嵌入触觉传感器的跑步机，用于基于深度学习的步长测量

《IEEE Access》：Tactile-Sensor-Embedded Treadmill for Deep Learning-Based Step-Length Measurement

　　

摘要：

步长是评估健康和疾病状况的常用指标。然而，现有的步长测量系统通常价格昂贵或需要佩戴在身体上的传感器，而基于视觉的替代方法在足部追踪方面存在可靠性问题。为了解决这些限制，我们提出了一种基于深度学习的方法，利用嵌入了触觉传感器的跑步机来估计步长。首先通过噪声过滤和堆叠算法从压力数据中提取基线步长，然后使用逐步特征通过回归建模来细化估计结果，并通过留一法交叉验证比较了多个模型。深度神经网络模型取得了最佳性能，其百分比误差低于之前报道的方法。这些发现表明，所提出的方法提供了一种经济高效、无需穿戴的设备，适用于定量步态分析。