Page Header

Evaluation of Artificial Neural Networks Structures for Human Activity Recognition and Development of a Computerized Prosthetic Leg

Uttapon Khawnuan, Nantakrit Yodpijit, Manutchanok Jongprasithporn

Abstract


ระบบรู้จำกิจกรรมมนุษย์สำหรับขาเทียมที่ควบคุมด้วยระบบคอมพิวเตอร์สามารถส่งเสริมให้ผู้สวมใส่มีความสะดวกและการเคลื่อนไหวได้เป็นธรรมชาติมากยิ่งขึ้น แบบจำลองโครงข่ายประสาทเทียมที่ถูกพัฒนาในการศึกษาครั้งนี้ เพื่อจำแนกกิจกรรมการเคลื่อนไหวโดยใช้ข้อมูลเซนเซอร์แอคเซเลอโรมิเตอร์และไจโรสโคป ชุดข้อมูลการเดินที่มีการเปิดเผยต่อสาธารณะจากผู้ทดลอง 30 คน มีอายุอยู่ในช่วง 19 ถึง 48 ปี แต่ละคนดำเนิน 6 กิจกรรม ได้แก่ การเดินที่ความเร็วปกติ เดินขึ้นบันได เดินลงบันได ท่านั่งปกติ ยืนตัวตรง และ การนอน ข้อมูลชุดนี้ถูกนำมาใช้ฝึกอบรมและทดสอบแบบจำลองโครงข่ายประสาทเทียม จำนวนเซลล์ประสาทในชั้นซ่อนถูกตั้งค่าโดยการเพิ่มทีละ 1 เซลล์ โดยเริ่มจากจำนวน 1 เซลล์ จนถึง 200 เซลล์ จนกว่าโครงข่ายให้ความถูกต้อง ความไว และ ความจำเพาะสูงที่สุด โครงข่ายแบบป้อนไปข้างหน้าและวิธีการเรียนรู้แบบส่งค่าย้อนกลับถูกใช้ในการสร้างแบบจำลองโครงข่ายประสาทเทียม ผลการทดลองพบว่าจำนวนเซลล์ประสาทที่เหมาะสมในชั้นซ่อนเท่ากับ 73 เซลล์ แบบจำลองโครงข่ายประสาทเทียมนี้สามารถนำไปใช้ในการพัฒนาขาเทียมที่ควบคุมด้วยระบบคอมพิวเตอร์

Human activity recognition system for computerized prosthetic leg can help the wearers to have a more comfortable and natural movement. In this study, an artificial neural network (ANN) model was constructed to classify movement activities based on accelerometer and gyroscope sensors. The publicly available walking dataset was collected from 30 subjects aged between 19–48 years. Each subject performed 6 activities (normal walking, upstairs walking, downstairs walking, sitting, standing and laying). This dataset was used for training and testing the ANN model. A number of neurons in the hidden layer were set by changing them from 1 to 200 with an interval of 1 until the network with most accuracy sensitivity and specificity was collected. The feedforward neural network (FFNN) trained using backpropagation (BP) was used to build the ANN model. The results showed that the optimal number of neurons in the hidden layer was 73. This ANN model can be applied in the development of computerized prosthetic leg.


Keywords



Full Text: PDF

DOI: 10.14416/j.kmutnb.2021.05.022

ISSN: 2465-4698