基于日常行走信息的老年群体异常步态识别网络：助力健康监测与关怀

《Medical & Biological Engineering & Computing》：Gait anomaly detection based on video-derived 3D pose estimation

研究人员针对老年群体步态监测问题，提出异常步态识别网络，检测性能出色，助力老年健康。

　　随着年龄增长，老年人下肢力量和功能逐渐衰退。及时检测运动功能障碍，对预防残疾、疾病干预以及提高生活质量意义重大。研究聚焦于养老院等群体居住的老年人步态监测，提出一种基于日常行走信息的异常步态识别网络。研究人员改进了多视角 3D 姿态估计网络（3D Pose Estimation Network），从定时起立行走测试（TUG exercise）中提取步态参数进行监测，并设计了异常步态识别网络，以解决老年群体运动能力评估滞后、主观性强，以及准确性和速度平衡等问题。在帧率为 21.75fps 的情况下，姿态估计准确率稳定在 96.53% 以上，关节误差控制在 3.63° 以内。在步态异常检测方面，灵敏度达到 96.71%，推理速度为 512ms；F1 分数达到 0.9680，与参与对比模型的最优值非常接近，受试者工作特征曲线下面积（AUROC）达到 0.9694 。这项步态监测技术在提供辅助护理、提升老年人整体健康方面具有巨大潜力。