在日常生活环境评价一个智能手机为基础的人类活动识别系统
December 11th, 2015
为可穿戴移动性监测系统 （WMMS） 开发了一种标准化的评估方法，其中包括在现实的日常生活环境中的连续活动。通过一系列日常生活活动进行测试会降低活动识别敏感性;因此，鼓励使用真实的测试电路来有效评估 WMMS 性能。
这种活动识别方法的总体目标是通过在现实的日常生活环境中包括连续活动，为测试可穿戴移动性监测系统提供一种标准化的评估方法。这种方法可以帮助回答物理康复、生物医学工程和生物力学领域的关键问题，例如记录人运动方式的可穿戴传感器系统是否提供准确可靠的结果。这种技术的主要优点是评估协议使用反映现实生活中日常生活环境的控制课程 首先将手机皮套牢固地连接到参与者的右前臀部。
在用于收集传感器数据的移动性测量智能手机上启动应用程序。然后将智能手机放入皮套中，设备背面朝外。接下来，在第二部智能手机上开始数字视频录制以实现匿名。
在第二部智能手机上录制比较视频，不显示参与者的脸。但是，请确保在 Activity 循环期间记录所有 Activity 转换。跟踪参与者并使用第二部智能手机记录参与者的所有作。
首先，从站立姿势向参与者提供以下说明。摇动智能手机以指示试用开始。继续站立至少 10 秒钟，然后走到附近的椅子上坐下。
站起来走 60 米到电梯站，等待电梯到达，然后走进电梯。接下来转身走进家庭环境。走进浴室，模拟刷牙，模拟梳头、洗手，然后用毛巾擦干双手。
之后，走到厨房，从架子上拿盘子放在柜台上。将厨房水槽中的水装满水壶，然后将水壶放在炉子上。然后，将面包放入烤面包机中。
接下来，走到餐厅，坐在餐桌旁。模拟在餐桌上用餐。然后站起来走回厨房水槽，把盘子洗干净，放在架子上。
步行 50 米到楼梯间。打开门，进入楼梯间。走上 13 级台阶，打开通往走廊的楼梯间门。
右转，沿着大厅走 15 米。然后指示参与者转身走 15 米回到楼梯间。打开门，进入楼梯间，走下 13 级台阶，离开楼梯间。
接下来，走进一个房间，躺在床上。然后起身走 10 米到一个坡道。走上坡道，转身，然后走下坡道。
继续走进大厅，打开通往外面的门。接下来，走 100 米到铺砌的小路上。转身走回房间。
然后走进房间，站在起点。继续站立，然后摇晃智能手机以表示试用结束。试用完成后，停止第二部智能手机的录制，并从参与者身上取下第一部带有皮套的智能手机。
最后，停止第一部智能手机上的数据记录应用程序。将获取的运动数据文件和视频文件从两部手机复制到计算机进行后处理。该协议讨论了可穿戴移动监测系统或 WMMS 在日常生活环境中连续活动期间的评估方法。
测量三种分类的敏感性和特异性，即活动性或不动性。坐、站、躺或走和坐、站、躺、走、爬楼梯或小的站立运动。尽管该协议将导致 WMMS 系统的结果比以前的报告更保守，但此处报告的结果将更好地反映日常实践的结果。
一旦掌握，如果执行得当，这项技术可以在 10 到 15 分钟内完成。在尝试此过程时，请务必记住向研究参与者提供明确的说明，并记录所有活动转换，以便可以从视频中记录下来。按照这个程序，可以对传感器输出执行其他计算方法，以开发更好的活动分类方法。
这项技术为人类活动识别领域的研究人员铺平了道路，让他们可以在可以转化为现实世界的环境中探索可穿戴移动性监测。观看此视频后，您应该对如何设置连续测试环境并捕获相关的人体运动数据以评估人体活动监测应用程序有很好的了解。不要忘记，残障人士会有不同的移动和平衡能力，因此在执行此程序时应采取预防措施以避免跌倒或过度劳累。
View the full transcript and gain access to thousands of scientific videos
概览
本文提出了一种标准化评估可穿戴移动监测系统（WMMS）的方法，该方法将连续活动纳入现实生活中的日常环境。该方法旨在提高物理康复和生物医学工程中活动识别的准确性和可靠性。
关键研究组成部分
科学领域
- 生物医学工程
- 物理康复
- 生物力学
背景
- 可穿戴传感器系统用于监测人类运动。
- 准确的活动识别对有效康复至关重要。
- 现实测试环境可以改善评估结果。
- 需要标准化的方法来可靠地评估性能。
研究目的
- 开发一种在现实生活场景中评估WMMS的方法。
- 解决关于可穿戴传感器可靠性的关键问题。
- 通过现实测试改善活动识别的敏感性。
使用的方法
- 参与者在臀部佩戴智能手机挂绳。
- 使用移动性测量应用程序收集传感器数据。
- 进行数字视频录制以在测试过程中保持匿名性。
- 测试包括一系列日常生活活动。
主要结果
- 评估协议反映了现实生活中的日常环境。
- 现实测试路径提高了WMMS性能评估的有效性。
- 标准化方法可以导致活动识别中更可靠的结果。
结论
- 标准化评估方法对WMMS至关重要。
- 现实测试提高了活动识别的准确性。
- 该方法可以显著影响康复实践。
常见问题
Executive Industry Relevance
Standardized evaluation of wearable mobility monitoring systems (WMMS) in realistic daily living environments is critical for establishing predictive confidence in human activity recognition technologies. This protocol enables robust target validation for sensor-based activity classifiers, directly impacting translational research and preclinical model development in rehabilitation and biomedical engineering. Reliable activity recognition supports risk-adjusted advancement of digital health solutions across the biopharma portfolio.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables rigorous hypothesis testing for sensor-based activity classification algorithms.
- Supports biological de-risking by benchmarking classifier performance against gold standard video-logged data.
- Facilitates functional validation of activity recognition targets in ecologically valid settings.
Screening & Assay Development
- Prepares validated activity datasets for downstream algorithm refinement and benchmarking.
- Standardizes assay conditions by using a continuous, real-world activity circuit.
- Enables reproducible, quantitative outputs such as sensitivity, specificity, and F1 scores for classifier evaluation.
Translational & Preclinical Research
- Aligns activity recognition outputs with clinically relevant mobility endpoints for rehabilitation research.
- Ensures continuity from discovery-stage classifier development to preclinical validation in real-world scenarios.
- Provides a foundation for risk-adjusted decisions on advancing digital mobility monitoring tools.
Pipeline & Workflow Integration
This evaluation protocol bridges early discovery, screening, and translational research by providing a standardized workflow for WMMS validation in daily living environments.
- Discovery Biology: Supports hypothesis testing and pathway clarification for activity recognition algorithms.
- Screening: Delivers reproducible, quantitative metrics for classifier performance across multiple activity states.
- Analytics: Generates sensitivity, specificity, and F1 score outputs for robust condition comparison.
- Translational Research: Connects classifier validation to clinically meaningful mobility monitoring endpoints.
- Enterprise Reuse: Establishes a reusable protocol adaptable to diverse activity recognition systems and populations.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in activity recognition.
- Operational Value: Promotes standardization, reproducibility, and scalability of WMMS evaluation.
- Strategic Value: Informs go/no-go decisions and enhances capital efficiency for digital health R&D.
- Portfolio Impact: Enables risk-adjusted prioritization of mobility monitoring technologies for clinical and research applications.
Implementation Considerations
- Requires expertise in sensor data acquisition and manual video annotation for gold standard comparison.
- Needs smartphones with accelerometer and gyroscope capabilities and secure data handling infrastructure.
- Demands cross-team standardization of activity protocols and data logging procedures.
- Adaptable to various model systems but must account for participant safety and mobility limitations.
- Protocol duration and participant compliance may limit throughput in large-scale studies.
