Zastosowanie sztucznych sieci neuronowych do
Transkrypt
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.