基于动作捕捉的减重条件下心理疲劳状态测量技术

论文摘要

目的利用动作捕捉和机器学习技术,探讨减重条件下通过关节运动的三维空间坐标统计特征测量受试者心理疲劳状态的可行性与可靠性。方法通过长时间认知任务诱发受试者的心理疲劳状态并利用量表进行评估。采用Kinect深度摄像头识别并追踪受试者2min减重跑步运动过程中25个关节点的运动信息。利用高斯过程回归算法建立心理量表与行为数据间的模型,并通过皮尔逊相关和均方根误差对模型进行验证。结果在减重条件下,基于关节运动的统计特征可以预测个体的心理疲劳状态,疲劳量表各个维度预测值与真实值间平均相关系数为0.44,均方根误差为2.94,心境状态量表模型预测值和真实值同样达到中等相关0.45,均方根误差为5.49。结论人体关节运动信息可作为有效生物特征预测受试者心理疲劳水平,且在空间或资源有限情况时,基于动作捕捉和机器学习方法建立的心理指标预测模型可为未来载人航天任务心理状态测量提供新方法。

论文目录

• 1 方法
•   1.1 减重模拟
•   1.2 实验流程
•   1.3 心理疲劳诱导程序
•   1.4 动作捕捉设备
•   1.5 心理量表
•   1.6 受试者
•   1.7 行为数据预处理
•   1.8 模型建立与评估
• 2 结果
•   2.1 心理疲劳诱导结果检验
•   2.2 模型的建立和评估结果
• 3 讨论
• 4 结论

文章来源

类型: 期刊论文

作者: 马倩颖,吴瑞林,王亚猛,刘晓倩,朱廷劭,王伟强

关键词: 心理疲劳状态,动作捕捉,时间空间特征,高斯过程回归模型

来源: 航天医学与医学工程 2019年04期

年度: 2019

分类: 医药卫生科技,工程科技Ⅱ辑

专业: 航空航天科学与工程,特种医学,军事医学与卫生

单位: 北京航空航天大学心理学系,中国科学院心理研究所,中国科学院计算技术研究所

基金: 载人航天领域预先研究项目(17440207)

分类号: R85

DOI: 10.16289/j.cnki.1002-0837.2019.04.002

页码: 291-298

总页数: 8

文件大小: 1017K

下载量: 182