基于动作捕捉的减重条件下心理疲劳状态测量技术

发布时间：2025-01-15 15:05

　　 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。

【文章页数】：8 页

【部分图文】：

图１太空真实运动场景和地面模拟减重状态Ｆｉｇ．１Ｒｕｎｎｉｎｇｉｎｓｐａｃｅａｎｄｓｉｍｕｌａｔｉｏｎｏｎｔｈｅｇｒｏｕｎｄ（ａ）

入新的运动数据便可直接输出心理变量预测值。本研究尝试通过动作捕捉和机器学习技术提取个体运动特征，建立运动特征与心理学指标的相关关系，探讨基于行为数据对受试者心理疲劳状态测量的方法。１方法１．１减重模拟在航天任务中，航天员通过束缚带增加向下的力以抵抗微重力并完成锻炼。考虑到未来实际....

本文编号：4027475