Contributions to physical exercises monitoring with inertial measurement units

Resumen

La monitorización de movimientos trata de obtener información sobre su ejecución, siendo esencial en múltiples aplicaciones, como el seguimiento de terapias físicas. La monitorización tiene un doble objetivo esencial para lograr los beneficios de dichas terapias: asegurar la corrección en la ejecución de movimientos y mejorar la adherencia a los programas prescritos. Para lograr esta monitorización de forma remota y poco intrusiva, se necesitan recursos tecnológicos. Este trabajo se centra en las soluciones basadas en sensores inerciales. Esta tesis estudia los algoritmos de la literatura para el análisis de movimientos con sensores inerciales, determinando un parámetro anatómico requerido en diversas propuestas: la posición de las articulaciones respecto de los sensores, así como longitud de los segmentos anatómicos. En este trabajo se introducen dos algoritmos de calibración anatómica. El primero, basado en mínimos cuadrados, determina el punto o el eje medios de aceleración nula presente en las articulaciones fijas. El algoritmo está adaptado a los movimientos lentos dados en los miembros inferiores para estabilizar las articulaciones. El segundo, adaptado a la variación de la posición relativa del punto de aceleración nula respecto de los sensores a causa del característico tejido blando asociado al cuerpo humano, emplea las medidas inerciales como entradas en un filtro de Kalman extendido. Por otro lado, esta tesis aborda la falta de datos comunes para la evaluación y comparación de los algoritmos. Para ello, se diseña y crea una base de datos centrada en movimientos habituales en rutinas físicas, que se encuentra publicada en Zenodo. Esta base de datos contiene movimientos de calibración articular y de ejercicios de miembros inferiores y superiores ejecutados de forma correcta e incorrecta por 30 voluntarios de ambos sexos con un amplio rango de edades, grabados con cuatro sensores inerciales y un sistema de referencia óptico de alta precisión. Además, las grabaciones se encuentran etiquetadas acorde al tipo de ejercicio realizado y su evaluación. Finalmente, se estudia un segundo enfoque de monitorización de rutinas físicas, cuyo objetivo es reconocer y evaluar simultáneamente los ejercicios ejecutados, retos comúnmente estudiados individualmente. Se proponen tres sistemas que emplean las medidas de cuatro sensores inerciales y difieren en el nivel de detalle en las salidas del sistema. Para realizar las clasificaciones propuestas, se evalúan seis algoritmos de machine learning determinando el más adecuado.