Objectively assessing horse movement symmetry as an adjunctive to the routine lameness evaluation is on the rise with several commercially available systems on the market. Prerequisites for quantifying such symmetries include knowledge of the gait and gait events, such as hoof to ground contact patterns over consecutive strides. Extracting this information in a robust and reliable way is essential to accurately calculate many kinematic variables commonly used in the field. In this study, optical motion capture was used to measure 222 horses of various breeds, performing a total of 82 664 steps in walk and trot under different conditions, including soft, hard and treadmill surfaces as well as moving on a straight line and in circles. Features were extracted from the pelvis and withers vertical movement and from pelvic rotations. The features were then used in a quadratic discriminant analysis to classify gait and to detect if the left/right hind limb was in contact with the ground on a step by step basis. The predictive model achieved 99.98% accuracy on the test data of 120 horses and 21 845 steps, all measured under clinical conditions. One of the benefits of the proposed method is that it does not require the use of limb kinematics making it especially suited for clinical applications where ease of use and minimal error intervention are a priority. Future research could investigate the extension of this functionality to classify other gaits and validating the use of the algorithm for inertial measurement units.

随着市场上几种商用系统的出现，客观评估马运动对称性作为常规routine行评估的辅助手段正在兴起。量化这种对称性的先决条件包括对步态和步态事件的了解，例如连续跨步时从蹄到地面的接触方式。以可靠可靠的方式提取此信息对于准确计算本领域中常用的许多运动学变量至关重要。在这项研究中，光学运动捕捉用于测量222种不同品种的马，在不同条件下（包括柔软，坚硬和跑步机的表面以及沿直线和圆圈移动）在步行和小跑过程中执行总计82664步。从骨盆中提取特征，并使其垂直运动和骨盆旋转。然后将这些特征用于二次判别分析中，以对步态进行分类并逐步检测左/右后肢是否与地面接触。该预测模型在120匹马和21 845步的测试数据上均达到99.98％的准确性，所有这些数据都是在临床条件下测得的。提出的方法的好处之一是它不需要使用肢体运动学，因此特别适合于优先考虑易用性和最小错误干预的临床应用。未来的研究可能会调查此功能的扩展，以对其他步态进行分类，并验证惯性测量单位的算法使用。该预测模型在120匹马和21 845步的测试数据上均达到99.98％的准确性，所有这些数据都是在临床条件下测得的。所提出的方法的优点之一是它不需要使用肢体运动学，因此特别适合于优先考虑易用性和最小误差干预的临床应用。未来的研究可能会调查此功能的扩展，以对其他步态进行分类，并验证惯性测量单位的算法使用。该预测模型在120匹马和21 845步的测试数据上均达到99.98％的准确性，所有这些数据都是在临床条件下测得的。所提出的方法的优点之一是它不需要使用肢体运动学，因此特别适合于优先考虑易用性和最小误差干预的临床应用。未来的研究可能会调查此功能的扩展，以对其他步态进行分类，并验证惯性测量单位的算法使用。提出的方法的好处之一是它不需要使用肢体运动学，因此特别适合于优先考虑易用性和最小错误干预的临床应用。未来的研究可能会研究此功能的扩展，以对其他步态进行分类，并验证惯性测量单位的算法使用。提出的方法的好处之一是它不需要使用肢体运动学，因此特别适合于优先考虑易用性和最小错误干预的临床应用。未来的研究可能会调查此功能的扩展，以对其他步态进行分类，并验证惯性测量单位的算法使用。