Gait Data Augmentation using Physics-Based Biomechanical Simulation

要約

この論文は、歩行分析のデータ不足の問題に対処することに焦点を当てています。
標準的な拡張方法では、人間の歩行の生体力学的制約と一致しない歩行シーケンスが生成される可能性があります。
この問題に対処するために、物理ベースのシミュレータである OpenSIM を使用して生体力学的に妥当な歩行シーケンスを合成することにより、歩行データを拡張するための新しいフレームワークを提案します。
提案されたアプローチは、WBDS および CASIA-B データセットを強化し、3D 性別歩行分類と 2D 歩行個人識別用にそれぞれ歩行ベースの分類器をトレーニングすることによって検証されます。
実験結果は、私たちの拡張アプローチがモデルベースの歩行分類器のパフォーマンスを向上させ、CASIA-B データセット上で最大 96.11% の精度で歩行ベースの個人識別の最先端の結果を提供できることを示しています。

要約(オリジナル)

This paper focuses on addressing the problem of data scarcity for gait analysis. Standard augmentation methods may produce gait sequences that are not consistent with the biomechanical constraints of human walking. To address this issue, we propose a novel framework for gait data augmentation by using OpenSIM, a physics-based simulator, to synthesize biomechanically plausible walking sequences. The proposed approach is validated by augmenting the WBDS and CASIA-B datasets and then training gait-based classifiers for 3D gender gait classification and 2D gait person identification respectively. Experimental results indicate that our augmentation approach can improve the performance of model-based gait classifiers and deliver state-of-the-art results for gait-based person identification with an accuracy of up to 96.11% on the CASIA-B dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google