LiveZilla Live Chat Software

Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Low-rank and sparse recovery of human gait data

Kamali Kaveh, Akbari Ali Akbar, Desrosiers Christian, Akbarzadeh Alireza, Otis Martin J.-D. et Ayena Johannes C.. (2020). Low-rank and sparse recovery of human gait data. Sensors, 20, (16), p. 1-13.

[img]
Prévisualisation
PDF - Version publiée
Disponible sous licence Creative Commons Attribution.

1MB

URL officielle: http://dx.doi.org/doi:10.3390/s20164525

Résumé

Due to occlusion or detached markers, information can often be lost while capturing human motion with optical tracking systems. Based on three natural properties of human gait movement, this study presents two different approaches to recover corrupted motion data. These properties are used to define a reconstruction model combining low-rank matrix completion of the measured data with a group-sparsity prior on the marker trajectories mapped in the frequency domain. Unlike most existing approaches, the proposed methodology is fully unsupervised and does not need training data or kinematic information of the user. We evaluated our methods on four different gait datasets with various gap lengths and compared their performance with a state-of-the-art approach using principal component analysis (PCA). Our results showed recovering missing data more precisely, with a reduction of at least 2 mm in mean reconstruction error compared to the literature method. When a small number of marker trajectories is available, our findings showed a reduction of more than 14 mm for the mean reconstruction error compared to the literature approach.

Type de document:Article publié dans une revue avec comité d'évaluation
Volume:20
Numéro:16
Pages:p. 1-13
Version évaluée par les pairs:Oui
Date:23 Juin 2020
Sujets:Sciences naturelles et génie > Génie
Sciences naturelles et génie > Génie > Génie électrique et génie électronique
Sciences naturelles et génie > Génie > Génie informatique et génie logiciel
Département, module, service et unité de recherche:Départements et modules > Département des sciences appliquées > Module d'ingénierie
Mots-clés:human gait, recovery, low-rank matrix completion, group-sparsity, missing data, démarche humaine, récupération, complétion de matrice de bas rang, la rareté du groupe, données manquantes
Déposé le:23 sept. 2020 20:48
Dernière modification:23 sept. 2020 20:48
Afficher les statistiques de telechargements

Éditer le document (administrateurs uniquement)

Creative Commons LicenseSauf indication contraire, les documents archivés dans Constellation sont rendus disponibles selon les termes de la licence Creative Commons "Paternité, pas d'utilisation commerciale, pas de modification" 2.5 Canada.

Bibliothèque Paul-Émile-Boulet, UQAC
555, boulevard de l'Université
Chicoutimi (Québec)  CANADA G7H 2B1
418 545-5011, poste 5630