基于动作捕捉的减重条件下心理疲劳状态测量技术
马倩颖1
吴瑞林1
王亚猛2
刘晓倩2
朱廷劭2
王伟强3
1.北京航空航天大学心理学系,北京,1000832.中国科学院心理研究所,北京,1001013.中国科学院计算技术研究所,北京,100080
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2 min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.
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
分类号：R853(航空航天医学)
资助基金：载人航天领域预研项目(17440207)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 291-298 )
英文信息