Summary: | Orientador: Prof. Dr. Marcos Duarte === Dissertação (mestrado) - Universidade Federal do ABC. Programa de Pós-Graduação em Engenharia Biomédica, 2016. === Atualmente os dispositivos de instrumentação biomecânica, sobretudo os sistemas de
captura de movimento, são capazes de fornecer um grande número de dados. Seja para
extrair informações para análise de diferenças entre grupos, para semi-automatização
de procedimentos clínicos típicos de laboratórios de marcha ou para o desenvolvimento
de sistemas inteligentes que fazem uso da informação do movimento, o reconhecimento
de padrões de movimento é uma necessidade. Estes dados podem ser reduzidos a séries
temporais, sendo assim estamos diante de um problema de mineração de dados de séries
temporais. No entanto enquanto a maior parte das pesquisas se concentram em tarefas de
mineração, o problema fundamental de como representar uma série temporal ainda não foi
plenamente abordado até agora.
Este projeto objetiva estudar representações simbólicas para séries temporais provenientes
de dados de captura de movimentos, uma abordagem ainda muito pouco explorada.
Propondo a elaboração de um algoritmo que realiza o mapeamento entre um conjunto de
séries temporais e uma sequência de símbolos, levando em consideração informações do
domínio da biomecânica e controle motor.
Um conjunto de movimentos discretos foram convertidos em uma representação simbólica,
a partir da qual foi realizado um agrupamento hierárquico e classificação em 10 atividades
rotuladas, com uma exatidão de 84.72% e um padrão sequencial foi detectado no andar.
Estes resultados foram obtidos em um tempo de processamento relativamente baixo e a
partir de apenas 3 ângulos no plano sagital do membro inferior direito.
Com este trabalho atingimos o objetivo proposto e estabelecemos uma representação
simbólica do movimento, denominada palavras do movimento, com boa parte das características almejadas. É uma representação simples e prática, a partir da qual foi possível
estabelecer uma métrica que quantifica a similaridade entre movimentos. === Currently biomechanical instrumentation devices, especially motion capture systems, are
able to provide a large amount of data. Be it for extract information to compare differences
among different groups, for semi-automation of typical clinical gait analysis procedures
or for developing intelligent systems that make use of motion information, recognition of
motion patterns is a need. These data can be reduced to time series, so we are facing a
problem of mining time series data. However, while most of the research communities have
concentrated on the mining tasks, the fundamental problem on how to represent a time
series has not yet been fully addressed so far.
This project aims to study symbolic representation for time series data from motion
capture, an approach still not much explored. The development of the algorithm that
performs the mapping between a set of time series and a sequence of symbols, taking into
account information from the field of biomechanics and motor control.
A set of discrete motions were converted to a symbolic representation, from which we
performed a hierarchical clustering and classified in 10 labeled activities, with an accuracy
of 84.72% and a sequential pattern was detected in gait. These results were obtained at
a relatively low processing time and from only 3 angles in the sagittal plane of the right
lower limb.
We achieved our objective and established a symbolic representation of the movement,
called motion words, with most of it desired characteristics. It is a simple and practical
representation, from which it was possible establish a metric that quantifies the similarity
between movements.
|