Zastosowanie sztucznych sieci neuronowych do

Magdalena GRAJEWSKA, Martyna MICHAŁOWSKA, Jakub K. GRABSKI,
Tomasz WALCZAK, Instytut Mechaniki Stosowanej, Politechnika Poznańska
ZASTOSOWANIE SZTUCZNYCH SIECI NEURONOWYCH DO
IDENTYFIKACJI LUDZI NA PODSTAWIE CHODU
APPLICATION OF ARTIFICIAL NEURAL NETWORK IN HUMAN
IDENTIFICATION BASED ON GAIT
Słowa kluczowe: sztuczne sieci neuronowe, chód, identyfikacja ludzi
1. WSTĘP
W pracy zaprezentowano zagadnienie wykorzystania w celach identyfikacyjnych
dynamicznych oraz kinematycznych parametrów chodu, stanowiące innowacyjne podejście na
tle dostępnej literatury [1, 2, 3]. Zgromadzone zostały rejestracje przebiegów sił reakcji
podłoża (GRF) oraz trajektorie wybranych punktów anatomicznych kończyn dolnych i tułowia
zgodnie z przyjętym modelem. Na podstawie analizy zebranych danych wyznaczono
dynamiczne oraz kinematyczne parametry określające sposób poruszania się. Problem
rozpoznania osób na bazie wyodrębnionych parametrów rozwiązano wykorzystując
możliwości sztucznych sieci neuronowych, testując różne konfiguracje danych wejściowych
oraz architektur sieci [1, 3].
2. METODYKA BADAŃ I OPRACOWANE PARAMETRY
W badaniach wzięła udział grupa 15 osób, w tym 7 kobiet i 8 mężczyzn, w wieku od 18 do
51 lat. Podczas każdego przejścia uczestnika ścieżką pomiarową jednocześnie rejestrowano
dane na platformach dynamometrycznych oraz poprzez system BTS Smart.
W zakresie dynamiki analizie poddano dwie składowe GRF – pionową oraz przednio –
tylną. Dokonano normalizacji oraz podziału na wskaźniki dla prawej i lewej kończyny. Wśród
opracowanych 64 determinantów dynamicznych znalazły się m.in.:
 lokalne maksima i minimum (A, B, C) składowej pionowej i stosunki między nimi,
 pola powierzchni pod krzywą z podziałem na fazy wyznaczone przez ekstrema,
 współrzędne geometryczne środka ciężkości krzywej (E), czas fazy dwupodporowej,
 szerokość i wysokość (D) artefaktu na zboczu narastającym i opadającym,
 stromość krzywej między lokalnymi maksimami, jej gładkość, czas cyklu chodu,
 maksimum fazy przyspieszania i minimum fazy hamowania, czasy ich wystąpienia.
XIII Konferencja Naukowa Majówka Młodych Biomechaników im. prof. Dagmary Tejszerskiej
s. 38
Rys. 1 Przykładowy wykres składowej pionowej GRF z zaznaczonymi punktami charakterystycznymi
Przykładowe wskaźniki z grupy 38 obliczanych parametrów kinematycznych to:
 wysokość podnoszenia kostek, kolan, unoszenia sacrum i bioder,
 kąty między stopami i kolanami (min., max., średnie),
 prędkość kątowa w kostce i kolanie, zgięcie grzbietowe stopy,
 przemieszczenia miednicy, rotacja miednicy.
3. UZYSKANE WYNIKI
Przygotowane parametry chodu posłużyły jako dane wejściowe dla procesu uczenia
sztucznej sieci neuronowej oraz ciąg testowy sprawdzania stopnia rozpoznawania konkretnych
osób przez nauczoną sieć. Analizie poddano trzy drogi sprawdzania możliwości
identyfikacyjnych, wykorzystujące: tylko parametry dynamiczne, jedynie parametry
kinematyczne oraz oba rodzaje wskaźników. Przeprowadzono 6 modyfikacji architektury sieci
w zakresie liczby warstw neuronów, liczby neuronów w danej warstwie, czy zastosowanej
funkcji aktywacji, co pozwoliło znacznie zredukować błąd rozpoznania.
Otrzymane wyniki (błąd rozpoznania nawet poniżej 1%) pozwalają stwierdzić, że
przedstawiona metoda umożliwia bardzo skuteczną identyfikację osób na podstawie chodu,
a najlepsze rezultaty daje wykorzystanie w tym celu parametrów dynamicznych.
LITERATURA
[1] Alaqtash M., Sarkodie-Gyan T., et al.: Automatic Classification of Pathological Gait Patterns
using Reaction Forces and Machine Learning Algorithms, 33rd Annual International
Conference of the IEEE EMBS, 2011.
[2] McBridge J., Zhang Z., et al.: Neural network analysis of gait biomechanical data for
classification of knee osteoarthritis, Biomechanical Sciences and Engineering Conference
(BSEC), 2011.
[3] Laufente R., Bleda J. M., Sanchez-Lacuesta J., Soler C., Prat J.: Design and test of neural
networks and statistical classifiers in computer-aided movement analysis: a case study in gait
analysis, Clinical Biomechanics Vol. 13(3), Bristol, 1997, s. 216-229.