Introduction
सर्वव्यापी संवेदन की वजह से तेजी से शक्तिशाली, छोटे, कम लागत कंप्यूटिंग और उपकरण 1 संवेदन के लिए एक आकर्षक अनुसंधान क्षेत्र बन गया है। उपभोक्ता स्तर माइक्रोइलेक्ट्रॉनिक उच्च सटीकता के साथ 1 गति विशेषताओं का पता लगाने में सक्षम हैं, क्योंकि पहनने योग्य सेंसर का उपयोग गतिशीलता निगरानी ब्याज का एक बड़ा सौदा उत्पन्न किया है। 4 - प्रारंभिक अध्ययन 2 1990 के दशक से 1980 के दशक में प्रदर्शन किया और साथ पहनने योग्य सेंसर का उपयोग मानव गतिविधि मान्यता (हरियाणा), अनुसंधान के हाल के एक क्षेत्र है।
आधुनिक smartphones गतिशीलता गतिविधि मान्यता के लिए आवश्यक सेंसर और वास्तविक समय गणना क्षमता होती है। डिवाइस पर वास्तविक समय विश्लेषण उपयोगकर्ता या अन्वेषक के हस्तक्षेप के बिना गतिविधि वर्गीकरण और डेटा अपलोड परमिट। गतिशीलता विश्लेषण सॉफ्टवेयर के साथ एक स्मार्टफोन का पता लगाने, घर या काम स्वचालन, और आत्म प्रबंध exercis गिर जाते हैं, फिटनेस ट्रैकिंग, स्वास्थ्य की निगरानी प्रदान कर सकता हैई कार्यक्रमों 5। स्मार्टफोन जहाज पर सेंसर outputs के 6 के साथ गणना उत्पन्न गणितीय संकेत सुविधाओं का उपयोग, मानव में मोबाइल गतिविधियों और मोबाइल पैटर्न का पता लगाने के लिए जड़त्वीय माप प्लेटफार्मों पर विचार किया जा सकता है। आम सुविधा पीढ़ी के तरीकों अनुमानी, समय डोमेन, आवृत्ति डोमेन, और तरंगिका विश्लेषण आधारित दृष्टिकोण 7 शामिल हैं।
निर्दिष्ट गतिविधियों 1,5,6,7 का पता लगाने के लिए जब आधुनिक स्मार्टफोन हरियाणा प्रणालियों उच्च भविष्यवाणी सत्यता पता चला है। ज्यादातर अध्ययनों को अपने स्वयं के प्रशिक्षण सेट, पर्यावरण सेटअप, और डेटा संग्रह प्रोटोकॉल के बाद से इन अध्ययनों से मूल्यांकन पद्धति के साथ-साथ सटीकता में भिन्नता है। संवेदनशीलता, विशिष्टता, सटीकता, याद है, सटीक, और एफ स्कोर सामान्यतः भविष्यवाणी गुणवत्ता का वर्णन करने के लिए इस्तेमाल कर रहे हैं। हालांकि, कोई जानकारी के लिए बहुत कम वास्तविक समय में गतिविधि परिवर्तन का पता लगाने की क्षमता का "समवर्ती गतिविधि" मान्यता और मूल्यांकन के लिए तरीकों पर उपलब्ध है1, कई गतिविधियों को वर्गीकृत करने का प्रयास है कि हरियाणा की व्यवस्था के लिए। HAR प्रणाली सटीकता के लिए मूल्यांकन के तरीकों के अध्ययन के बीच में काफी भिन्नता है। भले ही वर्गीकरण एल्गोरिथ्म या लागू सुविधाओं की, सोने के मानक के मूल्यांकन के तरीकों का वर्णन सबसे HAR अनुसंधान के लिए अस्पष्ट हैं।
एक दैनिक जीवन के माहौल में गतिविधि मान्यता बड़े पैमाने पर शोध नहीं किया गया है। सबसे स्मार्टफोन आधारित गतिविधि मान्यता प्रणालियों एक वास्तविक दुनिया में पर्यावरण के लिए एल्गोरिथ्म के बजाय यथार्थवादी के लिए फायदेमंद हो सकता है कि एक मूल्यांकन प्रोटोकॉल के लिए अग्रणी, एक नियंत्रित तरीके से मूल्यांकन कर रहे हैं। उनके मूल्यांकन योजना के भीतर, प्रतिभागियों को अक्सर बल्कि वास्तविक जीवन की घटनाओं नकल उतार लगातार प्रदर्शन करने के लिए भागीदार के लिए यथार्थवादी गतिविधियों की एक बड़ी रेंज को लागू करने से भविष्यवाणी के लिए इरादा केवल कार्यों, प्रदर्शन करते हैं।
कुछ स्मार्टफोन HAR ऐसे सीढ़ियों और चलने के रूप में एक साथ 8,9 समूह इसी तरह की गतिविधियों का अध्ययन, लेकिन डेटा सेट से अन्य गतिविधियों के बाहर। भविष्यवाणी सटीकता तो एल्गोरिथ्म लक्ष्य गतिविधियों की पहचान कैसे अच्छी तरह से निर्धारित होता है। डर्नबाक एट अल। 9 प्रतिभागियों वे निरंतर परिवर्तन के राज्य के संक्रमण में दखल बढ़ने से पहले अमल करने के बारे में थे गतिविधि लिखना था। प्रतिभागी को एक दैनिक जीवन में स्थापित करने में प्राकृतिक कार्य करता है, जबकि हरियाणा सिस्टम मूल्यांकनों एल्गोरिथ्म का आकलन करना चाहिए। इस आवेदन के दैनिक उपयोग replicates कि एक वास्तविक जीवन के मूल्यांकन की अनुमति होगी। एक यथार्थवादी सर्किट कई की-राज्य में परिवर्तन के साथ ही प्रणाली द्वारा predicable नहीं क्रियाओं का एक मिश्रण भी शामिल है। एक अन्वेषक तो इस प्रकार विषम आंदोलनों को एल्गोरिथ्म की मजबूती के मूल्यांकन, इन अतिरिक्त आंदोलनों को एल्गोरिथ्म की प्रतिक्रिया का आकलन कर सकते हैं।
इस पत्र के वास्तविक जीवन की दैनिक रहने वाले वातावरण को दर्शाता है कि एक नियंत्रित पाठ्यक्रम का उपयोग करता है कि एक पहनने योग्य गतिशीलता की निगरानी प्रणाली (WMMS) मूल्यांकन प्रोटोकॉल प्रस्तुत करता है। WMMSमूल्यांकन तो नियंत्रित लेकिन यथार्थवादी शर्तों के तहत बनाया जा सकता है। इस प्रोटोकॉल में, हम ओटावा विश्वविद्यालय और ओटावा अस्पताल अनुसंधान संस्थान 11-15 में विकसित किया गया था कि एक तीसरी पीढ़ी WMMS का उपयोग करें। WMMS एक सप्ताह में तीन अक्ष accelerometer और gyroscope के साथ smartphones के लिए डिजाइन किया गया था। गतिशीलता एल्गोरिथ्म, उपयोगकर्ता परिवर्तनशीलता के लिए खातों में परिवर्तन के राज्य की पहचान के लिए झूठी सकारात्मक की संख्या में कमी प्रदान करता है, और गतिविधि वर्गीकरण में संवेदनशीलता बढ़ जाती है। WMMS आगे WMMS वर्गीकरण को बेहतर बनाता है कि संदर्भ के प्रति संवेदनशील गतिविधि मूल्यांकन के लिए राज्य की गतिविधि में परिवर्तन का पता चला रहे हैं जब छोटी वीडियो क्लिप रिकॉर्डिंग से चलाता है के बाद से झूठी सकारात्मक कम से कम महत्वपूर्ण है। अनावश्यक वीडियो रिकॉर्डिंग भंडारण और बैटरी उपयोग में अक्षमताओं बनाता है। WMMS एल्गोरिथ्म भविष्यवाणी स्तर में वृद्धि हुई राशि में वृद्धि का प्रतीक है, जहां विभिन्न भविष्यवाणी स्तर, का उपयोग करते हुए एक कम कम्प्यूटेशनल सीखने के मॉडल के रूप में संरचित और मूल्यांकन किया जाता हैके पहचानने कार्रवाई।
Subscription Required. Please recommend JoVE to your librarian.
Protocol
इस प्रोटोकॉल ओटावा स्वास्थ्य विज्ञान नेटवर्क अनुसंधान आचार बोर्ड द्वारा अनुमोदित किया गया था।
1. तैयारी
- अनुसंधान की एक रूपरेखा के साथ प्रतिभागियों को प्रदान करते हैं किसी भी सवाल का जवाब है, और सूचित सहमति प्राप्त करते हैं। रिकार्ड प्रतिभागी विशेषताओं (जैसे, आयु, लिंग, ऊंचाई, वजन, कमर परिधि, पूर्वकाल बेहतर मध्यवर्ती गुल्फ को इलियक रीढ़ की हड्डी से पैर ऊंचाई) एक डाटा शीट पर, पहचान कोड, और तारीख। वीडियो पर कब्जा करने के लिए प्रयोग किया जाता है कि दूसरे स्मार्टफोन दूसरी कब्जा दर प्रति कम से कम एक 30 फ्रेम करने के लिए सेट किया गया है कि सुनिश्चित करें।
- सुरक्षित रूप से भागीदार के सामने सही बेल्ट या पंत कमर को एक फोन पिस्तौलदान देते हैं। गतिशीलता माप स्मार्टफोन पर सेंसर डेटा (यानी, प्रवेश डेटा या WMMS आवेदन) को इकट्ठा करने और आवेदन उचित रूप से चल रहा है कि यह सुनिश्चित करने के लिए इस्तेमाल किया जाएगा कि स्मार्टफोन आवेदन शुरू करो। इस उपकरण के पीछे (पीछे सीए के साथ होल्स्टर में स्मार्टफोन की जगहजावक का सामना करना पड़ mera)।
- एक दूसरे स्मार्टफोन पर डिजिटल वीडियो रिकॉर्डिंग शुरू करो। नाम न छापने के लिए, व्यक्ति के चेहरे को दिखाने के बिना तुलना वीडियो रिकॉर्ड है, लेकिन सभी गतिविधि संक्रमण रिकॉर्ड करने के लिए किया जाता है। फोन हाथ में हो सकता है।
2. गतिविधि सर्किट
- , दूसरे स्मार्टफोन पर, अपने कार्यों के भागीदार और वीडियो का पालन वे अन्वेषक द्वारा बोली निम्नलिखित कार्यों, प्रदर्शन करते हुए:
- एक खड़े स्थिति से, परीक्षण के शुरू होने का संकेत करने के स्मार्टफोन हिला।
- कम से कम 10 सेकंड के लिए खड़े जारी रखें। यह खड़े चरण फोन उन्मुखीकरण अंशांकन 14 के लिए इस्तेमाल किया जा सकता है।
- पास में एक कुर्सी के लिए चलो और बैठ जाओ।
- खड़े हो जाओ और एक लिफ्ट करने के लिए 60 मीटर की दूरी पर चल रहा है।
- खड़े हो जाओ और लिफ्ट के लिए प्रतीक्षा करें और फिर लिफ्ट में चलते हैं।
- दूसरी मंजिल के लिए लिफ्ट ले।
- मुड़ें और घर के माहौल में चलते हैं।
- बाथरूम और सी में चलोmulate दांतों की सफाई।
- बालों में कंघी अनुकरण।
- हाथ धोने के अनुकरण।
- एक तौलिया का उपयोग कर शुष्क हाथों।
- रसोई घर के लिए चलते हैं।
- एक रैक से बर्तन ले लो और काउंटर पर उन्हें जगह है।
- पानी के नल से पानी के साथ एक केतली भरें।
- स्टोव तत्व पर केतली रखें।
- एक टोस्टर में रोटी की जगह।
- भोजन कक्ष के लिए चलो।
- एक भोजन कक्ष मेज पर बैठते हैं।
- मेज पर खाना खाने अनुकरण।
- खड़े हो जाओ और वापस पानी के नल के लिए चलते हैं।
- व्यंजन बंद कुल्ला और एक रैक में उन्हें जगह है।
- वापस लिफ्ट करने के लिए रसोई घर से चलते हैं।
- खड़े हो जाओ और लिफ्ट के लिए प्रतीक्षा करें और फिर लिफ्ट में चलते हैं।
- पहली मंजिल के लिए लिफ्ट ले।
- एक सीढ़ियों से 50 मीटर की दूरी पर चलो।
- दरवाजा खुला है और सीढ़ियों दर्ज करें।
- (लैंडिंग लगभग 13 कदम, 13 कदम) सीढ़ियों घूमते हैं।
- दालान में सीढ़ियों दरवाजा खोलो।
- दाएँ मुड़ें और 15 मीटर की दूरी के लिए नीचे हॉल में चल रहा है।
- चारों ओर मुड़ें और वापस सीढ़ियों से 15 मीटर की दूरी पर चल रहा है।
- दरवाजा खुला है और सीढ़ियों दर्ज करें।
- (लैंडिंग लगभग 13 कदम, 13 कदम) सीढ़ियों से नीचे चलो।
- सीढ़ियों से बाहर निकलें और एक कमरे में चलते हैं।
- एक बिस्तर पर झूठ।
- उठो और एक रैंप के लिए 10 मीटर की दूरी पर चल रहा है।
- उसके बाद रैंप (20 मीटर) के नीचे, चारों ओर मोड़, रैंप वॉक।
- हॉल में चलने जारी रखें और बाहर करने के लिए दरवाजा खुला है।
- पक्का मार्ग पर 100 मीटर की दूरी पर चलो।
- चारों ओर मुड़ें और पीछे के कमरे में चलते हैं।
- कमरे में चलते हैं और प्रारंभिक बिंदु पर खड़े हो जाओ।
- खड़े जारी है, और फिर परीक्षण के अंत का संकेत करने के स्मार्टफोन हिला।
3. ट्रायल पूरा होने
- वीडियो रिकॉर्डिंग स्मार्टफोन बंद करो और हटाने और स्मार्टफोन और होल्स्टर लौटने के लिए भागीदार पूछो। SMA पर प्रवेश डेटा या WMMS आवेदन बंद करोrtphone। बाद के प्रसंस्करण के लिए एक कंप्यूटर के लिए दोनों फोन से प्राप्त कर लिया गति डेटा फ़ाइलों और वीडियो फ़ाइल को कॉपी करें।
4. पोस्ट प्रसंस्करण
- हिला कार्रवाई शुरू कर दिया जब समय निर्धारित करने से वीडियो और कच्चे संवेदक डेटा के बीच समय सिंक्रनाइज़। इस मिलाते हुए आंदोलन एक अलग accelerometer के संकेत और वीडियो फ्रेम से मेल खाती है। सेंसर और वीडियो डेटा स्रोतों के लिए, शुरू हिला समय से अंत हिला समय घटाकर तुल्यकालन त्रुटि के लिए जाँच करें। समय मतभेद दो डेटा सेट के बीच समान होना चाहिए।
- गतिविधियों के बीच संक्रमण पर वीडियो फ्रेम करने के लिए शुरू हिला समय से समय का अंतर रिकॉर्डिंग के द्वारा सोने के मानक वीडियो से वास्तविक परिवर्तन के राज्य बार निर्धारित करते हैं। 0.033 सेकंड के भीतर करने के लिए समय प्राप्त करने के लिए वीडियो संपादन सॉफ्टवेयर का प्रयोग करें (यानी, दूसरा वीडियो दर 30 फ्रेम प्रति)। तुलनीय परिवर्तन के राज्य सेंसर डेटा से उत्पन्न करने के लिए WMMS सॉफ्टवेयर का प्रयोग करें।
- दो डेटा सेट उत्पन्न, एकसच गतिविधियों और भविष्यवाणी की गतिविधियों के साथ दूसरे के साथ, प्रत्येक वीडियो फ्रेम के लिए गतिविधि लेबल करके WMMS उत्पादन से प्रत्येक वीडियो फ्रेम समय में भविष्यवाणी की गतिविधि की गणना तो और (राज्य समय के परिवर्तन के आधार पर)। WMMS प्रदर्शन मूल्यांकन के लिए, सोने का मानक गतिविधि के बीच सच सकारात्मक, नकारात्मक झूठी, सच नकारात्मक, झूठी सकारात्मक गणना और WMMS गतिविधि की भविष्यवाणी की। संवेदनशीलता, विशिष्टता, और एफ स्कोर परिणामों के उपायों की गणना करने के लिए इन मानकों का प्रयोग करें।
नोट: विश्लेषण किया जा रहा खिड़की के दोनों तरफ तीन डेटा खिड़कियों की एक सहिष्णुता सेटिंग बदलने के राज्य के परिणामों का निर्धारण करने के लिए प्रयोग किया जाता है, और वर्गीकरण परिणामों के लिए 2 डेटा खिड़कियों जा सकता है। एक दूसरे डेटा खिड़कियों के इस अध्ययन में WMMS के लिए इस्तेमाल किया गया है क्योंकि इस सहिष्णुता के भीतर लगातार परिवर्तन को नजरअंदाज कर दिया जाता है, ताकि उदाहरण के लिए, 3 सेकंड पहले और वर्तमान विंडो के बाद जांच की गई। विचार कम से कम 3 सेकंड में हो कि राज्य में परिवर्तन के सकल हुमा के लिए नजरअंदाज किया जा सकता था किइन राज्यों के बाद एन आंदोलन विश्लेषण क्षणभंगुर विचार किया जाएगा।
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
अध्ययन प्रोटोकॉल ऊंचाई सेमी (11.4 ±) 173.9 था, जिसका औसत वजन 68.9 था (11.1 ±) पन्द्रह-शरीर में सक्षम प्रतिभागियों की सुविधा नमूना किलो के साथ आयोजित किया है, और उम्र ओटावा अस्पताल से भर्ती, 26 (± 9) वर्ष था और ओटावा स्टाफ और छात्रों के लिए विश्वविद्यालय। एक स्मार्टफोन एक चर 40-50 हर्ट्ज दर पर संवेदक डेटा पर कब्जा कर लिया। नमूना दर विविधताओं स्मार्टफोन सेंसर नमूना लेने के लिए विशिष्ट हैं। एक दूसरा स्मार्टफोन 1280x720 (720p) के प्रस्ताव पर डिजिटल वीडियो रिकॉर्ड करने के लिए इस्तेमाल किया गया था।
होल्स्टर स्थान के आगे मानकीकरण के बिना प्रतिभागी का सही-सामने बेल्ट या पंत को बांधा गया था। यह कूल्हे पर साईस में उपकरण रखने के लिए एक प्राकृतिक विधि का प्रदर्शन किया। होल्स्टर और डेटा लकड़हारा आवेदन चलाने में रखा डिवाइस के साथ, प्रत्येक व्यक्ति को एक आत्म चयनित गति से, एक बार सर्किट तय की। सर्किट भागीदार और कार्यवाही की गतिविधियों के लिए अग्रिम में वर्णित नहीं किया गया थेसुनवाई के दौरान अन्वेषक क्रमिक रूप से बात की।
WMMS वू द्वारा काम करने के लिए इसी तरह के ऊपरी और निचले सीमा की स्थिति, एट अल के साथ एक निर्णय के पेड़ शामिल थे। 13। संशोधित वर्गीकारक रैखिक त्वरण संकेत (रेंज, साधारण औसत हिल का योग है, मानक विचलन का योग) और गुरुत्वाकर्षण संकेत (वाई करने के लिए अंतर, विचरण योग औसत अंतर) 15 से 1 सेकंड खिड़की के आकार और सुविधाओं का इस्तेमाल किया। (मैं) गतिशीलता या गतिहीनता, (द्वितीय), खड़े बैठते हैं, झूठ, या चलने, और (iii), खड़े बैठते हैं, झूठ, घूमना, चढ़ाई सीढ़ियों, या छोटे खड़े आंदोलन: तीन वर्गीकरण सेट मूल्यांकन के लिए गणना की गई। दैनिक जीवन की गतिविधियों छोटे आंदोलनों के रूप में चिह्नित किया गया था। प्रतिनिधि परिणाम तालिका 1 में दिखाया जाता है।
| वर्गीकरण | टी.पी. | एफ एन | तमिलनाडु | एफपी | संवेदनशीलता (%) | विशिष्टता (%) | F1-स्कोर (%) | ||||||||||||||
| वर्गीकरण सेट 1 | 350 | 55 | 8701 | 91 | 86.30 ± 7.2 | 98.96 ± 0.6 | 86.17 ± 6.3 | ||||||||||||||
| वर्गीकरण सेट 2 | 359 | 47 | 8660 | 131 | 88.35 ± 7.80 | 98.51 ± 0.62 | 80.19 ± 6.36 | ||||||||||||||
| वर्गीकरण सेट 3 | 423 | 75 | 8540 | 159 | 98.17 ± 0.62 | 78.42 ± 5.96 | |||||||||||||||
| वर्गीकरण सेट 1 | |||||||||||||||||||||
| मोबाइल के लिए स्थिर | 177 | 19 | |||||||||||||||||||
| स्थिर करने के लिए मोबाइल | 171 | 36 | |||||||||||||||||||
| मोबाइल के दौरान | 3990 | 73 | |||||||||||||||||||
| स्थिर दौरान | 4711 | 18 | |||||||||||||||||||
| वर्गीकरण सेट 2 | |||||||||||||||||||||
| चलने के लिए खड़े हो जाओ | 134 | 17 | |||||||||||||||||||
| स्टैंड के लिए चलो | 137 | 26 | |||||||||||||||||||
| बैठो के लिए चलो | 29 | 0 | |||||||||||||||||||
| चलो बैठो | 30 | 0 | |||||||||||||||||||
| झूठ के लिए चलो | 11 | 4 | |||||||||||||||||||
| चलो करने के लिए झूठ | 15 | 0 | |||||||||||||||||||
| स्टैंड के दौरान | 2872 | 73 | |||||||||||||||||||
| बैठो दौरान | 644 | 9 | |||||||||||||||||||
| लेटें के दौरान | 447 | 9 | |||||||||||||||||||
| चलने के दौरान | 4697 | 40 | |||||||||||||||||||
| वर्गीकरण सेट 3 | |||||||||||||||||||||
| चलने के लिए खड़े हो जाओ | 70 | 7 | |||||||||||||||||||
| स्टैंड के लिए चलो | 74 | 14 | |||||||||||||||||||
| बैठो के लिए चलो | 29 | 0 | |||||||||||||||||||
| चलो बैठो | 30 | 0 | |||||||||||||||||||
| झूठ के लिए चलो | 15 | 0 | |||||||||||||||||||
| चलो करने के लिए झूठ | 15 | 0 | |||||||||||||||||||
| छोटे कदम के लिए चलो | 68 | 7 | |||||||||||||||||||
| छोटे कदम चलना | 61 | 13 | |||||||||||||||||||
| 13 | 2 | ||||||||||||||||||||
| सीढ़ियाँ चलना | 13 | 2 | |||||||||||||||||||
| छोटे कदम के लिए छोटा सा कदम | 35 | 30 | |||||||||||||||||||
| स्टैंड के दौरान | 1584 | 25 | |||||||||||||||||||
| बैठो दौरान | 643 | 10 | |||||||||||||||||||
| लेटें के दौरान | 447 | 15 | |||||||||||||||||||
| चलने के दौरान | 4398 | 56 | |||||||||||||||||||
| सीढ़ियाँ के दौरान | 246 | 0 | |||||||||||||||||||
| ब्रश दांत के दौरान | 190 | 12 </ टीडी> | |||||||||||||||||||
| कंघी बाल दौरान | 158 | 2 | |||||||||||||||||||
| धो हाथ के दौरान | 152 | 6 | |||||||||||||||||||
| शुष्क हाथों के दौरान | 119 | 4 | |||||||||||||||||||
| हटो व्यंजन के दौरान | 93 | 5 | |||||||||||||||||||
| भरण केतली के दौरान | 190 | 5 | |||||||||||||||||||
| टोस्ट रोटी के दौरान | 70 | 1 | |||||||||||||||||||
| धो व्यंजन के दौरान | 250 | 18 | |||||||||||||||||||
टेबल परिवर्तन के राज्य के निर्धारण के लिए 1. परिणाम; सच सकारात्मक (टीपी), झूठी नकारात्मक (एफ एन), सच नकारात्मक (तमिलनाडु) झूठी सकारात्मक (एफपी), कुल परिवर्तन के राज्य, संवेदनशीलता, विशिष्टता, एक, सहितएन डी एफ 1-स्कोर। के दौरान निर्दिष्ट कार्रवाई के दौरान परिवर्तन के राज्य के लिए तमिलनाडु और एफपी को दर्शाता है।
दूसरी भविष्यवाणी सेट 0.62% ± 98.51% की 7.80% ± 88.35% की संवेदनशीलता और विशिष्टता थी, जबकि 1 टेबल से, मोबाइल बनाम स्थिर वर्गीकरण सेट, 0.6% ± 98.96% की 7.2% ± 86.30% की संवेदनशीलता और विशिष्टता था । तीसरे वर्गीकरण सेट के लिए, संवेदनशीलता 84.92% 6.38% ± था और विशिष्टता 98.17 ± 0.62 था। प्रथम, द्वितीय और तृतीय वर्गीकरण सेट के लिए एफ 1 के स्कोर क्रमश: 86.17 ± 6.3, 80.19 ± 6.36, और ± 5.96 78.42, थे।
चित्रा 1। तीन वर्गीकरण सेट के लिए परिवर्तन के राज्य संवेदनशीलता, विशिष्टता, और F1-स्कोर।
Subscription Required. Please recommend JoVE to your librarian.
Discussion
एक पहनने योग्य गतिशीलता निगरानी प्रणाली के साथ मानव गतिविधि मान्यता की वजह से पहनने योग्य कंप्यूटिंग और smartphones और नैदानिक निर्णय लेने और स्वास्थ्य हस्तक्षेप के मूल्यांकन के साथ मदद कि मात्रात्मक परिणाम उपायों के लिए व्यवस्थित जरूरतों में तकनीकी प्रगति के लिए हाल के वर्षों में और अधिक ध्यान दिया गया है। इस पत्र में वर्णित कार्यप्रणाली गतिविधि वर्गीकरण त्रुटियों दैनिक जीवन की गतिविधियों और चलने परिदृश्यों की एक विस्तृत श्रृंखला के मूल्यांकन में शामिल नहीं किया गया था, तो उपस्थित नहीं होता है कि पाए गए क्योंकि WMMS विकास के मूल्यांकन के लिए प्रभावी था।
WMMS मूल्यांकन प्रोटोकॉल दो मुख्य हिस्से होते हैं: डाटा अधिग्रहण एक साथ सेट सोने के मानक डेटा और डेटा बाद के प्रसंस्करण के साथ यथार्थवादी लेकिन नियंत्रित परिस्थितियों में। डिजिटल वीडियो प्रोटोकॉल गतिविधियों भर WMMS एल्गोरिथ्म भविष्यवाणियों का परीक्षण जब सोने के मानक डाटा उपलब्ध कराने के लिए एक व्यवहार्य समाधान किया गया। प्रोटोकॉल में महत्वपूर्ण कदमसोने के मानक वीडियो स्मार्टफोन हिला दर्शाता है कि इस प्रतिभागी को थका फोन और से प्राप्त डेटा के साथ सोने के मानक वीडियो के तुल्यकालन परमिट के बाद से (i) यह सुनिश्चित करने के लिए कर रहे हैं (द्वितीय) सोने का मानक वीडियो रिकॉर्ड सभी बदलाव प्रदर्शन किया है कि यह सुनिश्चित करने के लिए परीक्षण भागीदार द्वारा (परीक्षण भागीदार निम्नलिखित जब यानी, सोने का मानक वीडियो रिकॉर्डिंग व्यक्ति सही स्थिति में होना चाहिए)।
मूल्यांकन प्रोटोकॉल चलने गतिविधियों, एक दैनिक जीवन के माहौल में, और विभिन्न इलाकों और संक्रमण को शामिल किया गया। एक प्रतिभागी से थका स्मार्टफोन लगातार एक्सेलेरोमीटर, gyroscope, magnetometer, और जीपीएस सेंसर से डेटा रिकॉर्ड है, जबकि सभी कार्यों लगातार काम कर रहे हैं, और एक दूसरे स्मार्टफोन वीडियो के लिए परीक्षण भागीदार द्वारा निष्पादित सभी गतिविधियों के लिए इस्तेमाल किया जाता है। प्रोटोकॉल दैनिक जीवन की गिरफ्तारी के निरंतर प्रदर्शन गतिविधियों की एक श्रृंखला के रूप में लंबे समय के रूप में, परीक्षण स्थान पर आधारित गतिविधियों के आदेश के अनुकूल ढालने के द्वारा संशोधित किया जा सकता हैई को शामिल किया। दस से पंद्रह मिनट भागीदार पर निर्भर करता है, सर्किट पूरा करने के लिए आवश्यक था। पायलट परीक्षण के दौरान, विकलांग के साथ कुछ प्रतिभागियों केवल इसलिए एकल परीक्षण परीक्षण एक पूरा डाटा सेट सुनिश्चित करने के लिए कुछ आबादी के साथ विचार किया जाना चाहिए, एक चक्र पूरा कर सकता है।
प्रस्तावित WMMS मूल्यांकन पद्धति की सीमाएं संकल्प समय दैनिक जीवन की गतिविधियों के लिए वीडियो से विशिष्ट परिवर्तन के राज्य के समय पहचान के सोने का मानक तुलनित्र वीडियो और कठिनाई रिकॉर्ड करने के लिए प्रयोग किया जाता है कैमरे के वीडियो फ्रेम दर तक सीमित है कि कर रहे हैं। कई फ्रेम से बदलाव के लिए एक परिवर्तन के राज्य की पहचान जब कारण गतिविधि की व्याख्या करने के लिए हो सकता है कि सोने के मानक और WMMS परिणाम के बीच मतभेद शुरू करने के बजाय WMMS त्रुटि के लिए होता है। प्रत्येक परिवर्तन के राज्य कोई तुलना बना रहे हैं, जहां पर एक सहिष्णुता, इन विसंगतियों के लिए खाते में मदद करने के लिए लागू किया जा सकता है।
आम तौर पर, संख्या में वृद्धिगतिविधियों वर्गीकृत और वर्गीकरण कठिनाई (यानी, सीढ़ियों, छोटे आंदोलनों) औसत संवेदनशीलता, विशिष्टता, और F1 स्कोर कम किया जा रहा है। गतिविधियों की संख्या बढ़ती जा रही झूठी सकारात्मक और नकारात्मक झूठी लिए संभावना बढ़ जाती है, क्योंकि यह अनुमान किया जा सकता है। केवल गुमराह कर रहे हैं और वास्तविक दुनिया परिस्थितियों का मूल्यांकन किया जब इसी तरह के परिणाम का उत्पादन करने की संभावना नहीं है कि परिणाम का उत्पादन होगा एल्गोरिथ्म के लिए फायदेमंद हैं कि गतिविधियों का उपयोग करने वाले मूल्यांकन प्रोटोकॉल। इसलिए मौजूदा तरीकों के संबंध में महत्व प्रोटोकॉल साहित्य में पिछली रिपोर्टों से WMMS सिस्टम के लिए अधिक रूढ़िवादी परिणामों में परिणाम होगा। लेकिन, परिणाम बेहतर व्यवहार में परिणामों को प्रतिबिंबित करेगा। WMMS मूल्यांकनों के प्रस्तावित विधि को मापने या मानव आंदोलन की सहायता कि पहनने योग्य प्रौद्योगिकियों की एक श्रृंखला का आकलन करने के लिए इस्तेमाल किया जा सकता है।
Subscription Required. Please recommend JoVE to your librarian.
Acknowledgments
लेखकों तकनीकी और डेटा संग्रह सहायता के लिए इवान Beisheim, निकोल Capela, एंड्रयू हर्बर्ट-कोप्ले स्वीकार करते हैं। परियोजना के वित्त पोषण के अध्ययन में इस्तेमाल smartphones सहित प्राकृतिक विज्ञान और कनाडा () NSERC इंजीनियरिंग अनुसंधान परिषद और ब्लैकबेरी लिमिटेड से प्राप्त किया गया था।
Materials
| Name | Company | Catalog Number | Comments |
| Smartphone or wearable measurement device | Blackberry | Z10 | |
| Smartphone for video recording | Blackberry | Z10 or 9800 | |
| Phone holster | Any | ||
| Data logger application for the smartphone | BlackBerry World - TOHRC Data Logger for BlackBerry 10 | http://appworld.blackberry.com/webstore/content/32013891/?countrycode=CA | |
| Wearable mobility measurement | Custom Blackberry 10 and Matlab software for mobility monitoring | http://www.irrd.ca/cag/smartphone/ | |
| Video editing or analysis software | Motion Analysis Tools | http://www.irrd.ca/cag/mat/ |
References
- Lara, O. D., Labrador, M. A. A Survey on Human Activity Recognition using Wearable Sensors. IEEE Communications Surveys Tutorials. 15 (3), 1192-1209 (2013).
- Foerster, F., Smeja, M., Fahrenberg, J. Detection of posture and motion by accelerometry: a validation study in ambulatory monitoring. Computers in Human Behavior. 15 (5), 571-583 (1999).
- Elsmore, T. F., Naitoh, P. Monitoring Activity With a Wrist-Worn Actigraph: Effects of Amplifier Passband and threshold Variations. , DTIC Online. (1993).
- Kripke, D. F., Webster, J. B., Mullaney, D. J., Messin, S., Mason, W. Measuring sleep by wrist actigraph. , DTIC Online. (1981).
- Lockhart, J. W., Pulickal, T., Weiss, G. M. Applications of mobile activity recognition. Proceedings of the 2012 ACM Conference on Ubiquitous Computing. , 1054-1058 (2012).
- Incel, O. D., Kose, M., Ersoy, C. A Review and Taxonomy of Activity Recognition on Mobile Phones. BioNanoScience. 3 (2), 145-171 (2013).
- Yang, C. C., Hsu, Y. L. A Review of Accelerometry-Based Wearable Motion Detectors for Physical Activity Monitoring. Sensors. 10 (8), 7772-7788 (2010).
- He, Y., Li, Y. Physical Activity Recognition Utilizing the Built-In Kinematic Sensors of a Smartphone. International Journal of Distributed Sensor Networks. 2013, (2013).
- Vo, Q. V., Hoang, M. T., Choi, D. Personalization in Mobile Activity Recognition System using K-medoids Clustering Algorithm. International Journal of Distributed Sensor Networks. 2013, (2013).
- Dernbach, S., Das, B., Krishnan, N. C., Thomas, B. L., Cook, D. J. Simple and Complex Activity Recognition through Smart Phones. 8th International Conference on Intelligent Environments (IE), , 214-221 (2012).
- Hache, G., Lemaire, E. D., Baddour, N. Mobility change-of-state detection using a smartphone-based approach. IEEE International Workshop on Medical Measurements and Applications Proceedings (MeMeA). , 43-46 (2010).
- Wu, H. H., Lemaire, E. D., Baddour, N. Change-of-state determination to recognize mobility activities using a BlackBerry smartphone. Annual International Conference of the IEEE Engineering in Medicine and Biology Society, , EMBC. 5252-5255 (2011).
- Wu, H., Lemaire, E. D., Baddour, N. Activity Change-of-state Identification Using a Blackberry Smartphone. Journal of Medical and Biological Engineering. 32 (4), 265-271 (2012).
- Tundo, M. D., Lemaire, E., Baddour, N. Correcting Smartphone orientation for accelerometer-based analysis. IEEE International Symposium on Medical Measurements and Applications Proceedings (MeMeA). , 58-62 (2013).
- Tundo, M. D. Development of a human activity recognition system using inertial measurement unit sensors on a smartphone. , Available from: http://www.ruor.uottawa.ca/handle/10393/30963 (2014).
