机器学习在预测人体运动地面反作用力中的应用综述

作者：冯茹; 杨辰; 李翰君; 刘卉^*

来源：数据采集与处理, 2021, 36(04): 639-647.

DOI：10.16337/j.1004-9037.2021.04.002

• 地面反作用力
• 机器学习
• 神经网络

三维地面反作用力(Ground reaction force,GRF)是人体运动分析的重要测量参数,但其测量受到一定限制。本文系统归纳了机器学习在预测GRF中的应用现状。以"ground reaction force"与"machine learning""neural network"组合为关键词检索,筛选利用机器学习模型预测GRF的研究。共纳入14篇研究,研究的动作包括步行、跑步及个别专项动作,利用不同的学习算法来预测GRF,输入参数包括足底压力参数、运动捕捉获取的人体运动学参数等,均采用相关系数及均一化均方根误差作为评价指标。结果显示,利用机器学习预测GRF可获得极好的预测精度。利用机器学习模型预测GRF在人体运动中的应用还有待更多的研究,如增加用于机器学习的数据集大小可进一步提高学习模型的预测性能等。

• 单位
  北京体育大学; 南京体育学院