Métodos de clasificación y regresión para el análisis de la marcha mediante Kinect v2

Abstract

RESUMEN: El presente Trabajo de Fin de Máster se basa en el uso del dispositivo Microsoft Kinect v2 y el procesamiento de los datos recogidos para estudiar, en el marco del proyecto Tecnologías y Dispositivos Fotónicos para el Envejecimiento Saludable, TeDFES, la capacidad y forma de movimiento de personas en tiempo real durante la realización de una sencilla prueba de tracking denominada test “Timed Up and Go”. Dado que la teoría dice que el tiempo que se tarda en hacer ese test contiene mucha información sobre dependencia en su sentido físico y motriz, tras generar un dataset real con 45 muestras, se van a establecer métodos de clasificación y regresión para buscar las variables más importantes en relación con el tiempo, tales como el ángulo que forman las extremidades o la inclinación de la columna vertebral durante la marcha. De la misma manera, se van a buscar las relaciones entre las variables medidas y el hecho de que la persona sea paciente o voluntario. Para procesar todos los datos y realizar todos los análisis se ha empleado Python 3. También resulta importante mencionar que la prueba que ha sido realizada por las personas participantes, el test up and go, es sólo una de las muchas aplicaciones que puede tener este tipo de dispositivos, y que se empleará en el futuro para analizar más pruebas de esfuerzos y equilibrios. Por último, merece la pena destacar que se ha logrado crear una herramienta funcional que emplea el análisis de datos para indagar en el conocimiento sobre el deterioro físico en personas de edad avanzada.

ABSTRACT: This Master's Thesis is based on the use of the Microsoft Kinect v2 device and the processing of the data collected to study, within the framework of the project Tecnologías y Dispositivos Fotónicos para el Envejecimiento Saludable, TeDFES, the capacity and type of people movements in real time during the performance of a simple test called "Timed Up and Go". The theory of this test says that the time it takes to take that test contains a lot of information about physical dependence. For that, we have generated a real data set with 45 samples. Classification and regression methods will be developed to search the most important variables in relation to time, like the angle formed by the extremities or the inclination of the spine during walking, because theory of this test says that the time it takes to take that test contains a lot of information about dependence degree. In the same way, the relationships between the measured variables and the fact that the person is patient or volunteer. Python 3 has been used to analyze all data and perform all analyzes. It was also important that the test that has been performed by the participants, the test up and go, is just one of the many applications that can have these types of devices, and it will be used in the future to analyze more tests of efforts and balances. Finally, it is worth noting that it has been possible to create a functional tool that uses data analysis to obtain information about physical deterioration in the elderly.