В работе рассматривается задача автоматической диагностики нарушений походки с использованием методов компьютерного зрения и алгоритмов машинного обучения. Основное внимание уделено скелетному моделированию, позволяющему извлекать ключевые точки тела из видеозаписей движения пациента и использовать их в качестве признаков для классификации. В качестве инструментов классификации использованы рекуррентные нейронные сети LSTM и GRU, обученные на размеченном наборе данных GAVD. Разработано веб-приложение, реализующее полный цикл обработки: от загрузки видео до выдачи диагноза. В ходе исследования были также применены методы аугментации скелетных данных для балансировки классов и повышения устойчивости моделей. Полученные результаты демонстрируют высокую точность диагностики и подтверждают эффективность предложенного подхода для использования в клинической практике и образовательных целях.

The paper considers the problem of automatic diagnostics of gait disorders using computer vision methods and machine learning algorithms. The main focus is on skeletal modeling, which allows extracting key body points from video recordings of patient movement and using them as features for classification. Recurrent neural networks LSTM and GRU trained on the labeled GAVD dataset are used as classification tools. A web application has been developed that implements the full processing cycle: from video loading to diagnosis. During the study, skeletal data augmentation methods were also used to balance classes and improve the stability of models. The obtained results demonstrate high diagnostic accuracy and confirm the effectiveness of the proposed approach for use in clinical practice and educational purposes.

• ВВЕДЕНИЕ
• ГЛАВА 1. МОДЕЛИРОВАНИЕ ДЕЙСТВИЙ ОБЪЕКТОВ В КОМПЬЮТЕРНОМ ЗРЕНИИ: ПРИМЕНЕНИЕ ПРИ АНАЛИЗЕ НАРУШЕНИЙ ПОХОДКИ
• 1.1 СОВРЕМЕННЫЕ МЕТОДЫ ДИАГНОСТИКИ НАРУШЕНИЙ ПОХОДКИ
• 1.2 ЗАДАЧИ КОМПЬЮТЕРНОГО ЗРЕНИЯ ПРИ АНАЛИЗЕ ДВИЖЕНИЙ ЧЕЛОВЕКА
• 1.3 СКЕЛЕТНОЕ МОДЕЛИРОВАНИЕ В КОМПЬЮТЕРНОМ ЗРЕНИИ
• 1.4 ОБЗОР ИСПОЛЬЗУЕМЫХ МОДЕЛЕЙ И ТЕХНОЛОГИЙ
• 1.4.1 МЕТОДЫ ОБРАБОТКИ ДАННЫХ
• 1.4.2 МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ
• 1.4.3 ТЕХНОЛОГИИ РАЗРАБОТКИ ВЕБ-ПРИЛОЖЕНИЯ
• ГЛАВА 2. ЗАДАЧА ДИАГНОСТИКИ НАРУШЕНИЙ ПОХОДКИ НА ОСНОВЕ АНАЛИЗА ВИДЕОЗАПИСЕЙ
• 2.1 ПОСТАНОВКА И РЕШЕНИЕ ЗАДАЧИ ДИАГНОСТИКИ НАРУШЕНИЙ ПОХОДКИ
• 2.2 ОПИСАНИЕ НАБОРА ДАННЫХ
• 2.3 АУГМЕНТАЦИЯ И ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ДАННЫХ
• 2.4 МЕТОДЫ КЛАССИФИКАЦИИ: МОДЕЛИ LSTM И GRU
• 2.5 РЕАЛИЗАЦИЯ ДВУХЭТАПНОГО ПОДХОДА К КЛАССИФИКАЦИИ
• ГЛАВА 3. ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ВЕБ-ПРИЛОЖЕНИЯ ДЛЯ ДИАГНОСТИКИ НАРУШЕНИЙ ПОХОДКИ
• 3.1. ФУНКЦИОНАЛЬНЫЕ ТРЕБОВАНИЯ
• 3.1.1 ТРЕБОВАНИЯ К СОСТАВУ ВЫПОЛНЯЕМЫХ ФУНКЦИЙ
• 3.1.2 ТРЕБОВАНИЯ К ОРГАНИЗАЦИИ ВХОДНЫХ И ВЫХОДНЫХ ДАННЫХ
• 3.1.3 ТРЕБОВАНИЯ К МАСШТАБУ ИЗОБРАЖЕНИЯ ДЛЯ АНАЛИЗА ПОХОДКИ
• 3.2 РЕАЛИЗАЦИЯ КЛИЕНТСКОЙ И СЕРВЕРНОЙ ЧАСТИ
• 3.2.1 АРХИТЕКТУРА ПРИЛОЖЕНИЯ
• 3.2.2 СЕРВЕРНАЯ ЧАСТЬ
• 3.2.3 КЛИЕНТСКАЯ ЧАСТЬ
• 3.3.3 ПРИМЕР СЦЕНАРИЯ РАБОТЫ ВЕБ-ПРИЛОЖЕНИЯ
• 3.4. ТЕСТИРОВАНИЕ ВЕБ-ПРИЛОЖЕНИЯ
• ЗАКЛЮЧЕНИЕ
• СПИСОК ЛИТЕРАТУРЫ
• ПРИЛОЖЕНИЯ