I. Introducción

EL análisis de la marcha humana es una disciplina que se remonta a la época de Aristóteles (384 - 322 a. C.), quien utilizando un método rudimentario que involucraba una caña impregnada en tinta sujeta a la cabeza de un individuo en movimiento junto a una pared, observó que el patrón dibujado en la pared era ondulatorio. Este hallazgo desafió la creencia predominante de la época sobre un movimiento rectilíneo. Desde entonces, el campo ha evolucionado significativamente, impulsado por avances científicos y matemáticos que se originaron en el Renacimiento, sentando las bases para lo que ahora se conoce como análisis moderno de la marcha humana [¹].

En los últimos años, este análisis ha adquirido gran importancia, especialmente en el contexto de la salud, y ha sido objeto de investigaciones que abarcan desde la medicina deportiva hasta la rehabilitación [²]-[⁴]. Tradicionalmente, las plataformas de fuerza y sistemas de captura de movimiento con marcadores han sido los métodos predominantes para estudiar la marcha. Sin embargo, estos sistemas presentan ciertas limitaciones, incluidos costos elevados, necesidad de entornos controlados y cierto grado de invasividad [5], [6]. Es en este escenario donde los sistemas de análisis de marcha basados en cámaras, especialmente aquellos que emplean tecnologías RGB-D, surgen como alternativas prometedoras.

El presente artículo abordará en detalle la importancia del análisis de marcha humana, explorando las variables clave que se evalúan y las tecnologías utilizadas para su captura. Se examinarán diversas alternativas y enfoques basados en este tipo de cámaras, considerando las validaciones realizadas con sistemas tradicionales y las propuestas más recientes que buscan superar las limitaciones actuales en la medición de variables espacio-temporales de marcha humana.

Esta revisión se centrará en estudios publicados entre los años 2010 y 2023, abarcando tecnologías de captura de imágenes, principalmente cámaras RGB-D. Se excluirán otros métodos de análisis de marcha, como los basados en sensores inerciales o plataformas de fuerza etc. a menos que se comparen directamente con sistemas basados en cámaras. Se llevará a cabo una búsqueda sistemática en la base de datos académica Scopus, utilizando palabras clave como “análisis de marcha humana”, “cámaras 3D”, “RGB-D”, “Mocap”, entre otras.

II. Importancia del análisis de la marcha humana en la salud: variables analizadas, consideraciones y tecnologías de captura

El análisis de la marcha humana desempeña un papel crucial en la detección de problemas de salud vinculados a enfermedades neurológicas [⁷], [⁸], como el Parkinson [⁹], [¹⁰], la parálisis cerebral [¹¹] y la esclerosis múltiple [¹²], entre otras; las cuales han demostrado influir en los patrones de marcha de las personas. También, se ha utilizado como herramienta para cuantificar el riesgo de caídas en adultos mayores, así como para optimizar el rendimiento deportivo [3], [¹³]-[¹⁶],

Dentro de las múltiples variables analizadas en estudios de marcha humana, se encuentran: la velocidad de la marcha, la cadencia, la duración de las fases de apoyo y despegue, las fuerzas de reacción entre el pie y el suelo, la longitud y el ancho de paso; estos últimos haciendo referencia a la distancia entre los puntos de contacto de pies alternos con el suelo y la separación entre ambos pies, respectivamente [¹⁷]. Estas variables son objeto importante de estudio para identificar anomalías en la marcha. Por ejemplo, en un estudio con 230 participantes mayores de 75 años [¹⁸], se evaluó si los cambios en el patrón de marcha al realizar tareas simultáneas estaban relacionados con el riesgo de caídas. Los resultados revelaron que el aumento o disminución del ancho de paso al caminar y realizar una tarea adicional, constituía un indicador de riesgo de caída. Asimismo, otro estudio [¹⁹], señaló que la pérdida de estabilidad en el plano medio-lateral durante la marcha sobre una superficie especifica, afecta el riesgo de caída en este tipo de población.

Para garantizar la validez estadística de los análisis anteriormente descritos es crucial contar con un número significativo de pasos en las caminatas estudiadas. Investigaciones anteriores han establecido distintos umbrales para garantizar la validez estadística de las mediciones. Por ejemplo, un estudio ha determinado que se necesitan al menos 125 zancadas para obtener un coeficiente de variación en las aceleraciones del tronco menor al 10% [²⁰]. Otros han establecido que se requieren un mínimo de 600 zancadas para diferenciar de manera fiable entre la marcha normal y patológica, utilizando técnicas avanzadas de análisis de series temporales [²¹]. Estas consideraciones demuestran la importancia de capturar un volumen adecuado de datos para lograr resultados precisos y fiables en el análisis de marcha humana.

Si bien, las bandas caminadoras permiten la captura de movimiento de cientos de pasos, su uso plantea ciertas limitaciones en el estudio de la marcha humana. Estas máquinas afectan el patrón natural de la marcha [²²] debido a variaciones sutiles en su velocidad, lo cual altera las interacciones de fuerza entre el usuario y la banda [²³]. Investigaciones previas han mostrado que la marcha en estas condiciones produce diferencias notables en las fuerzas de reacción del pie contra el suelo, así como pequeñas variaciones en los ángulos articulares [²⁴]. Por ejemplo, estudios indican que las fuerzas de reacción son significativamente menores y la longitud de los pasos se reduce cuando se utiliza una banda caminadora en comparación con la marcha en una superficie regular [²⁵]. Además, en los 22 estudios presentados en [²⁶], se encontraron diferencias significativas entre las variables obtenidas para la marcha sobre el suelo y para la marcha sobre una banda caminadora. Estas diferencias resaltan la importancia de seleccionar cuidadosamente el entorno para estudiar la marcha humana de forma precisa y confiable.

En este contexto, un sistema de captura de movimiento para estudios de marcha humana debe garantizar: precisión y exactitud para respaldar la confiabilidad del análisis de marcha [²⁷]; una alta tasa de muestreo para detectar variaciones de la marcha [²⁸]; y suficiente autonomía para permitir la captura de movimiento en caminatas prolongadas, las cuales se requieren para garantizar la confiabilidad estadística del análisis de marcha [²⁹]. Finalmente, el sistema de medición no debe restringir la movilidad del participante, permitiendo así una evaluación correcta de la marcha en condiciones naturales [³⁰].

En la actualidad, el Gold Standard en sistemas de captura de movimiento se compone de un conjunto de cámaras optoelectrónicas que incluyen diodos emisores de luz infrarroja (LED) y marcadores reflectivos. En funcionamiento, los LED generan un efecto estroboscópico hacia el área de captura para que los marcadores reflectivos colocados en el sujeto permitan que las cámaras detecten y sigan los movimientos en el espacio tridimensional. Este sistema posibilita la obtención de información detallada sobre el movimiento humano, proporcionando una amplia gama de datos para un análisis exhaustivo. Sin embargo, el recorrido de marcha se limita a unos pocos metros [⁵]. En segundo lugar, se pueden encontrar otros tipos de sistemas basados IMU (Inertial Measurement Units) [³¹], compuestas por giroscopios, magnetómetros y acelerómetros, estos se colocan en el cuerpo del individuo durante la marcha. Aunque pueden utilizarse en exteriores para obtener gran cantidad de datos, son muy sensibles a interferencias magnéticas [³²] y requieren procedimientos complejos para determinar su orientación respecto a los ejes anatómicos del participante [³³], además, presentan limitaciones en la precisión al medir variables espaciales de la marcha, como, por ejemplo, longitud y especialmente el ancho de paso [³²]. El tercer principio de medición se basa en plataformas fijas al suelo, las cuales miden las fuerzas de reacción entre el pie y el suelo en los ejes vertical, anteroposterior, y mediolateral [⁶]. Estas al igual que las cámaras infrarrojas reducen la caminata a unos pocos pasos. El cuarto tipo de sistemas de medición lo constituyen las plantillas para calzado dotadas de sensores de presión [³⁴], las cuales, aunque capturan información en caminatas prolongadas, no permiten estimar variables espaciales de marcha.

Además de los sistemas comerciales previamente mencionados, investigaciones recientes han propuesto alternativas que se basan en cámaras Time of Flight (ToF) [³⁵]. Una extensión de estas, conocida como Light Detection and Ranging (LIDAR) [³⁶], también ha sido considerada como una opción. Sin embargo, estos sistemas muestran diversas limitaciones en cuanto a la duración de la marcha y el entorno de uso, al igual que los sistemas propuestos que emplean cámaras RGB, como se describe en [³⁷], y [³⁸]. Por último, el sistema descrito en [³⁹], basado en Laser Range Finder (LRF) se restringe a uso interior debido a que utiliza una banda caminadora y requiere de marcadores reflectivos.

III. Sistemas de medición de variables espacio-temporales de marcha humana

En la investigación de la marcha humana, contar con sistemas precisos y confiables para medir variables espacio-temporales es esencial, ya que estos sistemas proporcionan datos detallados que permiten entender la bipedestación de los humanos. Dentro de este marco, se han desarrollado diversas tecnologías y enfoques basados en cámaras para abordar las limitaciones de los sistemas actuales y llevar a cabo mediciones buscando precisión y confiabilidad en la información. En este contexto, a continuación, se presentan diferentes tecnologías diseñadas para el análisis de marcha humana basadas en cámaras RGB-D.

A. Sistemas estáticos

Los sistemas de análisis de marcha se clasifican, entre otros criterios, en función de su movilidad y espacio de operación. En este espectro, los sistemas estáticos de marcha desempeñan un papel esencial y están diseñados para operar en un espacio fijo, sin desplazarse junto al sujeto. Su funcionamiento se basa en capturar y analizar la dinámica del movimiento humano mientras este se desplaza dentro de un área previamente definida. Los sistemas basados en Microsoft Kinect son populares en esta área, por ejemplo, los estudios presentados en 2013 [⁴⁰], [⁴¹] emplean este dispositivo y destacan su correlación con ciertas variables espaciales de marcha al ser contrastadas con sistemas ópticos comerciales. Según los autores, gracias a su bajo costo y disponibilidad, estos dispositivos podrían ofrecer a los profesionales de la salud herramientas valiosas para evaluar ciertos parámetros espacio-temporales de la marcha. No obstante, plantean que es esencial ser selectivo con las variables de interés, ya que no todas pueden ser medidas con la precisión deseada utilizando Microsoft Kinect. Adicionalmente, es pertinente mencionar que, en 2013, el software desarrollado para este propósito con el Kinect aún estaba en una etapa inicial, lo que demandaba investigaciones y desarrollos adicionales para maximizar su precisión y aplicabilidad en el análisis de marcha humana.

Con el avance tecnológico en software y hardware de los últimos años, los sistemas basados en este tipo de cámaras han venido ganando importancia y se han implementado como apoyo para el análisis de diferentes tipos de enfermedades, como es el caso del sistema presentado en [⁴²], en el cual se lleva a cabo una prueba piloto con el propósito de investigar si una cámara de profundidad, como la Microsoft Kinect v2, puede identificar cambios en las características de la marcha en pacientes con Parkinson, tanto antes como después de la administración de medicación. Los resultados revelaron diferencias significativas en la longitud de paso y la velocidad promedio entre los pacientes diagnosticados con la enfermedad y los controles sanos, sugiriendo que la cámara empleada podía constituir una herramienta eficaz para cuantificar el comportamiento de la marcha, específico de la enfermedad de Parkinson. No obstante, también se evidenció que no hubo diferencias estadísticamente significativas en las características de las pruebas entre las condiciones de participantes medicados y no medicados, aunque sí se detectaron diferencias de manera clínica.

En esta misma línea, el estudio presentado en [⁴³], emplea una tecnología estática para evaluar variables espacio-temporales de marcha en dos grupos: 10 individuos con Parkinson (PD) y 11 con lesiones post-accidente cerebrovascular (PS). Este utiliza el sensor Microsoft Kinect v2 y se contrasta con un sistema Vicon de 6 cámaras y dos plataformas de fuerza Kistler, que sirven como referencia estándar. Los resultados indican una correlación significativa entre ambos sistemas en parámetros clave de la marcha, como longitud de paso, fases de apoyo y velocidad promedio, entre otros.

En otras aplicaciones, en [⁴⁴], se compara el Kinect v2 con un sistema de referencia (Qualisys de 12 cámaras) para analizar parámetros de marcha en pacientes con polineuropatía amiloide familiar por transtiretina (TTR-FAP). Usando datos tridimensionales de diez pacientes durante diez pruebas de marcha, se calcularon parámetros espacio-temporales y cinemáticos. Los resultados indican que el sistema RGB-D es preciso en la mayoría de los parámetros evaluados. Su aplicación puede ofrecer un análisis más objetivo en pacientes con polineuropatía, beneficiando potencialmente su tratamiento y comprensión de TTR-FAP.

En [⁴⁵], se lleva a cabo una comparación entre una cámara Microsoft Kinect v2 y un sistema Vicon compuesto por 12 cámaras. El objetivo principal es detectar variaciones relevantes en los patrones de marcha de pacientes diagnosticados con amiloidosis ATTRv. La investigación se estructuró en dos fases, realizando pruebas iniciales (T0) y repitiéndolas 18 meses después (T1) con un total de seis pacientes. Los datos recopilados indican que las discrepancias observadas entre T0 y T1 para ambas tecnologías, presentan tendencias similares en el 65% de los parámetros espacio-temporales evaluados. Asimismo, se observó una concordancia en el 38% de los parámetros cinemáticos analizados, dando como resultado que este tipo de tecnologías puede contribuir significativamente a la evaluación de este tipo de enfermedades.

Es evidente que la cámara RGB-D Microsoft Kinect ha sido ampliamente utilizada en el análisis del movimiento humano, tanto en personas sin condiciones asociadas a la marcha [⁴⁰], [⁴⁶]-[⁴⁹], como en aquellas con diversas discapacidades [⁵⁰]-[⁵⁴]. Aunque existen otras cámaras como la Intel Realsense y la Orbbec Astra Pro v2, su participación en estudios relacionados ha sido menor. Una posible razón para esta preferencia podría ser el costo relativamente más elevado de estos dispositivos en comparación con el Microsoft Kinect.

En el estudio realizado en [⁵⁵], se emplea una cámara Intel Realsense con el objetivo de desarrollar un "juego serio" destinado a la rehabilitación de la parte superior del cuerpo. Este juego se basa en reconocer y responder a gestos específicos realizados con las manos de los usuarios. En [⁵⁶], se utiliza una Realsense y un sistema Okulus Rift DK2, para desarrollar un juego terapéutico en el que el paciente debe ejecutar una secuencia específica de movimientos de abducción y aducción del brazo, con el objetivo de rehabilitar el manguito rotador tras sufrir una lesión. En [⁵⁷] al igual que en [⁵⁶], se utiliza el mismo principio para desarrollar un juego serio utilizando realidad aumentada para evaluar las disfunciones motoras de las extremidades superiores.

En los estudios presentados en [⁵⁸], [59], se emplea la tecnología Realsense, que resulta especialmente útil en el ámbito médico y terapéutico gracias a su diseño específico para registrar movimientos faciales con precisión, donde se emplea para el diagnóstico, tratamiento y evaluación de diversos trastornos del habla. Además, estas aplicaciones se extienden al ámbito del reconocimiento emocional, permitiendo identificar gestos asociados con emociones específicas, como la felicidad y la tristeza. Esta capacidad de discernir expresiones faciales tiene potencial en múltiples campos, desde la terapia psicológica hasta la interacción hombre-máquina.

Para el caso de la Orbbec Astra Pro v2, el estudio presentado en [⁶⁰] determina que el dispositivo presenta un rendimiento de seguimiento inferior en comparación con Azure Kinect y Kinect v2. El estudio menciona que Azure Kinect tiene un buen rendimiento de seguimiento de los ángulos sagitales de la articulación de la cadera y la rodilla durante las pruebas de caminata en cinta rodante en ángulos de visión de la cámara no frontal, mientras que el Orbbec Astra Pro v2 tiene una menor precisión en el seguimiento de los patrones cinemáticos de la marcha.

Finalmente, en el campo del análisis de la marcha humana, se ha visto cómo diversos sistemas estáticos han sido empleados con el fin de aportar a la comprensión y rehabilitación de condiciones asociadas al movimiento. La cámara RGB-D Microsoft Kinect se ha establecido como la herramienta líder en esta área, valorada por su eficiencia costo-beneficio y su capacidad de análisis en diversos escenarios. Sin embargo, mientras que Kinect ha dominado el campo del análisis de la marcha, otras tecnologías como Intel Realsense y Orbbec Astra Pro v2 han encontrado nichos específicos, desde la rehabilitación a través de juegos serios hasta el reconocimiento emocional mediante la detección de gestos faciales. A pesar de las ventajas individuales que cada tecnología aporta, es esencial reconocer la complementariedad de estas herramientas en la creación de un panorama integral para la evaluación y tratamiento en el ámbito médico y terapéutico, mientras que algunas tecnologías pueden sobresalir en áreas específicas, la colaboración y la integración de diversas herramientas permitirán avances más significativos en la comprensión y mejora del movimiento humano.

B. Sistemas móviles

En contraste con los sistemas estáticos, los sistemas móviles de análisis de marcha ofrecen una dinámica diferente en la captura y evaluación del movimiento humano. Estos sistemas están diseñados para desplazarse junto al sujeto, permitiendo la monitorización de la marcha en entornos más naturales y amplios. A menudo, se integran con tecnologías como robots autónomos, plataformas móviles, sensores y cámaras que pueden seguir al individuo, adaptándose a diferentes ritmos y patrones de movimiento. Su principal ventaja es la flexibilidad y adaptabilidad, permitiendo la captura de datos en situaciones más próximas a la vida cotidiana y en recorridos más largos. En este contexto, en [²⁷] se presenta una plataforma móvil diseñada para analizar la marcha patológica. Esta plataforma combina un sensor Kinect con un robot móvil (Pioneer 3DX), ofreciendo la capacidad de seguir al individuo y recopilar datos sobre su marcha en tiempo real. A diferencia de sistemas estáticos, esta herramienta permite al sujeto moverse libremente sin restricciones espaciales. Al comparar los resultados con un sistema Vicon equipado con ocho cámaras, el error en la longitud de zancada fue del 2%. Además, al evaluar los ángulos de las extremidades inferiores de dos voluntarios en una cinta rodante, se encontraron coeficientes de correlación entre 0.65 y 0.88 para los ángulos de cadera y rodilla entre ambos sistemas.

En la misma línea de robots seguidores de personas, en [⁶¹] se muestran un sistema de medición de variables articulares basado en el robot móvil Rosbot 2.0 y una cámara 3D (Orbbec Astra). Para validar el prototipo se compararon las medidas obtenidas en 10 hombres y 10 mujeres con respecto a un sistema Vicon de seis cámaras (M2 MCAM) con 32 marcadores reflectivos. Para ambos grupos se encontró una alta correlación entre los dos sistemas de medición. Los coeficientes de correlación para los ángulos de cadera y rodilla variaron entre 0.78 y 0.98, lo que presenta una superioridad significativa con respecto al sistema descrito en [²⁷].

En [⁶²], se propone un sistema que combina un robot móvil Kobuki con una cámara Microsoft Kinect v1 y un computador para procesar la información. Diseñado para seguir a individuos manteniendo una distancia de 1.3 metros, la cámara se posiciona a 25° en relación con el suelo, garantizando una visión completa del sujeto. Al comparar con un sistema Vicon en pruebas realizadas en un joven de 20 años, y tras aplicar un filtro de Kalman, se observaron errores en varias métricas de marcha, como la longitud de zancada y la cadencia. Sin embargo, el estudio tiene limitaciones, como la precisión del sistema, la validación basada en un solo participante y el entorno de prueba. Los autores subrayan la necesidad de más investigaciones para confirmar la eficacia de esta metodología.

Un sistema que integra diferentes tecnologías es presentado en [⁶³], esta combina un robot autónomo (P3-DX), una cámara RGB-D Kinect v2 y calzado instrumentado equipado con sensores piezoresistivos, una unidad de registro de datos y una IMU. Al validarlo contra un sistema Vicon con ocho cámaras, se encontró que la combinación de estos dispositivos ofrecía resultados significativamente más precisos que cuando se usaban de manera individual. Los errores registrados en diversas métricas de marcha, como la longitud de zancada y la velocidad de zancada, fueron mínimos, respaldando la idea de que la integración de robots, cámaras RGB-D y calzados sensorizados mejora la precisión en la evaluación de la marcha humana.

ROBOgait es una innovadora herramienta móvil diseñada para el análisis de la marcha humana en espacios abiertos [⁶⁴]. Esta solución integra un robot móvil (rosbot), una computadora compacta (Intel NUC), un sensor LIDAR, un servomotor y una cámara RGB-D (Orbbec Astra). A diferencia de otros sistemas mencionados en [²⁷], [⁶¹], [⁶²], ROBOgait analiza la marcha desde el frente del paciente, capturando datos de los planos sagital, frontal y transversal. Este sistema no solo está programado para rutas específicas, sino que también puede esquivar obstáculos y, gracias a un servomotor vinculado a la cámara, mantiene un seguimiento constante del sujeto. Durante las pruebas de validación con 37 participantes sanos, se contrastó su precisión con un sistema Vicon con seis cámaras. Los resultados mostraron correlaciones robustas superiores a 0.7 en parámetros como el movimiento del codo, rodilla, cadera y hombro en el plano sagital. Sin embargo, para mediciones como la inclinación del tronco y la pelvis, la correlación fue moderadamente inferior, situándose en 0.55.

En [⁶⁵] se presenta un sistema que combina un robot móvil, una cámara Kinect v2 y un telémetro láser para monitorear y analizar la marcha de un usuario desde la parte frontal del mismo. Esta configuración detalla tanto los componentes físicos como los algoritmos de software que permiten una evaluación precisa de la marcha. Al ser probado en individuos sanos, el sistema demostró ser preciso y fácil de usar. Dada su eficacia, se sugiere que esta tecnología podría ser implementada en entornos clínicos y de rehabilitación para evaluar y mejorar la marcha de los pacientes.

Otra alternativa se muestra en [⁶⁶], un sistema móvil que, mediante el uso de una única cámara RGB-D, puede rastrear y analizar la marcha humana en un sistema de coordenadas canónicas. Este avanzado sistema combina información de imágenes de profundidad con articulaciones 2D derivadas de imágenes RGB para ofrecer una estimación 3D precisa de la postura de las extremidades inferiores, que es invariable a las variaciones de la cámara. A través de esta fusión de datos, es capaz de rastrear en tiempo real tanto la posición y orientación 6D de la cámara como el esqueleto 3D de las extremidades inferiores. Además, el estudio detalla cómo se seleccionan y reconocen características específicas de la marcha, enfocándose especialmente en la identificación de marchas anómalas. Los resultados experimentales destacan la eficacia del sistema, mostrando no solo una acertada estimación postural de las extremidades inferiores, sino también una precisión en el reconocimiento de marchas superior a la de métodos previamente establecidos.

En los trabajos encontrados en [⁶⁷]-[⁶⁹], se introducen diversas plataformas móviles equipadas con cámaras RGB-D dedicadas al estudio y análisis de la marcha humana, específicamente diseñadas para aplicaciones en entornos clínicos y de rehabilitación. Estas investigaciones resaltan la versatilidad y eficacia de estas plataformas en la captura y evaluación de variables relacionadas con la marcha. Asimismo, las conclusiones de estos estudios refuerzan la idea de que dichos sistemas no solo son prometedores, sino también esenciales, en la evolución de las herramientas de diagnóstico y tratamiento en el ámbito médico.

El avance tecnológico en el análisis de marcha ha evolucionado considerablemente, transitando de sistemas estáticos a soluciones móviles más flexibles y adaptativas. Las plataformas móviles, al integrar componentes como robots autónomos, sensores y cámaras RGB-D, ofrecen una ventaja superior en la capacidad de monitorizar la marcha en entornos más amplios y naturales. Esta ventaja se traduce en evaluaciones más realistas, en contextos que simulan la vida diaria de los individuos. Como se destacó en varios estudios, en los párrafos precedentes, estos sistemas muestran resultados precisos y correlaciones robustas con sistemas comerciales de referencia como Vicon. Sin embargo, no son exentos de desafíos y áreas de mejora, la precisión varía según el diseño y los componentes del sistema, y algunos todavía enfrentan limitaciones en términos de validación y aplicabilidad. No obstante, el potencial de esta tendencia es hacia la adopción de herramientas más dinámicas y versátiles que se acercan más al comportamiento humano natural.

A continuación, se presenta en la tabla I resumen en donde se relacionan los sistemas estáticos y móviles desarrollados para el análisis de marcha humana.

IV. Conclusiones

Los sistemas estáticos desempeñan un papel crucial en el análisis de la marcha humana, en ese sentido, la cámara RGB-D Kinect se presenta como una herramienta líder en este campo, su relevancia se ve reforzada por los avances tecnológicos recientes, convirtiéndola en una opción especialmente viable para el estudio de la marcha asociada a diversas enfermedades.

Los sistemas móviles, al integrar cámaras RGB-D con robots, representan una innovación destacada en el análisis de la marcha humana. Su capacidad para ofrecer flexibilidad y adaptabilidad se evidencia en su eficiencia, al permitir que el sujeto se desplace libremente sin las limitaciones inherentes a los sistemas estáticos. Estas características hacen de los sistemas móviles una herramienta valiosa en entornos de clínicos y de investigación.

Tabla i Sistemas propuestos para el análisis de la marcha humana 

En términos de precisión y validación, varios sistemas móviles, cuando se comparan con sistemas de referencia como el Gold Standard (Vicon), han mostrado correlaciones y precisiones significativas, indicando su potencial en aplicaciones clínicas y de rehabilitación. Sin embargo, algunos sistemas aún requieren más pruebas y validaciones, especialmente en diferentes entornos y con diferentes grupos de individuos.

La fusión de diversas tecnologías, como robots, cámaras RGB-D y calzados instrumentados, han abierto un panorama prometedor en el estudio de la marcha humana. Esta integración no solo refuerza la precisión de las evaluaciones, sino que también destaca la potencialidad de combinar múltiples herramientas y dispositivos para lograr análisis más precisos y detallados. La evolución en este campo sugiere una orientación hacia la interconexión tecnológica para optimizar el entendimiento y tratamiento de las dinámicas de marcha.

En términos de eficiencia de los sistemas, algunos de estos tienen limitaciones en cuanto a precisión, validación y entorno de prueba. Esto sugiere la necesidad de mejoras continuas, así como la realización de estudios adicionales para maximizar su eficacia.