Method Article

הערכה של מערכת פעילות אנושית המבוססת על טלפון חכם הכרה בימי סביבת חיים

DOI:

10.3791/53004

December 11th, 2015

In This Article

Summary

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

שיטת הערכה סטנדרטית פותחה עבור מערכות ניטור ניידות לבישות (WMMS) הכוללת פעילויות מתמשכות בסביבת חיים יומיומית מציאותית. בדיקה עם סדרה של פעילויות יומיומיות יכולה להפחית את הרגישות לזיהוי פעילות; לכן, מעודדים מעגלי בדיקה מציאותיים להערכה תקפה של ביצועי WMMS.

Abstract

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

שיטת הערכה הכוללת פעילויות מתמשכות בסביבת חיים יומיומית פותחה עבור מערכות ניטור ניידות לבישות (WMMS) המנסות לזהות פעילויות משתמש. המשתתפים ביצעו סט קבוע מראש של פעולות יומיומיות בתוך מעגל בדיקה מתמשך שכללו פעילויות ניידות (הליכה, עמידה, ישיבה, שכיבה, עלייה/ירידה במדרגות), משימות חיים יומיומיות (סירוק שיער, צחצוח שיניים, הכנת אוכל, אכילה, שטיפת כלים) ושינויים עדינים בסביבה (פתיחת דלתות, שימוש במעלית, הליכה בשיפועים, חציית מדרגות, הליכה בחוץ).

כדי להעריך את ביצועי WMMS במעגל זה, חמישה עשר משתתפים בעלי כושר גופני השלימו את המשימות כשהם עונדים סמארטפון באגן הקדמי הימני שלהם. אפליקציית WMMS השתמשה באותות מד תאוצה וג'ירוסקופ לסמארטפון כדי לסווג מצבי פעילות. מערך נתוני השוואה סטנדרטי זהב נוצר על ידי הקלטת וידאו של כל ניסיון ורישום ידני של זמני תחילת הפעילות. נתוני תקן הזהב ו-WMMS נותחו במצב לא מקוון. שלוש קבוצות סיווג חושבו עבור כל מעגל: (1) ניידות או חוסר תנועה, 2) ישיבה, עמידה, שכיבה או הליכה, ו-(3) ישיבה, עמידה, שכיבה, הליכה, טיפוס במדרגות או תנועת עמידה קטנה. חושבו רגישויות, ספציפיות וציוני F לסיווג פעילות ושינויי מצב.

ערכת הסיווג הנייד לעומת הנייד הייתה בעלת רגישות של 86.30% ±-7.2% וסגוליות של 98.96% ±-0.6%, בעוד שלקבוצת החיזוי השנייה הייתה רגישות של 88.35% ±-7.80% וסגוליות של 98.51% ±-0.62%. עבור קבוצת הסיווג השלישית, הרגישות הייתה 84.92% ±-6.38% והסגוליות הייתה 98.17 ±-0.62. ציוני הפורמולה 1 במערכות הדירוג הראשון, השני והשלישי היו 86.17 ± 6.3, 80.19 ± 6.36 ו-78.42 ±-5.96, בהתאמה. זה מדגים שביצועי WMMS תלויים בפרוטוקול ההערכה בנוסף לאלגוריתמים. ניתן להשתמש בפרוטוקול המודגם ולהתאים אותו להערכת מערכות זיהוי פעילות אנושית ברפואת שיקום שבהן ניטור ניידות עשוי להועיל בקבלת החלטות קליניות.

Introduction

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

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.

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

Protocol

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

פרוטוקול זה אושר על ידי הרשת למדעי בריאות אוטווה מחקר האתיקה.

1. הכנה

  1. 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.
  2. 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.
  3. 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

  1. בצע את המשתתף ווידאו את מעשיהם, על הטלפון החכם השני, תוך שהם מבצעים את הפעולות הבאות, שנאמרה על ידי החוקר:
    1. ממצב עמיד, לנער את הטלפון החכם כדי לציין את תחילת המשפט.
    2. תמשיך לעמוד לפחות 10 שניות. שלב עומד זה יכול לשמש לכיול נטייה טלפון 14.
    3. ללכת לכיסא סמוך ולשבת.
    4. לקום וללכת 60 מטר למעלית.
    5. לעמוד ולחכות למעלית ולאחר מכן נכנס למעלית.
    6. קח את המעלית לקומה השנייה.
    7. הפעל ונכנסת לסביבה הביתית.
    8. ללכת לחדר האמבטיה וסיmulate צחצוח שיניים.
    9. לדמות סירוק שיער.
    10. לדמות שטיפת ידיים.
    11. ידיים יבשים באמצעות מגבת.
    12. ללכת למטבח.
    13. קח מנות ממדף ומניח אותם על הדלפק.
    14. מלא קומקום עם מים מכיור המטבח.
    15. מניחים את הקומקום על אלמנט התנור.
    16. מניחים לחם בטוסטר.
    17. ללכת לחדר האוכל.
    18. לשבת ליד שולחן בחדר אוכל.
    19. לדמות לאכול ארוחה ליד השולחן.
    20. לעמוד וללכת בחזרה לכיור המטבח.
    21. לשטוף את הכלים ומניחים אותם במעמד.
    22. ללכת מהמטבח בחזרה למעלית.
    23. לעמוד ולחכות למעלית ולאחר מכן נכנס למעלית.
    24. קח את המעלית לקומה הראשונה.
    25. ללכת 50 מטרים לחדר מדרגות.
    26. פתח את הדלת ולהיכנס לחדר המדרגות.
    27. ללכת עד מדרגות (13 מדרגות, סביב נחיתה, 13 צעדים).
    28. פתח את דלת חדר המדרגות למסדרון.
    29. פונה ימינה והולכים במסדרון במשך 15 מטרים.
    30. להסתובב וללכת 15 מטרים בחזרה לחדר המדרגות.
    31. פתח את הדלת ולהיכנס לחדר המדרגות.
    32. ללכת במורד מדרגות (13 מדרגות, סביב נחיתה, 13 צעדים).
    33. צא מחדר המדרגות ונכנסנו לחדר.
    34. לשכב על מיטה.
    35. לקום וללכת 10 מטרים לרמפה.
    36. ללכת עד הרמפה, להסתובב, ואז במורד הכבש (20 מ ').
    37. המשך ההליכה לאולם ולפתוח את הדלת לבחוץ.
    38. ללכת 100 מטרים על המסלול הסלול.
    39. להסתובב וללכת בחזרה לחדר.
    40. נכנסתי לחדר ולעמוד בנקודת ההתחלה.
    41. המשך מעמד, ואז ללחוץ הטלפון החכם כדי לציין את סוף המשפט.

3. השלמת משפט

  1. 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.

  1. 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.
  2. 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.
  3. 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.

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

Results

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

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 ה...

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

Discussion

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

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...

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

Disclosures

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

המחברים מצהירים שאין להם אינטרסים פיננסיים מתחרים.

Acknowledgements

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

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.

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
טלפון חכם או מכשיר מדידה לבישBlackberryZ10
טלפון חכם להקלטת וידאונרתיק טלפון BlackberryZ10 או 9800
כל
יישום לוגר נתונים עבור הטלפון החכםBlackBerry World - TOHRC Data Logger עבור BlackBerry 10http://appworld.blackberry.com/webstore/content/32013891/?countrycode=CA
מדידת ניידות לבישהתוכנת בלקברי 10 ו-Matlab מותאמת אישית לניטורhttp://www.irrd.ca/cag/smartphone/
עריכת וידאו או תוכנת ניתוחתנועה כליhttp://www.irrd.ca/cag/mat/
ניידות ניתוח תנועה

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