Method Article

تقييم لنظام التعرف على آخر الانسان ومقرها الذكي في صحيفة ظروف المعيشة

DOI:

10.3791/53004

December 11th, 2015

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم تطوير طريقة تقييم موحدة لأنظمة مراقبة التنقل القابلة للارتداء (WMMS) التي تتضمن أنشطة مستمرة في بيئة معيشية يومية واقعية. يمكن أن يؤدي الاختبار مع سلسلة من أنشطة الحياة اليومية إلى تقليل حساسية التعرف على النشاط. لذلك ، يتم تشجيع دوائر الاختبار الواقعية للتقييم الصحيح لأداء WMMS.

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم تطوير طريقة تقييم تتضمن أنشطة مستمرة في بيئة معيشية يومية لأنظمة مراقبة التنقل القابلة للارتداء (WMMS) التي تحاول التعرف على أنشطة المستخدم. أجرى المشاركون مجموعة محددة مسبقا من إجراءات الحياة اليومية ضمن دائرة اختبار مستمرة تضمنت أنشطة الحركة (المشي ، والوقوف ، والجلوس ، والكذب ، وصعود / نزول السلالم) ، ومهام الحياة اليومية (تمشيط الشعر ، وتنظيف الأسنان بالفرشاة ، وإعداد الطعام ، والأكل ، وغسل الأطباق) ، والتغيرات البيئية الدقيقة (فتح الأبواب ، واستخدام المصعد ، والمشي على المنحدرات ، وعبور هبوط السلالم ، والمشي في الهواء الطلق).

لتقييم أداء WMMS في هذه الدائرة، أكمل خمسة عشر مشاركا أصحاء المهام أثناء ارتداء هاتف ذكي في حوضهم الأمامي الأيمن. استخدم تطبيق WMMS مقياس تسارع الهاتف الذكي وإشارات الجيروسكوب لتصنيف حالات النشاط. تم إنشاء مجموعة بيانات مقارنة المعيار الذهبي عن طريق تسجيل كل تجربة بالفيديو وتسجيل أوقات بدء النشاط يدويا. تم تحليل المعيار الذهبي وبيانات WMMS في وضع عدم الاتصال. تم حساب ثلاث مجموعات تصنيف لكل دائرة: (1) التنقل أو الجمود ، 2) الجلوس أو الوقوف أو الاستلقاء أو المشي ، و (3) الجلوس أو الوقوف أو الاستلقاء أو المشي أو صعود السلالم أو حركة الوقوف الصغيرة. تم حساب الحساسيات والخصائص ودرجات F لتصنيف النشاط وتغيرات الحالة.

كانت مجموعة التصنيف المتنقلة مقابل غير المتحركة حساسة 86.30٪ ± 7.2٪ وخصوصية 98.96٪ ± 0.6٪ ، بينما كانت مجموعة التنبؤ الثانية حساسة بنسبة 88.35٪ ± 7.80٪ ونوعية 98.51٪ ± 0.62٪. بالنسبة لمجموعة التصنيف الثالثة ، كانت الحساسية 84.92٪ ± 6.38٪ والخصوصية 98.17 ± 0.62. كانت درجات الفورمولا 1 لمجموعات التصنيف الأولى والثانية والثالثة 86.17 ± 6.3 و 80.19 ± 6.36 و 78.42 ± 5.96 على التوالي. يوضح هذا أن أداء WMMS يعتمد على بروتوكول التقييم بالإضافة إلى الخوارزميات. يمكن استخدام البروتوكول المثبت وتكييفه لتقييم أنظمة التعرف على النشاط البشري في طب إعادة التأهيل حيث قد تكون مراقبة الحركة مفيدة في اتخاذ القرارات السريرية.

Introduction

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أصبح الاستشعار في كل مكان ومجال البحث إشراك بسبب قوية على نحو متزايد، صغيرة، منخفضة التكلفة الحوسبة والاستشعار عن المعدات 1. مراقبة التنقل باستخدام أجهزة استشعار يمكن ارتداؤها قد ولدت قدرا كبيرا من الاهتمام منذ الالكترونيات الدقيقة على مستوى المستهلك هي قادرة على اكتشاف خصائص الحركة مع دقة عالية 1. الاعتراف النشاط البشري (هار) باستخدام أجهزة استشعار يمكن ارتداؤها هي منطقة الأخيرة من البحوث، مع دراسات أولية أجريت في 1980s و 1990s 2-4.

الهواتف الذكية الحديثة تحتوي على أجهزة استشعار اللازمة والقدرة على حساب الوقت الحقيقي للاعتراف النشاط التنقل. يسمح تحليل في الوقت الحقيقي على الجهاز تصنيف النشاط وتحميل البيانات دون تدخل المستخدم أو محقق. الهاتف الذكي مع برامج التحليل التنقل يمكن أن توفر تتبع اللياقة البدنية، والمراقبة الصحية، وتقع الكشف أو مسكنه أو أتمتة العمل، والتمارين ذاتية الإدارةبرامج البريد 5. يمكن اعتبار الهواتف الذكية منصات قياس بالقصور الذاتي للكشف عن أنشطة الجوالة وأنماط المتنقلة في البشر، وذلك باستخدام ميزات إشارة الرياضية ولدت تحسب مع مخرجات الاستشعار على متن 6. وتشمل السمات المشتركة أساليب الجيل الكشف عن مجريات الأمور، والوقت المجال، تردد المجال، والمويجات النهج القائم على تحليل 7.

وقد أظهرت أنظمة الهاتف الذكي HAR الحديثة الدقة التنبؤ عالية عندما كشف الأنشطة المحددة 1،5،6،7. هذه الدراسات تختلف في منهجية التقييم وكذلك دقة لأن معظم الدراسات الخاصة بها مجموعة التدريب والإعداد البيئي، وبروتوكول جمع البيانات. الحساسية والنوعية والدقة، أذكر، والدقة، وF-نتيجة تستخدم عادة لوصف نوعية التنبؤ. ذلك ما لم تتوفر معلومات حول طرق ل "النشاط المتزامن" الاعتراف وتقييم القدرة على اكتشاف التغيرات النشاط في الوقت الحقيقي لأنظمة العمل الإنساني التي تحاول تصنيف العديد من الأنشطة. أساليب التقييم لتقرير العمل الإنساني دقة النظام تختلف بشكل كبير بين الدراسات. بغض النظر عن خوارزمية تصنيف أو ميزات تطبيقها، وصفا للأساليب تقييم موحدة الذهب غامضة بالنسبة لمعظم البحوث تقرير العمل الإنساني.

الاعتراف النشاط في بيئة الحياة اليومية لم يتم بحثها على نطاق واسع. يتم تقييم معظم أنظمة التعرف على النشاط القائم على الهواتف الذكية في الطريقة التي تسيطر عليها، مما أدى إلى بروتوكول التقييم التي قد يكون من المفيد أن الخوارزمية بدلا من الواقعي أن بيئة في العالم الحقيقي. ضمن مخطط تقييمها، المشاركين غالبا ما تؤدي فقط الإجراءات تهدف للتنبؤ، بدلا من تطبيق مجموعة واسعة من الأنشطة واقعية للمشارك لأداء على التوالي، ومحاكاة الأحداث من واقع الحياة.

يدرس بعض HAR الهاتف الذكي أنشطة مماثلة 8،9 مجموعة معا، مثل السلالم والمشيولكن استبعاد أنشطة أخرى من مجموعة البيانات. ثم يتم تحديد دقة التنبؤ بمدى حددت خوارزمية الأنشطة المستهدفة. Dernbach وآخرون. 9 وكان المشاركون إرسال النشاط كانوا على وشك تنفيذ قبل الانتقال، انقطاع مستمر التغيير للللدولة التحولات. يجب تقييم نظام HAR تقييم الخوارزمية في حين يقوم المشارك الإجراءات الطبيعية في بيئة المعيشة اليومية. ومن شأن ذلك أن يسمح بتقييم واقع الحياة أن يعيد استخدام اليومي من التطبيق. وتشمل دارة واقعية العديد من التغيرات للدولة فضلا عن مزيج من الإجراءات لا متوقعة من قبل النظام. يمكن للمحقق ثم تقييم الاستجابة خوارزمية لهذه الحركات إضافية، وبالتالي تقييم متانة خوارزمية لحركات شاذة.

تقدم هذه الورقة لبس نظام مراقبة التنقل (WMMS) بروتوكول التقييم التي تستخدم دورة للرقابة التي تعكس بيئات الحياة اليومية من واقع الحياة. WMMSويمكن بعد ذلك يتم تقييم تحت ظروف محكومة ولكنها واقعية. في هذا البروتوكول، ونحن استخدام الجيل الثالث WMMS التي تم تطويرها في معهد أبحاث مستشفى أوتاوا 11-15 جامعة أوتاوا و. تم تصميم WMMS للهواتف الذكية مع التسارع ثلاثي محور وجيروسكوب. حسابات خوارزمية التنقل لتقلب المستخدم، ويوفر تخفيض في عدد من ايجابيات كاذبة عن التغييرات من الدولة تحديد الهوية، ويزيد من حساسية في النشاط التصنيف. التقليل من ايجابيات كاذبة المهم منذ WMMS يطلق قصيرة تسجيل الفيديو كليب عندما يتم الكشف عن التغييرات نشاط الدولة، لحساسة للسياق تقييم النشاط الذي يحسن أيضا تصنيف WMMS. تسجيل فيديو لزوم لها من عدم الكفاءة في تخزين واستخدام البطارية. ويتمحور الخوارزمية WMMS كنموذج التعلم المنخفض الحسابية وتقييمها باستخدام مستويات التنبؤ مختلفة، حيث زيادة مستوى التنبؤ تعني زيادة في كميةإجراءات التعرف عليها.

Access restricted. Please log in or start a trial to view this content.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

وقد وافق هذا البروتوكول من قبل البحوث الأخلاق مجلس أوتاوا شبكة العلوم الصحية.

1. إعداد

  1. تزويد المشاركين مع الخطوط العريضة للبحوث، والإجابة على أي أسئلة، والحصول على الموافقة المسبقة. خصائص مشارك سجل (على سبيل المثال، العمر، الجنس، الطول، الوزن، محيط الخصر، وارتفاع الساق من أعلى العمود الفقري الأمامي الحرقفي إلى الكعب الإنسي)، رمز الهوية، والتاريخ على ورقة البيانات. ضمان أن يتم تعيين الهاتف الذكي الثاني الذي يتم استخدامه لالتقاط الفيديو للا يقل عن 30 لقطة في معدل التقاط الثاني.
  2. نعلق آمن الحافظة الهاتف لالأمامي الأيمن حزام الخصر بانت أو المشارك. بدء تطبيق الهواتف الذكية التي سيتم استخدامها لجمع بيانات الاستشعار (أي تسجيل البيانات أو تطبيق WMMS) على التنقل قياس الذكي والتأكد من أن التطبيق يعمل بشكل مناسب. وضع الهاتف الذكي في الحافظة، مع الخلفي من الجهاز (كاليفورنيا الخلفيةميرا) التي تواجه الخارج.
  3. بدء تسجيل الفيديو الرقمي على الهواتف الذكية الثاني. عدم الكشف عن هويته، تسجيل الفيديو المقارنة دون أن تظهر وجه الشخص، ولكن تأكد لتسجيل جميع التحولات النشاط. الهاتف يمكن أن يكون يده.

2. آخر حلبة

  1. اتبع مشارك والفيديو أفعالهم، على الهاتف الذكي الثاني، في حين أنها تنفيذ الإجراءات التالية، التي يتحدث بها المحقق:
    1. من وضع الوقوف، هز الهاتف الذكي للإشارة إلى بدء المحاكمة.
    2. الاستمرار في الوقوف لمدة 10 ثانية على الأقل. ويمكن استخدام هذه المرحلة الوقوف لتوجيه الهاتف المعايرة 14.
    3. المشي على كرسي قريب والجلوس.
    4. الوقوف والمشي 60 مترا إلى المصعد.
    5. الوقوف والانتظار لالمصعد ومن ثم السير في المصعد.
    6. خذ المصعد إلى الطابق الثاني.
    7. تحويل والسير في بيئة المنزل.
    8. المشي إلى الحمام والاشتراكيةmulate تفريش الأسنان.
    9. محاكاة تمشيط الشعر.
    10. محاكاة غسل اليدين.
    11. أيدي الجافة باستخدام منشفة.
    12. المشي إلى المطبخ.
    13. تأخذ أطباق من الرف ووضعها على الطاولة.
    14. ملء غلاية مع الماء من بالوعة المطبخ.
    15. وضع غلاية على عنصر موقد.
    16. وضع الخبز في محمصة.
    17. المشي إلى غرفة الطعام.
    18. الجلوس على طاولة غرفة الطعام.
    19. محاكاة تناول وجبة على الطاولة.
    20. الوقوف والمشي إلى بالوعة المطبخ.
    21. شطف الأطباق ووضعها في رف.
    22. سيرا على الأقدام من المطبخ إلى المصعد.
    23. الوقوف والانتظار لالمصعد ومن ثم السير في المصعد.
    24. خذ المصعد إلى الطابق الأول.
    25. المشي 50 مترا إلى الدرج.
    26. فتح الباب وأدخل الدرج.
    27. المشي وصعود الدرج (13 خطوة، نحو الهبوط، 13 خطوة).
    28. فتح باب الدرج في الرواق.
    29. يمينا والسير في القاعة لمدة 15 متر.
    30. بدوره حولها والسير 15 مترا إلى الدرج.
    31. فتح الباب وأدخل الدرج.
    32. المشي نزولا على الدرج (13 خطوة، نحو الهبوط، 13 خطوة).
    33. الخروج من الدرج والمشي في الغرفة.
    34. الاستلقاء على السرير.
    35. الحصول على ما يصل والمشي 10 مترا على منحدر.
    36. المشي التعلية، يستدير، ثم إلى أسفل المنحدر (20 مترا).
    37. مواصلة السير في القاعة وفتح الباب أمام الخارج.
    38. المشي 100 متر على الطريق المعبدة.
    39. بدوره حولها والسير مرة أخرى إلى الغرفة.
    40. السير في غرفة والوقوف في نقطة الانطلاق.
    41. مواصلة الوقوف، ثم هز الهاتف الذكي للإشارة إلى نهاية المحاكمة.

3. محاكمة الانتهاء

  1. وقف تسجيل الفيديو الذكي ويطلب من المشاركين لإزالة وإعادة الهاتف الذكي والحافظة. وقف تسجيل البيانات أو تطبيق WMMS على SMArtphone. نسخ ملفات البيانات الحركة المكتسبة وملف فيديو من كل من الهواتف إلى جهاز كمبيوتر لمرحلة ما بعد المعالجة.

4. ما بعد المعالجة

  1. مزامنة التوقيت بين الفيديو وبيانات الاستشعار الخام عن طريق تحديد الوقت الذي بدأ العمل هزة. هذه الحركة تهز يناظر إشارة التسارع والفيديو إطار واضح. تحقق من وجود خطأ تزامن ذلك بطرح الوقت هزة نهاية من وقت بداية اهتزاز، عن مصادر بيانات الاستشعار والفيديو. وينبغي أن تكون فروق التوقيت مماثل بين مجموعتين من البيانات.
  2. تحديد التغيير من الدولة الأوقات الفعلية من الفيديو الذهب القياسية من خلال تسجيل الفارق الزمني من وقت بداية اهتزاز في إطار الفيديو في الانتقال بين الأنشطة. استخدام برامج تحرير الفيديو للحصول على توقيت في حدود 0.033 ثانية (أي 30 لقطة في الفيديو معدل الثاني). استخدام البرمجيات WMMS لتوليد تغيرات لدولة قابلة للمقارنة من بيانات الاستشعار.
  3. توليد مجموعات البيانات اثنين، واحدمع الأنشطة الحقيقية والثانية مع الأنشطة المتوقعة، التي وصفها النشاط لكل إطار الفيديو (استنادا إلى تغيير توقيت دولة) ومن ثم حساب النشاط المتوقع في كل مرة إطار الفيديو من إخراج WMMS. لتقييم الأداء WMMS، وحساب الإيجابيات الحقيقية والسلبيات كاذبة والسلبيات الحقيقية، المغلوطة بين النشاط معيار الذهب وتوقع WMMS النشاط. استخدم هذه المعلمات لحساب التدابير نتائج الحساسية والنوعية، وF-النتيجة.
    ملاحظة: إعداد التسامح من 3 نوافذ بيانات على جانبي النافذة التي يجري تحليلها يمكن أن تستخدم لتحديد التغيير للللدولة النتائج، والنوافذ البيانات 2 لنتائج التصنيف. على سبيل المثال، استخدمت منذ 1 نوافذ بيانات ثانية لWMMS في هذه الدراسة، 3 ثانية قبل وبعد الإطار الحالي تم فحص بحيث يتم تجاهل تغييرات متتالية في هذا التسامح. هو أن التغييرات الخارجية التي تحدث في أقل من 3 ثوان يمكن تجاهلها النظر عن هوما الإجماليسينظر تحليل حركة ن لأن هذه الدول عابرة.

Access restricted. Please log in or start a trial to view this content.

Results

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

وقد أجريت بروتوكول الدراسة على عينة راحة خمسة عشر المشاركين الأصحاء الذين يبلغ متوسط ​​وزن كان 68.9 (± 11.1) كجم، وكان ارتفاع 173.9 (± 11.4) سم، وكان سن 26 (± 9) سنوات، المعينين من مستشفى أوتاوا وجامعة أوتاوا الموظفين والطلاب. القبض على الهاتف الذكي بيانات الاستشعار في متغير معدل 40-50 هرتز. تقلبات أسعار عينة نموذجية لأخذ العينات الاستشعار الذكي. تم استخدام الهاتف الذكي الثاني لتسجيل الفيديو الرقمي في 1280x720 (720P) القرار.

Access restricted. Please log in or start a trial to view this content.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تلقى الاعتراف النشاط البشري مع نظام مراقبة الحركة يمكن ارتداؤها المزيد من الاهتمام في السنوات الأخيرة بسبب التطورات التقنية في مجال الحوسبة والهواتف الذكية يمكن ارتداؤها والاحتياجات المنتظمة لمقاييس النتائج الكمية التي تساعد في عملية صنع القرار السريري وتقييم التدخلات الصحية. كانت المنهجية المبينة في هذه الورقة فعالة لتقييم التنمية WMMS منذ تم العثور على أخطاء تصنيف النشاط الذي لن يكون حاضرا اذا طائفة واسعة من أنشطة الحياة اليومية والسيناريوهات المشي لم تدرج في التقييم.

Access restricted. Please log in or start a trial to view this content.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعلن المؤلفون أنه ليس لديهم مصالح مالية متنافسة.

Acknowledgements

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

المؤلفون تعترف ايفان Beisheim، نيكول كابيلا، أندرو هربرت-كوبلي لتقديم المساعدة التقنية وجمع البيانات. وكان في استقبال تمويل المشروع من العلوم الطبيعية والهندسة مجلس البحوث كندا (NSERC) وبلاك بيري المحدودة، بما في ذلك الهواتف الذكية المستخدمة في الدراسة.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
هاتف ذكي أو جهاز قياس يمكن ارتداؤهBlackberryZ10
هاتف ذكي لتسجيل الفيديوحافظة هاتف BlackberryZ10 أو 9800
أي
تطبيق مسجل بيانات للهاتفBlackBerry World - TOHRC Data Logger ل BlackBerry 10http://appworld.blackberry.com/webstore/content/32013891/?countrycode=CA< / a>
التنقل القابل للارتداءBlackberry 10 و Matlab المخصص لمراقبةhttp://www.irrd.ca/cag/smartphone/< / a>
تحرير الفيديو أو برامج التحليلأدواتتحليل الحركة http://www.irrd.ca/cag/mat/< / a>
الذكي قياس برنامج التنقل

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Lara, O. D., Labrador, M. A. A Survey on Human Activity Recognition using Wearable Sensors. IEEE Communications Surveys Tutorials. 15 (3), 1192-1209 (2013).
  2. 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).
  3. Elsmore, T. F., Naitoh, P. Monitoring Activity With a Wrist-Worn Actigraph: Effects of Amplifier Passband and threshold Variations. , DTIC Online. (1993).
  4. Kripke, D. F., Webster, J. B., Mullaney, D. J., Messin, S., Mason, W. Measuring sleep by wrist actigraph. , DTIC Online. (1981).
  5. 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).
  6. Incel, O. D., Kose, M., Ersoy, C. A Review and Taxonomy of Activity Recognition on Mobile Phones. BioNanoScience. 3 (2), 145-171 (2013).
  7. Yang, C. C., Hsu, Y. L. A Review of Accelerometry-Based Wearable Motion Detectors for Physical Activity Monitoring. Sensors. 10 (8), 7772-7788 (2010).
  8. He, Y., Li, Y. Physical Activity Recognition Utilizing the Built-In Kinematic Sensors of a Smartphone. International Journal of Distributed Sensor Networks. 2013, (2013).
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. 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).
  15. 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).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Human Activity RecognitionWearable Mobility MonitoringSmartphone SensorsDaily Living EnvironmentActivity ClassificationAccelerometer DataGyroscope DataSensitivity SpecificityRehabilitation MedicineContinuous Activity Evaluation

Related Articles