Biometric System for Measuring Gait and Fall Characteristics Captured on Video
Notice bibliographique
Résumé
This paper presents a methodology that quantifies gait and fall characteristics from video of real-life fall events. The method consists in selecting on-screen the points on the ground where the feet are in contact with the ground. The essence of the method lies in establishing a transformation from the video frames to the "real world." In projected images, geometric properties such as lengths, angles, and parallelism are not preserved; thus, concepts of projective geometry are applied, namely homography. Because the ground is an invariant plane, using this plane for homography results in a constant transformation. The homographic transformation relies on the accuracy in the selection of on-screen points. An optimization algorithm that minimizes the errors caused by inaccurate on-screen point selection improves the results of the homographic transformation. Experimental trials are conducted at three walking velocities (slow, preferred, and fast) using two video cameras and a GAITRite walkway system. Spatial parameters of two independent video analyses are compared with the GAITRite system, yielding a limit of agreement of step length from -2.12 cm to 2.03 cm. Temporal parameters are less confident due to the existence of dropped frames in the video footage. This method is then used to analyze two real fall events as demonstrative cases. First, the gait characteristics are analyzed before imbalance, and subsequently, the characteristics of stepping are analyzed during the fall. In particular, we propose the stepping/impact angle as the metric that quantifies how much stepping affected the direction of the fall.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».