• 제어로봇시스템학회논문지
• /
• 제18권7호
• /
• pp.644-649
• /
• 2012

This paper proposes the gait phase classifier using backpropagation neural networks method which uses the angle of lower body's joints and ground reaction force as input signals. The classification of a gait phase is useful to understand the gait characteristics of pathologic gait and to control the gait rehabilitation systems. The classifier categorizes a gait cycle as 7 phases which are commonly used to classify the sub-phases of the gait in the literature. We verify the efficiency of the proposed method through experiments.

• 한국컴퓨터정보학회논문지
• /
• 제23권2호
• /
• pp.17-26
• /
• 2018

In this paper, we propose a gait type classification method based on pressure sensor which reflects various terrain and velocity variations. In order to obtain stable gait classification performance, we divide the whole gait data into several steps by detecting the swing phase, and normalize each step. Then, we extract robust features for both topographic variation and speed variation by using the Null-LDA(Null-Space Linear Discriminant Analysis) method. The experimental results show that the proposed method gives a good performance of gait type classification even though there is a change in the gait velocity and the terrain.

• 한국통신학회논문지
• /
• 제39B권7호
• /
• pp.479-490
• /
• 2014

하지근력증강로봇은 인간의 하체에 착용하여 보행능력을 강화하거나 보조하기 위한 장비다. 보행능력을 향상하기 위해 로봇은 착용자의 걷는 움직임을 감지하고 이에 적합한 로봇의 동작을 구동한다. 본 논문에서는 로봇이 착용자의 움직임을 감지하는 방법을 소개하고, 감지된 데이터를 착용자의 현재 보행단계를 의미하는 보행단계상태 정보로 변환하는 보행단계구분 알고리즘을 제시한다. 로봇은 보행단계상태 정보에 따라 현재 필요한 제어모드를 결정하고 로봇구동기를 작동하기 때문에 잘못된 정보가 전달된다면 로봇은 착용자의 보행능력을 향상할 수 없거나 착용자에게 오히려 불편을 줄 수 있다. 따라서 보행단계구분 알고리즘은 항상 정확한 정보를 제공할 수 있어야 한다. 하지만 본 연구에서 사용하는 센서장치의 경우 작은 움직임에도 민감하게 반응하는 특성이 있어 센서데이터를 임계기준으로 구분하는 방법으로는 항상 정확한 보행단계상태 정보를 구할 수 없다. 이러한 특성을 극복하면서 정확한 정보를 제공하기 위해 확률적 구분 방법을 응용한 나이브-플렉시블 베이지안 보행단계구분 알고리즘을 제안하였고, 실험을 통해 제안 방법의 정확성을 비교 분석하였다.

• 한국지능시스템학회논문지
• /
• 제21권1호
• /
• pp.6-11
• /
• 2011

본 논문에서는 고유특징 정규화 및 추출 기법(ERE: Eigenfeature Regularization and Extraction)을 이용한 걸음걸이 바이오 정보 기반 사용자 인식 시스템을 제안한다. 먼저 카메라 센서에서 취득한 걸음걸이 시퀀스로부터 사용자 인식을 위한 특징 정보로 걸음걸이 에너지 영상(GEI: Gait Energy Image)을 생성한다. 학습 단계에서는 갤러리 걸음걸이 에너지 영상에 ERE를 적용하여 정규화된 변환행렬을 획득하여 고유공간(eigenspace)에 사상된 특징정보를 구하고, 검증 단계에서는 걸음걸이 에너지 영상을 학습단계에서 생성한 고유공간에 사상하여 최근접 이웃 분류기를 이용하여 사용자를 인식한다. 제안한 시스템의 유효성 검증을 위해 CASIA 걸음걸이 데이터셋 A를 이용하여 실험하였고, 기존 연구에 비해 인식 정확도 면에서 우수한 성능을 보여주었다.

• 전자공학회논문지
• /
• 제52권3호
• /
• pp.181-189
• /
• 2015

동력의족은 하지 절단 환자나 다리근력이 부족한 사람들의 보행 보조를 위해 사용된다. 동력의족의 자연스러운 구동을 위해 선 보행단계가 잘 분류되어야 한다. 물리센서를 이용하여 보행단계를 분류하는 기존 연구는 동력의족이 사전에 훈련된 보행속도로만 재현되는 단점이 있다. 따라서 본 논문에서는 물리센서를 사용하지 않고, 근전도 신호만을 이용하여 오르막, 내리막 계단보행을 각각 4단계로 분류하는 방법을 제안한다. 근전도 신호를 RMS, VAR, MAV, SSC, ZC, WAMP 특징으로 산출하여 LDA(Linear Discriminant Analysis) 분류기를 통해 보행단계를 인식한다. 훈련 단계에서는 AHRS센서를 이용하여 무릎각도 변화에 따른 보행단계 범위를 생성한다. 실험 결과, 선행 연구의 경우 오르막 보행에서 평균 58.5%, 내리막 보행에서 35.3%의 정확도를 보인다. 반면, 제안하는 방법은 오르막 보행에서 평균 85.6%, 내리막 보행에서 69.5%의 인식률을 보인다. 또한, 본 연구를 통해 개별 근육 별 보행단계 평균 인식률을 분석하였다.

• 재활복지공학회논문지
• /
• 제7권2호
• /
• pp.19-26
• /
• 2013

본 논문에서는 다수의 특징 값 중에서 적합한 특징 및 채널을 선택하는 sEMG 신호기반 보행단계 인식기법을 제안한다. 제안하는 방법은 sEMG 신호 기반 분류기를 이용하여 하지 절단 환자의 동력의족을 제어하며, 적응적으로 특징 및 채널들을 선택하여 임베디드 시스템의 신호처리과정에서 발생하는 오버헤드를 감소시킨다. 또한 피험자의 보행 습관에 따라 근육 발달도가 다르다는 특성을 이용하여 피험자의 보행단계에 따라 사용 빈도가 높은 근육과 특징 추출 알고리즘을 선택함으로서 정확도를 향상시킨다. 실험 결과 피험자마다 인식율이 높은 근육이 다르다는 것을 발견하였다. 또한 모든 특징들과 채널들을 이용하는 기존 방법의 경우 50%의 평균정확도를 보인 반면에 제안한 방법은 91%의 평균정확도를 보였다. 따라서 소수의 발달된 근육과 이에 맞는 특징을 사용한 sEMG기반 보행단계인식 방법이 하지절단환자의 동력의족을 제어하는 데 적용될 수 있음을 확인하였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 1부
• /
• pp.841-847
• /
• 2007

최근 삶의 수준의 향상과 의학 기술의 발전으로 노인 인구가 증가하고 있다. 하지만 늘어나는 노인 인구에 비례하여 신체적 노화로 거동이 어려운 노인의 수 또한 증가하는 추세이다. 실제로 많은 노인 인구가 거동이 불편해 정상적인 생활을 하지 못하고 있기 때문에 보행 시 적절한 힘을 보조해 줄 수 있는 보행 보조 장치의 개발이 필요하다. 이 같은 보행 보조 장치를 개발함에 있어 보행자의 보행 패턴이 고려된다면 보행자의 걸음걸이에 맞춰 자연스럽게 힘을 보조해 줄 수 있기 때문에 보행자의 보행 단계 분류에 관한 연구가 선행되어야 한다. 그래서 본 논문에서는 하지 근전도 신호를 이용해 보행 단계를 구분하는 방법을 제안하고자 한다. 근전도 신호는 근육이 움직일 때 발생하는 아주 작은 전기적인 신호이다. 근전도 신호는 작은 잡음에도 민감하며, 전극을 부착하는 근육의 위치에 따라서도 값의 차이가 크기 때문에 근전도 신호의 획득 및 처리 방법이 중요하다. 위를 위해 피실험자 별 근육의 위치와 보행 속도를 달리하여 근전도 신호를 획득하고 획득한 신호로부터 여러 특징 값을 추출한다. 그리고 새로운 데이터에 대해 적응성이 강하고 시간에 따라 변하는 근전도 신호의 특성을 잘 반영할 수 있으며 각 집합(class)의 비선형 분리가 가능한 퍼지 최대-최소 신경망(Fuzzy Min-Max Neural Network: FMMNN)을 이용해 보행 단계를 분류해 본다. 실험 결과를 통해 제안한 방법의 타당성을 검증해 보고 보행자, 보행속도, 근전도 측정을 위한 근육의 위치가 보행 패턴 분류에 미치는 영향을 알아본다.