基于3D运动捕捉系统的坐姿角度和舒适度研究

本研究以长期在通用桌面高度上使用笔记本电脑,将给使用者带来诸多身体危害为背景。通过获取被测试者的坐姿角度和舒适度自我评价量表,对比了在键盘操作和书写任务时桌高变化对平均姿势和姿势变化的影响。结果表明进行电脑操作和书写的主观评价分值分别在第2级和第3级桌高达到峰值。书写导致了更大的头颈部弯曲和脊柱不对称性,推断书写比电脑操作更易患肌肉骨骼疾病。统计结果表明舒适度与视角和头颈角显著相关。

基于3D运动捕捉技术的人类步态分析

当今社会,滑倒和摔倒是导致髋关节损伤的重要原因,而摔倒的一个重要影响因素就是地面情况的影响。了解人体行走在不同摩擦地面上时对姿态的影响对于理解人体的行走稳定性和预防人体摔倒具有重要的意义。本文主要是研究人体行走在不同摩擦地面上时的步态变化。

基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型。三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7%,对足外8步态的正确率为92.8%以及足内8的正确率为91.0%。模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本。