एक दैनिक जीवन के माहौल में एक स्मार्टफोन आधारित मानव गतिविधि की पहचान प्रणाली का मूल्यांकन
Summary
A standardized evaluation method was developed for Wearable Mobility Monitoring Systems (WMMS) that includes continuous activities in a realistic daily living environment. Testing with a series of daily living activities can decrease activity recognition sensitivity; therefore, realistic testing circuits are encouraged for valid evaluation of WMMS performance.
Abstract
An evaluation method that includes continuous activities in a daily-living environment was developed for Wearable Mobility Monitoring Systems (WMMS) that attempt to recognize user activities. Participants performed a pre-determined set of daily living actions within a continuous test circuit that included mobility activities (walking, standing, sitting, lying, ascending/descending stairs), daily living tasks (combing hair, brushing teeth, preparing food, eating, washing dishes), and subtle environment changes (opening doors, using an elevator, walking on inclines, traversing staircase landings, walking outdoors).
To evaluate WMMS performance on this circuit, fifteen able-bodied participants completed the tasks while wearing a smartphone at their right front pelvis. The WMMS application used smartphone accelerometer and gyroscope signals to classify activity states. A gold standard comparison data set was created by video-recording each trial and manually logging activity onset times. Gold standard and WMMS data were analyzed offline. Three classification sets were calculated for each circuit: (i) mobility or immobility, ii) sit, stand, lie, or walking, and (iii) sit, stand, lie, walking, climbing stairs, or small standing movement. Sensitivities, specificities, and F-Scores for activity categorization and changes-of-state were calculated.
The mobile versus immobile classification set had a sensitivity of 86.30% ± 7.2% and specificity of 98.96% ± 0.6%, while the second prediction set had a sensitivity of 88.35% ± 7.80% and specificity of 98.51% ± 0.62%. For the third classification set, sensitivity was 84.92% ± 6.38% and specificity was 98.17 ± 0.62. F1 scores for the first, second and third classification sets were 86.17 ± 6.3, 80.19 ± 6.36, and 78.42 ± 5.96, respectively. This demonstrates that WMMS performance depends on the evaluation protocol in addition to the algorithms. The demonstrated protocol can be used and tailored for evaluating human activity recognition systems in rehabilitation medicine where mobility monitoring may be beneficial in clinical decision-making.
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।
Protocol
Representative Results
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 पर?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
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
| 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. , (1993).
- Kripke, D. F., Webster, J. B., Mullaney, D. J., Messin, S., Mason, W. . Measuring sleep by wrist actigraph. , (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. , 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. , 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. , (2014).
