Wearable measurement systems with single or multiple inertial measurement units (IMU) are being developed for everyday or outdoor gait analysis. Most existing studies about the prediction of gait from a single IMU select the trunk or lower body as sensor placement. Though the smartwatch is one of the most widely used wearable devices, there is a lack of related studies. The purpose of this study is to quantify the accuracy and uncertainty of predicting gait kinematics from a single IMU worn on the wrist and discuss the feasibility of gait analysis with smartwatches. With a Bayesian neural network trained with variational inference, various cases of sensor configuration and population size used in training are compared. The dataset consists of motion capture and IMU sensor signals of 200 subjects. With inverse kinematics, generalized coordinates of a musculoskeletal model were calculated from the motion capture and then used as the motion kinematics. Data augmentation based on virtual sensor calculation and generative model was tried to examine the effect on prediction accuracy and uncertainty. The RMSE of sagittal plane kinematics predicted from the Bayesian neural network was 5.80 degrees, and the aleatoric and epistemic uncertainty of the model could be quantified. The data augmentation methods could reduce epistemic uncertainty, and improve prediction accuracy if there are subjects at most 40. Through the results of the prediction of gait kinematics based on virtual sensors on various parts of the human body, this study could discuss the suitable position for inertial sensors to predict each generalized coordinate.
일상에서 또는 실외에서의 보행 분석을 위해 하나 또는 여러 개의 관성 측정 장치를 포함한 착용형 시스템이 연구되고 있다. 하나의 관성 센서로부터 보행을 예측하는 대부분의 기존 연구들은 센서 위치를 몸통 또는 하지로 설정한다. 스마트워치는 가장 많이 사용되는 착용형 컴퓨터지만 관련된 연구는 상대적으로 부족하다. 이 연구의 목적은 손목에 착용한 하나의 관성 측정 장치로부터 보행 형태 예측의 정확성과 불확실성을 정량화하고, 스마트 워치를 이용한 보행 분석의 타당성을 논의하는 것이다. 이를 위해 변분 추론으로 학습된 베이지안 신경망을 사용하여 센서 종류와 위치, 학습에 사용된 피험자 수의 영향을 비교했다. 데이터는 200 명의 피험자에 대한 모션 캡처와 관성 측정 장치 신호로 구성되었다. 역운동학 분석을 통해 모션 캡처로부터 근골격계 모델의 일반 좌표를 계산해서 운동 형상으로 사용했다. 가상 센서 계산 및 생성 모델을 기반으로 하는 데이터 증강을 시도해서, 예측 정확도와 불확실성에 미치는 영향을 알아보았다. 베이지안 신경망으로부터 예측된 시상면 관절 각도들의 평균 오차는 5.80 도였으며, 예측 모델과 데이터에 관한 두 종류의 불확실성을 정량적으로 계산할 수 있었다. 데이터 증강 방법은 예측 모델의 불확실성을 줄이고, 데이터셋에 피험자 40명 이하의 데이터가 사용된 경우 예측 정확도를 향상시킬 수 있었다. 인체 여러 부위의 가상 센서 기반 보행 형태 예측을 시도한 결과를 통해 각 일반 좌표에 적합한 센서 부위에 대해 논의할 수 있었다.
