈
400 : 보행 변인 계산 모듈
500 : 하지 각도 계산 모듈
600 : 자세 변인 계산 모듈
200 : 동작 인식을 통한 관절 위치 추출 및 캘리브레이션 모듈
300 : 보행 주기 시점 추출 모듈
400 : 보행 변인 계산 모듈
500 : 하지 각도 계산 모듈
600 : 자세 변인 계산 모듈
Claims (7)
- 인공지능 동작 인식 기술을 활용하여 사용자의 보행 단계별 시간차 분석, 보행 관절 가동범위 분석, 보행자세 분석을 동시에 실행할 수 있는 보행 분석 시스템으로서,
실내에서 달리기와 걷기를 위한 운동 기구인 트레드밀(Treadmill),
상기 트레드밀의 일 측면에 장착되고 상기 트레드밀에서 달리기 또는 걷기 운동을 실행하는 사용자의 보행을 촬영하는 촬영부,
상기 촬영부에서 촬영된 사용자의 보행을 분석하는 보행 분석부,
상기 보행 분석부에서 분석된 보행 상태 정보를 표시하는 표시부를 포함하고,
상기 보행 분석부는 사용자의 운동 전후의 비교를 통해 보행 비대칭 편차, 보행 관절가동범위 각도 및 편차, 보행자세 각도 및 편차를 분석하는 것을 특징으로 하는 보행 분석 시스템. - 제1항에서,
상기 보행 분석부는
인공지능 동작 인식 기술의 인식 일관성을 높이기 위해 사용자가 사용하는 트레드밀의 중심선을 산출하는 트레드밀 캘리브레이션 설정 모듈,
사용자의 동작 인식을 위해 사용자의 관절 점을 인식하여 결과를 출력하는 관절 위치 추출 및 캘리브레이션 모듈,
상기 관절 위치 추출 및 캘리브레이션 모듈에서 전달된 관절의 레이블 번호를 활용하여 사용자의 보행 시점을 추출하여 보행 주기를 설정하는 보행 주기 시점 추출 모듈을 포함하는 것을 특징으로 하는 보행 분석 시스템. - 제2항에서,
상기 보행 분석부는
상기 보행 주기 시점 추출 모듈에서 사용자의 보행 주기에서 구분한 시점 데이터들을 보행 변인들로 계산하는 보행 변인 계산 모듈,
사용자의 보행 시 골반, 무릎, 발목에 대한 가동범위(Range of Motion)와 분절 각도의 변동성을 계산하는 하지 각도 계산 모듈,
상기 관절 위치 추출 및 캘리브레이션 모듈에서 캘리브레이션을 통해 수집한 자세의 초기값을 기준으로 사용자의 거북목 각도(FHP Angle), 상체 기울기(Trunk Lean Angle), 수직이동(Vertical Movement)에 대한 변인을 계산하는 자세 변인 계산 모듈을 더 포함하는 것을 특징으로 하는 보행 분석 시스템. - 제3항에서,
상기 보행 주기 시점 추출 모듈은 보행의 디딤기 단계(Stance Phase)와 흔듦기 단계(Swing Phase)를 측정하기 위해 필수적으로 필요한 뒤꿈치 닿기(Heel Contact)와 엄지발가락 닿기(Toe Touch)의 시점을 찾아내기 위해 사용자의 보행 주기를 RHS(Right Heel Strike), RHR(Right Heel Rise), RTO(Right Toe Rise), LHS(Left Heel Strike), LHR(Left Heel Rise), LTO(Left Toe Rise) 구간으로 각각 구분하여 보행 주기 시점을 추출하는 것을 특징으로 하는 보행 분석 시스템. - 제4항에서,
상기 보행 변인 계산 모듈은 상기 트레드밀 캘리브레이션 설정 모듈에서 캘리브레이션을 진행했던 왼쪽 선, 오른쪽 선, 중앙선과 부위별 관절점을 사용하여 각도, 거리를 계산한 후, 사용자의 각 보행 주기 시점을 적용하여 왼발, 오른발의 걸음 길이(Step Length), 한걸음 시간(Step Time), 디딤기 시간(Stance Time), 흔듦기 시간(Swing Time), 양발의 좌우 보폭 편차와 보행 일관성을 산출하는 것을 특징으로 하는 보행 분석 시스템. - 제4항에서,
상기 하지 각도 계산 모듈은 상기 트레드밀 캘리브레이션 설정 모듈에서 캘리브레이션을 진행했던 왼쪽 선, 오른쪽 선, 중앙선과 부위별 관절점을 사용하여 사용자의 보행 시 골반, 무릎, 발목에 대한 가동범위와 분절 각도의 변동성을 계산하는 것을 특징으로 하는 보행 분석 시스템. - 제4항에서,
상기 보행 변인 계산 모듈, 하지 각도 계산 모듈 및 자세 변인 계산 모듈에서 계산된 사용자의 보행, 하지 각도, 자세의 변인 정보는 데이터베이스에 저장되는 것을 특징으로 하는 보행 분석 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220147145A KR20240065885A (ko) | 2022-11-07 | 2022-11-07 | 인공지능 동작 인식 기술을 활용한 보행 분석 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220147145A KR20240065885A (ko) | 2022-11-07 | 2022-11-07 | 인공지능 동작 인식 기술을 활용한 보행 분석 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240065885A true KR20240065885A (ko) | 2024-05-14 |
Family
ID=91076313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220147145A KR20240065885A (ko) | 2022-11-07 | 2022-11-07 | 인공지능 동작 인식 기술을 활용한 보행 분석 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240065885A (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101648270B1 (ko) | 2014-11-10 | 2016-08-16 | 연세대학교 산학협력단 | 보행 단계 판정을 위한 발모듈, 이를 이용한 보행 단계 판정 방법, 보행 분석 시스템 및 능동형 보행 보조 장치 |
| KR102010898B1 (ko) | 2017-08-03 | 2019-08-14 | 삼육대학교 산학협력단 | 관성센서를 이용한 보행 분석 시스템 및 방법 |
| KR102336728B1 (ko) | 2021-03-17 | 2021-12-08 | 주식회사 디지털휴먼랩 | 보행분석시스템 |
-
2022
- 2022-11-07 KR KR1020220147145A patent/KR20240065885A/ko unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101648270B1 (ko) | 2014-11-10 | 2016-08-16 | 연세대학교 산학협력단 | 보행 단계 판정을 위한 발모듈, 이를 이용한 보행 단계 판정 방법, 보행 분석 시스템 및 능동형 보행 보조 장치 |
| KR102010898B1 (ko) | 2017-08-03 | 2019-08-14 | 삼육대학교 산학협력단 | 관성센서를 이용한 보행 분석 시스템 및 방법 |
| KR102336728B1 (ko) | 2021-03-17 | 2021-12-08 | 주식회사 디지털휴먼랩 | 보행분석시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240041349A1 (en) | Gait Analysis Devices, Methods, and Systems | |
| Liu et al. | Wearable devices for gait analysis in intelligent healthcare | |
| Sethi et al. | A comprehensive survey on gait analysis: History, parameters, approaches, pose estimation, and future work | |
| Oerbekke et al. | Concurrent validity and reliability of wireless instrumented insoles measuring postural balance and temporal gait parameters | |
| Washabaugh et al. | Comparing the accuracy of open-source pose estimation methods for measuring gait kinematics | |
| KR101556117B1 (ko) | 슬관절형 보행훈련로봇의 관절각 제어 시스템 및 제어방법 | |
| US20150005910A1 (en) | Motion information processing apparatus and method | |
| KR102336728B1 (ko) | 보행분석시스템 | |
| JP6649323B2 (ja) | 歩行解析システム及び方法 | |
| US12029550B2 (en) | 3D human body joint angle prediction method and system using 2D image | |
| WO2021174340A1 (en) | System and method for gait monitoring and improvement | |
| CN113642506B (zh) | 一种基于数据匹配进行图像标注的方法和系统 | |
| KR102128268B1 (ko) | 발 특성 정보를 이용한 보행 능력 예측 방법 및 시스템 | |
| Lianzhen et al. | Athlete Rehabilitation Evaluation System Based on Internet of Health Things and Human Gait Analysis Algorithm | |
| CN112107290B (zh) | 预测对象的多个步态周期的kam的系统、方法和软件应用程序 | |
| CN116999057A (zh) | 基于穿戴式传感器的偏瘫步态识别及偏瘫步态评估方法 | |
| KR20240065885A (ko) | 인공지능 동작 인식 기술을 활용한 보행 분석 시스템 | |
| de Pinho André et al. | Using foot and knee movement and posture information to mitigate the probability of injuries in functional training | |
| Calma et al. | Development of normative walking gait kinematics database for Filipinos using MS kinect V2 | |
| US20240138777A1 (en) | Learning system, learning method, and recording medium | |
| JP7480852B2 (ja) | 計算装置、歩容計測システム、計算方法、およびプログラム | |
| Prasetyo | Gait Analysis Parameter Study Using Xbox Kinect Aimed at Medical Rehabilitation Tool | |
| CN111863190B (zh) | 定制化运动装备及运动方案生成系统 | |
| Sayeed | Methods and models in signal processing for gait analysis using waist-worn accelerometer: A contribution to Parkinson’s disease | |
| JP2023062231A (ja) | 分析システム、学習モデル生成装置 |