인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Commercial exoskeletons currently utilize multiple sensors, including inertial measurement units, electromyography sensors, and torque/force sensors, to detect human motion. While these sensors improve motion recognition by leveraging their unique strengths, they can also lead to discomfort due to direct skin contact, added weight, and complex wiring. In this paper, we propose a simplified motion recognition method that relies solely on encoders embedded in the motors. Our approach aims to accurately classify various movements by learning their distinctive features through a deep learning model. Specifically, we employ a convolutional neural network algorithm optimized for motion classification. Experimental results show that our model can effectively differentiate between movements such as standing, lifting, level walking, and inclined walking, achieving a test accuracy of 98.76%. Additionally, by implementing a sliding window maximum algorithm that tracks three consecutive classifications, we achieved a real-time motion recognition accuracy of 97.48% with a response time of 0.25 seconds. This approach provides a cost-effective and simplified solution for lower limb motion recognition, with potential applications in rehabilitation-focused exoskeletons.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093837881
