多传感器人体步态数据集

多传感器人体步态数据集由坎皮纳斯大学计算机研究所创建，包含25名无下肢损伤的参与者，年龄在18至47岁之间的同步惯性和光学运动数据。数据集通过智能手机和定制微控制器设备捕获加速度数据，以及42个反射标记记录全身三维轨迹。参与者在直水平走道上以正常步伐行走，每个参与者在两个不同日子的两个会话中各记录10次试验，总计500次试验。该数据集支持比较惯性和光学捕捉系统的步态参数和特性，同时允许研究每种系统的特定步态特征。数据集的应用领域包括临床评估、体育和运动表现监测、康复支持、机器人研究和生物识别识别。

The multi-sensor human gait dataset was developed by the Institute of Computing, University of Campinas. It contains synchronized inertial and optical motion data from 25 participants without lower-limb impairments, aged between 18 and 47 years old. Acceleration data was captured using smartphones and custom microcontroller devices, while full-body 3D trajectories were recorded via 42 reflective markers. Participants walked at a natural pace on a straight, horizontal walkway. Each participant completed 10 trials across two sessions on two separate days, resulting in a total of 500 trials overall. This dataset enables comparison of gait parameters and characteristics between inertial and optical capture systems, while also allowing research into the specific gait features of each system. Application areas of this dataset include clinical assessment, sports and athletic performance monitoring, rehabilitation support, robotics research, and biometric recognition.

搜集汇总

数据集介绍

构建方式

该数据集的构建方式采用了光学系统和惯性测量单元（IMU）来同步捕捉25名受试者的步态数据。受试者被要求在直线路径上以正常步伐行走，同时使用智能手机和定制的带有IMU的微控制器设备记录加速度数据，以及使用42个反光标记记录全身的三维轨迹。数据采集分两次进行，每次10次试验，分别在不同的日子进行。

特点

该数据集的特点在于其多模态性，即同时包含了惯性数据和光学运动数据。这使得研究者可以比较和分析不同步态参数和惯性及光学捕捉系统的特性。此外，该数据集还允许研究者研究特定于每个系统的步态特征，并分析不同受试者之间以及每个受试者内部的步态变化。

使用方法

使用该数据集时，研究者可以访问两个文件夹：raw_data和processed_data。raw_data文件夹包含完整的试验数据，而processed_data文件夹则包含从raw_data中提取的行走部分数据。这些数据文件可以根据受试者ID和试验日期进行组织，并使用相应的软件工具进行读取和处理。例如，c3d文件可以使用EZC3D或Motion Kinematic & Kinetic Analyzer等工具读取，Matlab文件可以使用MoCap Toolbox进行处理，CSV格式文件可以使用文本或电子表格编辑器读取。

背景与挑战

背景概述

步态分析作为一门学科，自17世纪以来便一直受到研究者的关注。随着对人体运动理解的深入，步态分析已被应用于临床评估、运动表现监测、康复支持、机器人研究以及基于生物识别的身份验证等多个领域。步态分析可以使用多种技术获取数据，如光学系统、惯性测量单元（IMU）、力平台、力鞋以及基于计算机视觉的技术。每种技术都有其优缺点，并最适合特定的应用场景。本文所介绍的多传感器人体步态数据集由Geise Santos等研究人员于2021年11月30日发表在arXiv上，旨在为步态分析提供一种新的数据资源。该数据集由25名受试者（年龄在18至47岁之间）在无下肢损伤的情况下，通过光学系统和IMU同步采集的惯性运动和光学运动数据组成。每个受试者的腿上固定了一个智能手机和一个带有IMU的自定义微控制器设备，用于捕获加速度数据，并在全身贴上了42个反射标记，用于记录三维轨迹。受试者被指示以正常步伐在一条直的水平走道上行走。每位受试者分别在不同的两天内进行了两次实验，每次实验进行了10次试验。该数据集支持对惯性系统和光学捕获系统的步态参数和属性进行比较，并允许研究每个系统特定的步态特征。

当前挑战

尽管光学系统和IMU在步态分析中都具有重要应用价值，但它们也各自存在一些局限性。光学运动捕捉系统通常成本较高，需要高速处理设备和特定安装的受控空间。而IMU更容易受到运动方向变化引起的漂移和捕获过程中低频噪声的影响。此外，传感器附着位置对步态估计的影响也很大。多传感器人体步态数据集的构建过程也面临了一些挑战，例如如何确保惯性数据和光学数据的同步性，如何处理数据采集过程中可能出现的噪声和漂移问题，以及如何确保数据的可靠性和准确性等。

常用场景

经典使用场景

多传感器人体步态数据集在步态分析领域具有广泛的应用价值。该数据集包含来自光学系统和惯性测量单元（IMU）的同步惯性运动和光学运动数据，支持研究人员对步态参数和特性进行对比分析。通过比较光学和惯性捕捉系统的性能，该数据集有助于深入了解步态分析的最佳技术选择，并为步态分析技术的发展提供数据基础。

衍生相关工作

多传感器人体步态数据集的发布，为步态分析领域的研究提供了宝贵的数据资源。基于该数据集，研究人员可以进行步态分析算法的改进、步态识别技术的研发、步态特征提取等方面的研究。此外，该数据集还可以用于开发步态分析相关的应用软件，为步态分析技术的普及和应用提供支持。

数据集最近研究

最新研究方向

该多传感器人体步态数据集融合了光学系统和惯性测量单元(IMU)的数据，为步态分析提供了新的研究方向。当前，步态分析在临床评估、运动监测、康复支持、机器人研究和生物识别等领域具有广泛的应用。该数据集的亮点在于其多模态特性，即同时从光学和惯性系统中捕获数据，这有助于更全面地理解人体运动。通过比较不同系统的步态参数和特性，研究人员可以更准确地评估步态，并为步态识别和用户画像提供基础。此外，该数据集还支持对步态在个体之间以及个体内部的差异进行分析，这对于研究步态的稳定性和可重复性具有重要意义。

相关研究论文

• A multi-sensor human gait dataset captured through an optical system and inertial measurement units

  坎皮纳斯大学计算机研究所, 巴西 · 2021年