Introduction
חישה בכל מקום הפכה אזור מחקר מרתק בשל,, מחשוב חזק יותר ויותר קטן בעלות נמוכה וחישת ציוד 1. ניטור ניידות באמצעות חיישנים לביש יצר עניין רב מאז המיקרואלקטרוניקה ברמת הצרכן היא מסוגל לאתר מאפייני תנועה ברמת דיוק גבוה 1. הכרה אנושית פעילות (הר) באמצעות חיישנים לביש היא האזור האחרון של מחקר, עם מחקרים ראשוניים שבוצעו בשנת 1980 ו 1990 2 - 4.
טלפונים חכמים מודרניים מכילים חיישנים הדרושים ויכולת חישוב בזמן אמת להכרה פעילות ניידות. ניתוח בזמן אמת במכשיר מאפשר סיווג פעילות והעלאת נתונים ללא שימוש או התערבות חוקר. טלפון חכם עם תוכנת ניתוח ניידות יכול לספק מעקב כושר, ניטור בריאות, נופל זיהוי, בבית או בעבודת אוטומציה, וexercis ניהול עצמיתוכניות דואר 5. יכולים להיחשב טלפונים חכמים פלטפורמות מדידת אינרציה לאיתור פעילויות ניידים ודפוסים ניידים בבני אדם, תוך שימוש בתכונות אות מתמטיות שנוצרו מחושבות עם יציאות חיישן משולבת 6. שיטות נפוצה דור תכונה כוללות היוריסטי, תחום בזמן, תדירות-תחום, וידווה גישות מבוססות ניתוח 7.
מערכות HAR הטלפון החכם מודרניות הראו דיוקי חיזוי גבוהים כאשר איתור פעילויות שצוינו 1,5,6,7. מחקרים אלה משתנים במתודולוגיה הערכה, כמו גם דיוק שכן רוב המחקרים הסט שלהם הכשרה, התקנה סביבתית, ופרוטוקול איסוף נתונים. רגישות, סגוליות, דיוק, כזכור, דיוק, ו- F-ציון משמשים בדרך כלל כדי לתאר את איכות חיזוי. עם זאת, לא מעט מידע נגיש בשיטות להכרה "פעילות מקבילה" והערכה של היכולת לזהות שינויים בפעילות בזמן אמת1, למערכות HAR המנסים לסווג את מספר פעילויות. שיטות הערכה לדיוק מערכת HAR להשתנות באופן משמעותי בין מחקרים. ללא קשר לאלגוריתם המיון או תכונות שימושיות, התיאורים של שיטות הערכה סטנדרטי זהב מעורפלים עבור רוב מחקר HAR.
הכרת פעילות בסביבה היומיומית לא נחקרה בהרחבה. רוב מערכות הכרת פעילות מבוססת הטלפון החכם מוערכות באופן מבוקר, שהוביל לפרוטוקול הערכה שעשויה להיות יתרון לאלגוריתם ולא מציאותי לסביבה בעולם אמיתי. בתוך תכנית הערכתם, משתתפים לעתים קרובות לבצע רק פעולות שנועדו לחיזוי, ולא יישום מגוון גדול של פעילויות מציאותיות למשתתף לבצע ברצף, מחקה אירועי חיים אמיתיים.
HAR הטלפון החכם כמה מחקרי פעילויות 8,9 קבוצה דומות ביחד, כגון מדרגות והליכה, אבל לא לכלול פעילויות אחרות מקבוצת הנתונים. דיוק חיזוי נקבע אז על ידי כמה טוב האלגוריתם זיהה את פעילות היעד. Dernbach et al. 9 משתתפים היו לכתוב את הפעילות שהם עומדים לבצע לפני שעברו, קוטע את מעברי שינוי-של-מדינה רציפות. הערכות מערכת HAR צריכים להעריך את האלגוריתם בעוד המשתתף מבצע פעולות טבעיות בסביבת חיים יומיומית. זה יאפשר הערכת חיים אמיתיים שמשכפלת שימוש יומיומי של היישום. מעגל מציאותי כולל שינויים רבים למדינה, כמו גם שילוב של פעולות לא חיזוי על ידי המערכת. חוקר אז יכול להעריך את התגובה של האלגוריתם לתנועות נוספות אלה, ובכך להעריך את החוסן של האלגוריתם לתנועות חריגות.
מאמר זה מציג פרוטוקול הערכת מערכת ניטור ניידות לביש (WMMS) שמשתמש כמובן בשליטה המשקפת סביבות יומיומיות בחיים אמיתיים. WMMSהערכה אז יכולה להיות שנעשתה בתנאים מבוקרים, אבל מציאותיים. בפרוטוקול זה, אנו משתמשים WMMS דור שלישי שפותח באוניברסיטת אוטווה אוטווה ובית החולים מכון מחקר 11-15. WMMS תוכנן עבור טלפונים חכמים עם תאוצה תלת-הצירי וג'ירוסקופ. אלגוריתם הניידות מהווה השתנות משתמש, מספק ירידה במספר של תוצאות חיוביות שגויות לזיהוי שינויים-של-מדינה, ומגביר את הרגישות בסיווג פעילות. מזעור תוצאות חיוביות שגויות הוא חשוב מאז WMMS מפעיל הקלטת וידאו קליפ קצרה כאשר שינויי פעילות של המדינה מזוהות, להערכת פעילות תלויה-קשר שמשפר את סיווג WMMS נוסף. הקלטת וידאו מיותרת יוצרת חוסר יעילות באחסון ושימוש בסוללה. אלגוריתם WMMS בנוי כמודל למידה חישובית נמוך והוערכו באמצעות רמות שונות חיזוי, שבו עלייה ברמת חיזוי מסמנת עלייה בכמותפעולות של זיהוי.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
פרוטוקול זה אושר על ידי הרשת למדעי בריאות אוטווה מחקר האתיקה.
1. הכנה
- לספק למשתתפים עם קווי המתאר של המחקר, לענות על כל שאלה, ולקבל הסכמה מדעת. מאפייני משתתף רשומות (למשל, גיל, מין, גובה, משקל, היקף מותניים, גובה רגל מעמוד השדרה הקדמי מעולה הכסל לmalleolus המדיאלי), קוד זיהוי, ותאריך על גיליון נתונים. ודא שהטלפון החכם השני המשמש ללכידת וידאו מוגדר לפחות 30 מסגרות לשיעור לכידה שנייה.
- מאובטח לצרף נרתיק טלפון לחגורה או מכנסיים המותניים הקדמיים הימני של המשתתף. הפעל את יישום הטלפון החכם שישמש לאיסוף נתונים חיישן (כלומר, רישום נתונים או יישום WMMS) בטלפון החכם מדידת הניידות ולהבטיח שהיישום פועל כראוי. הנח את הטלפון החכם בנרתיק, עם גב המכשיר (CA האחוריMera) פונה החוצה.
- להתחיל בהקלטת וידאו דיגיטלית בטלפונים חכמים שני. לאנונימיות, להקליט וידאו ההשוואה בלי להראות את פניו של האדם, אלא להבטיח להקליט את כל מעברי הפעילות. הטלפון יכול להיות כף יד.
2. פעילות במעגל
- בצע את המשתתף ווידאו את מעשיהם, על הטלפון החכם השני, תוך שהם מבצעים את הפעולות הבאות, שנאמרה על ידי החוקר:
- ממצב עמיד, לנער את הטלפון החכם כדי לציין את תחילת המשפט.
- תמשיך לעמוד לפחות 10 שניות. שלב עומד זה יכול לשמש לכיול נטייה טלפון 14.
- ללכת לכיסא סמוך ולשבת.
- לקום וללכת 60 מטר למעלית.
- לעמוד ולחכות למעלית ולאחר מכן נכנס למעלית.
- קח את המעלית לקומה השנייה.
- הפעל ונכנסת לסביבה הביתית.
- ללכת לחדר האמבטיה וסיmulate צחצוח שיניים.
- לדמות סירוק שיער.
- לדמות שטיפת ידיים.
- ידיים יבשים באמצעות מגבת.
- ללכת למטבח.
- קח מנות ממדף ומניח אותם על הדלפק.
- מלא קומקום עם מים מכיור המטבח.
- מניחים את הקומקום על אלמנט התנור.
- מניחים לחם בטוסטר.
- ללכת לחדר האוכל.
- לשבת ליד שולחן בחדר אוכל.
- לדמות לאכול ארוחה ליד השולחן.
- לעמוד וללכת בחזרה לכיור המטבח.
- לשטוף את הכלים ומניחים אותם במעמד.
- ללכת מהמטבח בחזרה למעלית.
- לעמוד ולחכות למעלית ולאחר מכן נכנס למעלית.
- קח את המעלית לקומה הראשונה.
- ללכת 50 מטרים לחדר מדרגות.
- פתח את הדלת ולהיכנס לחדר המדרגות.
- ללכת עד מדרגות (13 מדרגות, סביב נחיתה, 13 צעדים).
- פתח את דלת חדר המדרגות למסדרון.
- פונה ימינה והולכים במסדרון במשך 15 מטרים.
- להסתובב וללכת 15 מטרים בחזרה לחדר המדרגות.
- פתח את הדלת ולהיכנס לחדר המדרגות.
- ללכת במורד מדרגות (13 מדרגות, סביב נחיתה, 13 צעדים).
- צא מחדר המדרגות ונכנסנו לחדר.
- לשכב על מיטה.
- לקום וללכת 10 מטרים לרמפה.
- ללכת עד הרמפה, להסתובב, ואז במורד הכבש (20 מ ').
- המשך ההליכה לאולם ולפתוח את הדלת לבחוץ.
- ללכת 100 מטרים על המסלול הסלול.
- להסתובב וללכת בחזרה לחדר.
- נכנסתי לחדר ולעמוד בנקודת ההתחלה.
- המשך מעמד, ואז ללחוץ הטלפון החכם כדי לציין את סוף המשפט.
3. השלמת משפט
- עצור את הטלפון החכם הקלטת וידאו ולשאול את המשתתף להסיר ולהחזיר את הטלפון החכם ונרתיק. לעצור את נתוני רישום או יישום WMMS על SMArtphone. העתק את הקבצים שנרכשו תנועת נתונים וקבצי וידאו משני הטלפונים למחשב לעיבוד פוסט.
לאחר עיבוד 4.
- לסנכרן עיתוי בין הווידאו ונתונים חיישן גלם על ידי קביעת הזמן שבו הפעולה לרעוד התחילה. תנועה רועדת זה מתאים למסגרת אות תאוצה ווידאו שונה. בדקו שגיאת סנכרון על ידי הפחתת הזמן לנער הסוף מרגע שייק ההתחלה, למקורות נתוני חיישן ווידאו. הבדלי זמן צריכים להיות דומים בין שתי קבוצות נתונים.
- לקבוע זמני שינוי למדינה בפועל מווידאו תקן זהב על ידי הקלטת הפרש הזמן מרגע שייק ההתחלה למסגרת וידאו במעבר בין פעילויות. השתמש בתוכנת עריכת וידאו כדי לקבל תזמון כדי בתוך 0.033 שניות (כלומר, 30 מסגרות לשיעור וידאו שני). השתמש בתוכנת WMMS ליצור שינויים למדינה דומים מנתוני החיישן.
- צור שתי ערכות נתונים, אחדעם פעילויות האמיתיות והשני עם פעילות חזויה, על ידי תיוג הפעילות לכל מסגרת וידאו (המבוסס על השינוי של עיתוי מדינה) ולאחר מכן חישוב הפעילות חזתה בכל פעם מסגרת וידאו מתפוקת WMMS. להערכת ביצועי WMMS, לחשב חיוביים אמיתי, תשלילי שווא, תשלילים אמיתיים, חיוביים שגוי בין פעילות תקן הזהב וWMMS חזה פעילות. להשתמש בפרמטרים אלה כדי לחשב מדדי תוצאות רגישות, סגוליות, ו- F-ציון.
הערה: הגדרת סובלנות של 3 חלונות נתונים משני צדי החלון להיות מנותחים יכולה לשמש לקביעת תוצאות שינוי למדינה, ו -2 חלונות נתונים לתוצאות סיווג. לדוגמא, מאז 1 חלונות נתונים השנייה שימשה לWMMS במחקר זה, 3 שניות לפני ואחרי החלון הנוכחי נבדקו, כך ששינויים ברציפות בתוך סובלנות זה התעלם. התמורה שהשינויים של מדינה שיקרו בפחות מ -3 שניות ניתן להתעלם להומא ברוטוניתוח תנועת n מאז מדינות אלה ייחשב חולפים.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
פרוטוקול המחקר נערך עם מדגם נוחות של חמש עשרה משתתפי הכשירים שממוצע משקל היה 68.9 (± 11.1) קילוגרם, גובה היה 173.9 (± 11.4) סנטימטר, והגיל היה 26 (± 9) שנים, גויס מבית החולים אוטווה ואוניברסיטת אוטווה צוות והתלמידים. טלפון חכם שנתפס נתוני חיישן בשיעור 40-50 הרץ משתנה. וריאציות קצב דגימה הן טיפוסיות לדגימת חיישן חכם. טלפון חכם שני משמש להקלטת וידאו דיגיטלי ברזולוצית 1280x720 (720p).
הנרתיק היה מהודק לחגורה ימנית הקדמית של המשתתף או צפצף ללא תקינה נוספת של המיקום. זה הוכיח שיטה טבעית להצבת המכשיר בhostler על הירך. עם המכשיר ממוקם בנרתיק וריצת היישום לוגר הנתונים, כל אדם חצה את המעגל פעם אחת, בקצב של בחירה עצמית. המעגל לא תאר מראש לפעילויות המשתתף וההליך היושנאמר על ידי ברצף החוקר במהלך המשפט.
WMMS כלל החלטות עץ עם תנאי גבול עליון ותחתון, דומים לעבודה על ידי וו, et al. 13. מסווג המתוקן משמש גודל חלון 1 שניות ותכונות מהאות ליניארי ההאצה (הסכום של טווח, ממוצע נע פשוט, סכום של סטיית תקן) ואות כוח משיכה (הבדל לY, הבדל ממוצע הסכום שונות) 15. שלושה סטי סיווג חושבו להערכה: ניידות (i) או חוסר תנועה, (ii) יושב, עומד, שקר, או הליכה, וכן (iii) יושב, עומד, שקר, הליכה, טיפוס במדרגות, או תנועת מעמד קטנה. פעולות יומיומיות תויגו כתנועות קטנות. נציגי תוצאות מוצגות בטבלה 1.
| מִיוּן | TP | FN | TN | FP | רְגִישׁוּת (%) | ספֵּצִיפִיוּת (%) | F1-ציון (%) | ||||||||||||||
| סיווג סט 1 | 350 | 55 | 8701 | 91 | 86.30 ± 7.2 | 98.96 ± 0.6 | 86.17 ± 6.3 | ||||||||||||||
| סיווג סט 2 | 359 | 47 | 8660 | 131 | 88.35 ± 7.80 | 98.51 ± 0.62 | 80.19 ± 6.36 | ||||||||||||||
| סיווג סט 3 | 423 | 75 | 8540 | 159 | 98.17 ± 0.62 | 78.42 ± 5.96 | |||||||||||||||
| סיווג סט 1 | |||||||||||||||||||||
| נייח לנייד | 177 | 19 | |||||||||||||||||||
| נייד לניע | 171 | 36 | |||||||||||||||||||
| במהלך נייד | 3990 | 73 | |||||||||||||||||||
| במהלך הניע | 4711 | 18 | |||||||||||||||||||
| סיווג סט 2 | |||||||||||||||||||||
| עומד ללכת | 134 | 17 | |||||||||||||||||||
| ללכת לסטנד | 137 | 26 | |||||||||||||||||||
| ללכת שבי ל | 29 | 0 | |||||||||||||||||||
| לשבת ללכת | 30 | 0 | |||||||||||||||||||
| ללכת לשכב | 11 | 4 | |||||||||||||||||||
| לשקר ללכת | 15 | 0 | |||||||||||||||||||
| במהלך מעמד | 2,872 | 73 | |||||||||||||||||||
| במהלך לשבת | 644 | 9 | |||||||||||||||||||
| במהלך Lie | 447 | 9 | |||||||||||||||||||
| במהלך טיול | 4697 | 40 | |||||||||||||||||||
| סיווג סט 3 | |||||||||||||||||||||
| עומד ללכת | 70 | 7 | |||||||||||||||||||
| ללכת לסטנד | 74 | 14 | |||||||||||||||||||
| ללכת שבי ל | 29 | 0 | |||||||||||||||||||
| לשבת ללכת | 30 | 0 | |||||||||||||||||||
| ללכת לשכב | 15 | 0 | |||||||||||||||||||
| לשקר ללכת | 15 | 0 | |||||||||||||||||||
| ללכת למהלך קטן | 68 | 7 | |||||||||||||||||||
| מהלך קטן ללכת | 61 | 13 | |||||||||||||||||||
| 13 | 2 | ||||||||||||||||||||
| מדרגות ללכת | 13 | 2 | |||||||||||||||||||
| מהלך קטן למהלך קטן | 35 | 30 | |||||||||||||||||||
| במהלך מעמד | 1,584 | 25 | |||||||||||||||||||
| במהלך לשבת | 643 | 10 | |||||||||||||||||||
| במהלך Lie | 447 | 15 | |||||||||||||||||||
| במהלך טיול | 4398 | 56 | |||||||||||||||||||
| במהלך מדרגות | 246 | 0 | |||||||||||||||||||
| במהלך שיני מברשת | 190 | 12 </ Td> | |||||||||||||||||||
| במהלך מסרק שיער | 158 | 2 | |||||||||||||||||||
| במהלך שטיפת ידיים | 152 | 6 | |||||||||||||||||||
| במהלך ידיים יבשים | 119 | 4 | |||||||||||||||||||
| במהלך מנות העבר | 93 | 5 | |||||||||||||||||||
| במהלך קומקום מילוי | 190 | 5 | |||||||||||||||||||
| במהלך טוסט לחם | 70 | 1 | |||||||||||||||||||
| במהלך כלים לשטוף | 250 | 18 | |||||||||||||||||||
טבלת 1. תוצאות לקביעת שינוי למדינה; כולל, חיובי אמיתי (TP), שליליים שווא (FN), תשלילים אמיתיים (TN) תוצאות חיוביות שגויות (FP), שינויים למדינה כולל, רגישות, סגוליות,F1-ציון nd. במהלך מתייחס לTN וFP לשינויים-של-מדינה בפעולה שצוינה.
מטבלת 1, סט הסיווג הנייד לעומת נייח היה רגישות של 86.30% ± 7.2% וסגוליות של 98.96% ± 0.6%, ואילו הקבוצה השנייה תחזית רגישות של 88.35% ± 7.80% וסגוליות של 98.51% ± 0.62% . לקבוצת הסיווג השלישית, הרגישות הייתה 84.92% ± 6.38% וסגוליות היו 98.17 ± 0.62. עשרות F1 לקבוצות הסיווג הראשונים, שנייה ושלישית היו 86.17 ± 6.3, 80.19 ± 6.36, ו78.42 ± 5.96, בהתאמה.
איור 1. רגישות, סגוליות, וF1-ציון השינויים-של-מדינה לשלוש קבוצות סיווג.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
הכרת פעילות אנושית עם מערכת ניטור ניידות לביש קיבלה יותר תשומת לב בשנים האחרונות בשל ההתקדמות הטכנית בתחום מחשוב לביש וטלפונים חכמים והצרכים שיטתיים למדדי תוצאה כמותית, המסייעים בקבלת החלטות קלינית והערכת התערבות בריאות. המתודולוגיה שתוארה במאמר זה הייתה יעילה להערכת התפתחות WMMS מאז שגיאות סיווג פעילות נמצאו כי לא הייתה קיים אם מגוון רחב של פעולות יומיומיות ותרחישי הליכה לא נכלל בהערכה.
פרוטוקול הערכת WMMS מורכב משני חלקים עיקריים: רכישת נתונים בתנאים מציאותיים אבל שלטו עם נתונים נלווים תקן זהב להגדיר ולאחר עיבוד הנתונים. וידאו דיגיטלי היה פתרון בר קיימא לאספקת נתונים סטנדרטיים זהב כאשר בודקים תחזיות אלגוריתם WMMS פני פעילויות הפרוטוקול. צעדים קריטיים בפרוטוקולהם (i) כדי להבטיח שהווידאו הסטנדרטי הזהב לוכד לנער את הטלפון החכם שכן זה מאפשר סנכרון של הווידאו הסטנדרטי הזהב עם נתונים שנרכשו מהטלפון ו- שחוק משתתף (ii) כדי להבטיח שרשומות וידאו תקן זהב כל המעברים שבוצעו על ידי המשתתף בניסוי (כלומר, אדם הקלטת וידאו הזהב-סטנדרטי צריך להיות במקום הנכון כאשר בעקבות המשתתף בניסוי).
פרוטוקול ההערכה משלב פעילויות הליכה, סביבת חיים יומיומית, וterrains השונים ומעברים. כל הפעולות נעשות ברציפות ואילו טלפון חכם-שחוק משתתף ברציפות רשומות נתונים מתאוצה, ג'ירוסקופ, מגנטומטר, וחיישני GPS, וטלפון חכם שני משמש לוידאו את כל הפעילויות שבוצעו על ידי המשתתף בניסוי. הפרוטוקול ניתן לשנות על ידי התאמת סדר פעולות המבוססות על מיקום המבחן, כל עוד מגוון של פעילויות שבוצעו רציפות של ar חיי היומיוםהתאגד דואר. עשר עד חמש עשר דקות נדרשו כדי להשלים את המעגל, בהתאם למשתתף. במהלך בדיקות טייס, חלק ממשתתפים עם מוגבלויות יכולים רק להשלים מחזור אחד, ולכן בדיקות משפט אחד יש לשקול עם כמה אוכלוסיות כדי להבטיח ערכת נתונים מלאה.
מגבלות של שיטת הערכת WMMS המוצעת הן כי עיתוי החלטה מוגבלת למסגרת שיעור וידאו של המצלמה משמשת להקלטת וידאו הזהב-סטנדרטי השוואה וקושי בזיהוי עיתוי שינוי למדינה נפרדת מוידאו לפעולות יומיומי. וריאציה על ידי מספר פריימים בעת זיהוי מצב שינוי-של-מובילה להבדלים בין תוצאות תקן הזהב וWMMS שיכול להיות בגלל פרשנות של פעילות מתחילה ולא שגיאת WMMS. סובלנות בכל שינוי למדינה, שבו לא נעשות השוואות, יכולה להיות מיושמת כדי לעזור חשבון לפערים אלה.
באופן כללי, הגדלת המספרפעילויות להיות מסווגות וקושי הסיווג (כלומר, מדרגות, תנועות קטנות) הפחית את הרגישות, סגוליות, וציון הממוצע F1. זה עשוי להיות צפוי מאז הגדלת מספר הפעילויות מגדילה את הסיכוי לתוצאות חיוביות שגויות ותשלילי שווא. פרוטוקולי הערכה שמשתמשים רק בפעילויות שאינן מועילים לאלגוריתם יהיה לייצר תוצאות שאינן מטעים ואינן צפויים להניב תוצאות דומות כאשר העריכו בתנאים של עולם האמיתי. לפיכך, המשמעות ביחס לשיטות קיימות היא שהפרוטוקול יגרום יותר תוצאות שמרניות למערכות WMMS מדיווחים קודמים בספרות. עם זאת, התוצאות יהיו טובות יותר משקפות תוצאות בפועל. השיטה המוצעת של הערכות WMMS ניתן להשתמש כדי להעריך מגוון טכנולוגיות לבישות, שמודדות או לסייע תנועה אנושית.
Subscription Required. Please recommend JoVE to your librarian.
Acknowledgments
המחברים מודים אוון Beisheim, ניקול Capela, אנדרו הרברט-קופלי לקבלת סיוע טכני ואיסוף נתונים. מימון פרויקט התקבל ממדעי הטבע והנדסת מועצת מחקר של קנדה (NSERC) וBlackBerry בע"מ, הכוללים טלפונים חכמים בשימוש במחקר.
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).
