Wearable Sensor-Based Gait Analysis for Age and Gender Estimation

doi:10.3390/s20082424

.2020年4月24日；20(8):2424.

doi:10.3390/s20082424。

基于穿戴式传感器的步态分析用于年龄和性别估计

阿提克·拉赫曼·阿哈德（Atiquer Rahman Ahad）先生^1 2, Thanh Trung Ngo先生¹, 安妮迪娅·达斯·安塔尔^三, 马苏德·艾哈迈德², 塔赫拉·侯赛因⁴, 村松大吾¹, 靖国真原¹, 井上佐三⁴, Yasushi八木¹

附属公司

¹大阪大学媒体智能系，茨城567-0047，日本。
²孟加拉国达卡1000，达卡大学电气与电子工程系。
^三密歇根大学电气工程与计算机科学，美国密歇根州安娜堡48109。
⁴日本北九州804-8550九州理工学院生命科学与系统工程研究生院。

PMID： 32344673
PMCID公司： PMC7219505
内政部： 10.3390/s20082424

基于穿戴式传感器的步态分析用于年龄和性别估计

Atiqur Rahman Ahad博士等。传感器（巴塞尔）. 2020.

.2020年4月24日；20(8):2424.

doi:10.3390/s20082424。

作者

附属公司

¹大阪大学媒体智能系，茨城567-0047，日本。
²孟加拉国达卡1000，达卡大学电气与电子工程系。
^三密歇根大学电气工程与计算机科学，美国密歇根州安娜堡48109。
⁴日本北九州804-8550九州理工学院生命科学与系统工程研究生院。

PMID： 32344673
PMCID公司： PMC7219505
内政部： 10.3390/s20082424

摘要

基于可穿戴传感器的系统和设备已经扩展到不同的应用领域，特别是在医疗领域。自动年龄和性别估计有几个重要的应用。步态已被证明是各种应用中的一种深刻的运动提示。2019年，第12届IAPR国际生物计量学会议（ICB）启动了基于步态的年龄和性别估计挑战。在这场比赛中，最初注册的18支球队来自14个国家。这项挑战的目标是找到一些智能方法来处理基于传感器的步态数据的年龄和性别估计。为此，我们使用了一个基于可穿戴传感器的大型步态数据集，在训练数据集中有745名2至78岁的受试者（357名女性和388名男性）；测试数据集中的58名受试者（19名女性和39名男性）。它有几种行走模式。步态数据序列是从三个IMUZ传感器收集的，这些传感器放在腰部或背包顶部。来自十个团队的67个解决方案，用于年龄和性别估计。本文广泛分析了各种方法的方法和取得的成果。基于分析，我们发现，与传统手工方法相比，基于深度学习的解决方案在竞争中处于领先地位。我们发现，采用嵌入角度的步态动态图像和时间卷积网络，性别估计的最佳预测误差为24.23%，年龄估计的平均绝对误差为5.39。

关键词：年龄估计；步态；性别；识别；智能手机；可穿戴传感器。

PubMed免责声明

利益冲突声明

作者声明没有利益冲突。

数字

图1
基于传感器的人体步态数据采集系统的设置：(一)腰带（未覆盖），具有三个IMUZ传感器；(b)典型IMUZ传感器的三个轴；(**c（c）**)传感器在左侧、右侧和中央靠背位置的连接；和(d日)真实的数据采集图像，其中受试者系着腰带，环境中突出显示了平坦的地面、楼梯和斜坡。（该图之前在[17]中发布为图8。因此，经爱思唯尔公司许可，转载自[17]，版权所有（2015）。

图2
培训数据集中受试者的年龄组和性别分布。直方图显示了年龄组的不均匀分布，尽管两性的分布几乎是均等的。

图5
测试数据集中受试者的年龄组和性别分布。与训练数据集相比，直方图显示了年龄组和性别的非均匀分布。

图9
排名前十的算法，不考虑任何团队预测性别估计的错误。”T代表“团队”，A代表“算法”。

**图12**
前10种算法，不考虑任何团队按年龄组的年龄预测结果。”T代表“团队”，A代表“算法”。

请参阅PMC中的此图像和版权信息

类似文章

步态分析中用于检测垂直地面反作用力（vGRF）的智能鞋垫的设计和表征的系统方法。
Tahir AM、Chowdhury MEH、Khandakar A、Al-Hamouz S、Abdalla M、Awadallah S、Reaz MBI、Al-Emadi N。 Tahir AM等人。传感器（巴塞尔）。2020年2月11日；20(4):957. doi:10.3390/s20040957。传感器（巴塞尔）。2020 PMID：32053914 免费PMC文章。
基于穿戴传感器的帕金森病患者步态冻结检测和预测：综述。
Pardoel S、Kofman J、Nantel J、Lemaire ED。 Pardoel S等人。传感器（巴塞尔）。2019年11月24日；19(23):5141. doi:10.3390/s19235141。传感器（巴塞尔）。2019 PMID：31771246 免费PMC文章。审查。
基于IMU传感器步态轨迹的年龄和性别预测的系统比较。
Van Hamme T、Garofalo G、Argones Rüa E、Preuveneers D、Joosen W。 Van Hamme T等人。传感器（巴塞尔）。2019年7月4日；19(13):2945. doi:10.3390/s19132945。传感器（巴塞尔）。2019 PMID：31277389 免费PMC文章。
一种新的基于单传感器的方法，用于检测帕金森病患者步态的步态周期崩溃和冻结。
Chomiak T、Xian W、Pei Z、Hu B。 Chomiak T等人。神经传输杂志（维也纳）。2019年8月；126(8):1029-1036. doi:10.1007/s00702-019-02020-0。Epub 2019年6月1日。神经传输杂志（维也纳）。2019 PMID：31154512
基于惯性传感器的步态识别：综述。
Sprager S，Juric MB。 Sprager S等人。传感器（巴塞尔）。2015年9月2日；15(9):22089-127. doi:10.3390/s150922089。传感器（巴塞尔）。2015 PMID：26340634 免费PMC文章。审查。

查看所有类似文章

引用人

使用多模态感官数据进行步态分析的特征编码技术的系统评估。
Fatima R、Khan MH、Nisar MA、Doniec R、Farid MS、Grzegorzek M。 Fatima R等人。传感器（巴塞尔）。2023年12月22日；24(1):75. doi:10.3390/s24010075。传感器（巴塞尔）。2023 PMID：38202937 免费PMC文章。
基于RGB和热图像的消费者视觉跟踪和明显人口统计估计的新基准。
Panagos II、Giotis AP、Sofianopoulos S、Nikou C。 Panagos II等人。传感器（巴塞尔）。2023年11月29日；23(23):9510. doi:10.3390/s23239510。传感器（巴塞尔）。2023 PMID：38067883 免费PMC文章。
人工智能系统与临床医生对无症状脑血管病步态障碍筛查有效性和成本效益的随机平行试验（ACCURATE-1）：研究方案。
费B，赵J，李X，唐Y，秦G，张W，丁J，胡M，王X。 Fei B等人。 BMJ公开赛。2022年3月24日；12（3）：e055880。doi:10.1136/bmjopen-2021-055880。 BMJ公开赛。2022 PMID：35332042 免费PMC文章。
使用深度学习的基于CSI的人类活动识别。
Fard Moshiri P、Shahbazian R、Nabati M、Ghorashi SA。 Fard Moshiri P等人。传感器（巴塞尔）。2021年10月30日；21(21):7225. doi:10.3390/s212117225。传感器（巴塞尔）。2021 PMID：34770532 免费PMC文章。
使用IMU传感器的乒乓球正手击球评估系统的深度学习方法。
大不里士SS、帕萨扎德S、贾瓦尼V。 Tabrizi SS等人。计算机集成神经科学。2021年4月9日；2021:5584756. doi:10.1155/2021/5584756。eCollection 2021年。计算机集成神经科学。2021 PMID：33868398 免费PMC文章。

查看所有“被引用”文章

工具书类

1. 老龄与健康世界卫生组织。[（2020年1月10日访问）]；在线可用：www.who.int/news-room/fact-sheets/detail/ageing-and-health.
1. Mosa A.，Yoo I.，Sheets L.智能手机医疗应用程序的系统回顾。BMC Med.Inf.Decis.公司。制造商。2012;12:67. doi:10.1186/1472-6947-12-67。-内政部-项目管理咨询公司-公共医学
1. Ahad M.A.R.、Antar A.D.、Shahid O.《基于视觉的辅助医疗行动理解：简短回顾》；IEEE计算机视觉和模式识别（CVPR）研讨会会议记录；2019年6月16日至20日，美国加利福尼亚州长滩；第1-11页。
1. Islam S.M.R.、Kwak M.D.、Kabir H.、Hossain M.和Kwak K.S.《卫生保健物联网：综合调查》。IEEE接入。2015;3:678–708. doi:10.10109/ACCESS.2015.2437951。-内政部
1. Elkholy A.、Makihara Y.、Gomaa W.、Ahad M.A.R.、Yagi Y.从不同角度检测基于GEI的非监督步态障碍；IEEE医学和生物学会工程第41届国际年会论文集（EMBC’19）；德国柏林。2019年7月23日至27日。-公共医学

MeSH术语

行动
行动
行动
行动
行动
行动
行动
行动
行动
行动
行动
行动
行动
行动
行动
行动

LinkOut-更多资源

全文源

[1] 老龄与健康世界卫生组织。[（2020年1月10日访问）]；在线可用：www.who.int/news-room/fact-sheets/detail/ageing-and-health.

[2] 老龄与健康世界卫生组织。[（2020年1月10日访问）]；在线可用：www.who.int/news-room/fact-sheets/detail/ageing-and-health.

[3] Mosa A.，Yoo I.，Sheets L.智能手机医疗应用程序的系统回顾。BMC Med.Inf.Decis.公司。制造商。2012;12:67. doi:10.1186/1472-6947-12-67。-内政部-项目管理咨询公司-公共医学

[4] Mosa A.，Yoo I.，Sheets L.智能手机医疗应用程序的系统回顾。BMC Med.Inf.Decis.公司。制造商。2012;12:67. doi:10.1186/1472-6947-12-67。-内政部-项目管理咨询公司-公共医学

[5] Ahad M.A.R.、Antar A.D.、Shahid O.《基于视觉的辅助医疗行动理解：简短回顾》；IEEE计算机视觉和模式识别（CVPR）研讨会会议记录；2019年6月16日至20日，美国加利福尼亚州长滩；第1-11页。

[6] Ahad M.A.R.、Antar A.D.、Shahid O.《基于视觉的辅助医疗行动理解：简短回顾》；IEEE计算机视觉和模式识别（CVPR）研讨会会议记录；2019年6月16日至20日，美国加利福尼亚州长滩；第1-11页。

[7] Islam S.M.R.、Kwak M.D.、Kabir H.、Hossain M.和Kwak K.S.《卫生保健物联网：综合调查》。IEEE接入。2015;3:678–708. doi:10.10109/ACCESS.2015.2437951。-内政部

[8] Islam S.M.R.、Kwak M.D.、Kabir H.、Hossain M.和Kwak K.S.《卫生保健物联网：综合调查》。IEEE接入。2015;3:678–708. doi:10.10109/ACCESS.2015.2437951。-内政部

[9] Elkholy A.、Makihara Y.、Gomaa W.、Ahad M.A.R.、Yagi Y.从不同角度检测基于GEI的非监督步态障碍；IEEE医学和生物学会工程第41届国际年会论文集（EMBC’19）；德国柏林。2019年7月23日至27日。-公共医学

[10] Elkholy A.、Makihara Y.、Gomaa W.、Ahad M.A.R.、Yagi Y.从不同角度检测基于GEI的非监督步态障碍；IEEE医学和生物学会工程第41届国际年会论文集（EMBC’19）；德国柏林。2019年7月23日至27日。-公共医学

将引文保存到文件

电子邮件引文

添加到集合

添加到我的书目

您保存的搜索

为外部引文管理软件创建文件

您的RSS源

基于穿戴式传感器的步态分析用于年龄和性别估计

附属公司

基于穿戴式传感器的步态分析用于年龄和性别估计

作者

附属公司

摘要

利益冲突声明

数字

类似文章

引用人

工具书类

MeSH术语

LinkOut-更多资源

全文源

摘要

利益冲突声明

数字

类似文章

引用人

工具书类

MeSH术语

相关信息

LinkOut-更多资源

全文源