一种基于惯性测量单元和安装在胫骨上的以自我为中心的摄像机的步态分析可穿戴运动捕捉数据集

《Scientific Data》：A Wearable Motion Capture Dataset for Gait Analysis Using IMUs and Shank-Mounted Egocentric Cameras

　　

摘要

行走运动学为了解人类步态提供了重要线索，有助于临床医生评估运动功能、诊断功能障碍并监测康复进展。随着机器学习的兴起，可穿戴传感器被越来越多地用于估算关节运动学数据。为了推动这些领域的发展，我们提供了一个数据集，其中包含10名健康受试者在不同速度和不同行走模式下进行的14次行走试验数据，这些模式包括平地行走、跑步机行走、斜面行走以及楼梯行走。该数据集包含了惯性测量单元数据以及安装在胫骨上的自我视角视频，这些数据与通过光学动作捕捉和肌肉骨骼建模得到的关节运动学数据相同步。数据集中共有327分钟的记录，其中包括惯性测量单元信号、动作捕捉标记点轨迹、关节角度信息，以及每只脚588千帧的自我视角视频，同时还配有对应的光流特征直方图。据我们所知，这是首个在多种行走任务中同时提供多模态可穿戴惯性测量单元数据、胫骨安装视频数据以及真实关节运动学数据的数据集。该数据集有望为生物力学和机器学习研究领域的各种应用提供支持。