Research on gait recognition and prediction based on optimized machine learning algorithm

针对人体下肢不同步态过程的个体差异和行走过程中步幅随机变化等问题，本文提出一种利用运动姿态信号进行步态识别与预测的方法。研究采用基于免疫粒子群算法（IPSO）优化门控循环单元（GRU）网络算法，建立以人体姿态变化数据为输入，以下一阶段姿态变化数据及准确率为输出的网络模型，以期实现对人体姿态变化的预测。本文首先明确概述IPSO优化GRU算法的过程，采集多名受试者分别执行平地行走、蹲起、坐姿腿屈伸等动作的人体姿态变化数据，通过对比分析IPSO优化的循环神经网络(RNN)、长短期记忆网络(LSTM)、GRU网络识别与预测情况，以验证所建模型的有效性。试验结果显示，优化后的算法可较好预测人体姿态变化，其中平地行走和蹲起动作的均方根误差（RMSE）可精确到10 −3，坐姿腿屈伸的RMSE可精确到10 −2；各种动作的 R2值均可达0.966以上。以上研究结果表明，优化后的算法可应用于实现康复治疗中人体步态运动评价和步态趋势预测、假肢和下肢康复设备设计等研究，对今后提高患者肢体功能、活动水平和生活独立能力的研究提供参考。.