Name: 日常生活環境におけるスマートフォンベースの人間活動の認識システムの評価 (動画) | JoVE Journal
Uploaded: 2015-12-11T13:00:00.000+00:00
Duration: 6 min 49 s
Description: 学ぶスマートフォンセンサーを用いた日常活動認識システムの標準化評価プロトコル。歩行・階段昇降・姿勢変化など連続した動作をリアルな環境で計測し、リハビリテーションや生体医工学研究におけるウェアラブルモニタリングの精度と信頼性を評価する方法を解説します。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

著者は、技術およびデータ収集の支援のためにエヴァンBeisheim、ニコールカペラ、アンドリュー・ハーバート・コプリーを認めます。プロジェクトの資金を研究に使用するスマートフォンなど、自然科学とカナダの工学研究評議会（NSERC）とBlackBerry社から受け取りました。

このプロトコルは、オタワ健康科学ネットワーク研究倫理委員会によって承認されました。 1.準備<ol><li>研究の概要と参加者を提供し、ご質問にお答えし、インフォームドコンセントを得ます。データシート上の（内果に例えば、年齢 、性別、身長、体重、ウエスト周囲径、上前腸骨棘から脚の高さ）レコード参加者の特徴、識別コード、および日付。ビデオをキャプチャするために使用される第2のスマートフォンは、第二の捕捉率あたり少なくとも30フレームに設定されていることを確認してください。 </li><li>安全参加者の右フロントベルトやズボンの腰に携帯電話のホルスターを接続します。移動度測定のスマートフォンでセンサデータを収集するために使用されるスマートフォンのアプリケーション（ すなわち 、データロギングやWMMSアプリケーション）を起動し、アプリケーションが適切に実行されていることを確認してください。デバイスの背面（背面C​​Aで、ホルスターにスマートフォンを配置外側に向けメラ）。 </li><li>二スマートフォンでデジタルビデオ録画を開始します。匿名性のために、人の顔を示すことなく、比較のビデオを記録するが、すべてのアクティビティの遷移を記録することを確認してください。携帯電話は、ハンドヘルドすることができます。 </li></ol> 2.活動サーキット<ol><li>彼らは研究者によって話され、次のアクションを実行しながら、第二のスマートフォンで、参加者とビデオ彼らの行動に従ってください： <ol><li>立ち位置からは、裁判の開始を示すために、スマートフォンを振ります。 </li><li>少なくとも10秒間立って続行します。この立っ相電話姿勢校正14のために使用することができます。 </li><li>近くの椅子に歩き、座ります。 </li><li>立ち上がって、エレベーターに60メートルを歩きます。 </li><li>スタンドとエレベーターを待ってから、エレベーターの中に入ります。 </li><li>二階にエレベーターを取ります。 </li><li>電源を入れて、家庭環境の中に入ります。 </li><li>バスルーム、SIの中に入ります歯を磨くmulate。 </li><li>髪をコーミングシミュレートします。 </li><li>手洗いをシミュレートします。 </li><li>タオルを用いて乾燥した手。 </li><li>台所に歩いてください。 </li><li>ラックから料理を取り、カウンターの上に置きます。 </li><li>台所のシンクからの水とのやかんを埋めます。 </li><li>ストーブ​​の要素にやかんを置きます。 </li><li>トースターでパンを置きます。 </li><li>ダイニングルームに歩いてください。 </li><li>ダイニングルームのテーブルに座っています。 </li><li>テーブルで食事をシミュレートします。 </li><li>スタンドと台所の流しに戻って歩いてください。 </li><li>料理を洗い流すと、ラックに配置します。 </li><li>バックエレベーターに台所から徒歩。 </li><li>スタンドとエレベーターを待ってから、エレベーターの中に入ります。 </li><li>一階にエレベーターを取ります。 </li><li>階段に50メートルを歩きます。 </li><li>ドアを開けて、階段を入力してください。 </li><li> （着陸約13段階、13段階の）階段を歩きます。 </li><li>廊下に階段のドアを開きます。 </li><li>右折して15メートルのために廊下を歩きます。 </li><li>振り向くとバック吹き抜けに15メートルを歩きます。 </li><li>ドアを開けて、階段を入力してください。 </li><li> （着陸約13段階、13段階の）階段を歩いて。 </li><li>階段を終了し、部屋に歩いてください。 </li><li>ベッドの上で横になって。 </li><li>アップ取得し、ランプに10メートルを歩きます。 </li><li>その後、ランプ（20メートル）の下、好転、ランプを歩きます。 </li><li>ホールに歩いて続行し、外部への扉を開きます。 </li><li>舗装された経路上の100メートルを歩きます。 </li><li>振り向くと、奥の部屋に歩いてください。 </li><li>部屋に入ると、出発点に立っています。 </li><li>立って続行した後、試験終了を示すために、スマートフォンを振ります。 </li></ol></li></ol> 3.試用完了<ol><li>ビデオ録画スマートフォンを停止し、削除して、スマートフォンやホルスターを返すために、参加者に依頼してください。 SMAのデータロギングまたはWMMSアプリケーションを停止しますrtphone。後処理のためにコンピュータに両方の電話機から取得したモーションデータファイルとビデオ​​ファイルをコピーします。 </li></ol> 4.後処理<ol><li>シェイクアクションが開始された時刻を決定することにより、映像と生のセンサデータとの間のタイミングを同期させます。この振とう運動は、異なる加速度計信号及びビデオフレームに対応します。センサーと映像データ・ソースの場合、スタートブレ時間から終了ぶれ時間を減算することにより、同期エラーをチェックします。時間差は、2つのデータセット間の類似していなければなりません。 </li><li>アクティビティ間の遷移でビデオフレームの開始ぶれ時間から時間差を記録することによって、金標準ビデオからの実際の状態変化回数を決定します。 0.033秒以内にタイミングを得るためにビデオ編集ソフトウェアを使用する（ すなわち 、第2のビデオレート毎秒30フレーム）。同等の変化 - の状態センサデータからを生成するWMMSソフトウェアを使用してください。 </li><li>二つのデータセットを生成する一真の活動予測活性を有する第二に、各ビデオフレームのための活動を標識することによってWMMS出力から各ビデオフレーム時間における予測の活性を計算し、次に（状態タイミングの変化に基づいて）。 WMMS性能評価のために、金の標準的なアクティビティの間で真の陽性、偽陰性、真陰性、偽陽性を計算し、WMMSは活動を予測しました。感度、特異性、およびF-スコアアウトカム指標を計算するためにこれらのパラメータを使用します。 注：ウィンドウのいずれかの側の3つのデータウィンドウが分析されるの許容範囲の設定は、変化の状態の結果、分類の結果のための2つのデータウィンドウを決定するために使用することができます。 1第二のデータウィンドウがこの研究にWMMSのために使用されたので、この許容範囲内の連続変化が無視されるように、例えば、3秒前と現在のウィンドウの後を調べました。対価は3秒未満で起こる状態の変化が総フーマーのために無視することができるということでしたこれらの状態以降のn個の運動解析を一時的と考えられます。 </li></ol>

<ol><li>Lara, O. D., Labrador, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Survey+on+Human+Activity+Recognition+using+Wearable+Sensors%5BTitle%5D)+AND+%22IEEE+Communications+Surveys+Tutorials%22%5BJournal%5D)">A Survey on Human Activity Recognition using Wearable Sensors.</a> IEEE Communications Surveys Tutorials. 15 (3), 1192-1209 (2013).</li>
<li>Foerster, F., Smeja, M., Fahrenberg, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detection+of+posture+and+motion+by+accelerometry%3A+a+validation+study+in+ambulatory+monitoring%5BTitle%5D)+AND+%22Computers+in+Human+Behavior%22%5BJournal%5D)">Detection of posture and motion by accelerometry: a validation study in ambulatory monitoring.</a> Computers in Human Behavior. 15 (5), 571-583 (1999).</li>
<li>Elsmore, T. F., Naitoh, P. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aElsmore%2C+TF+%22Monitoring+Activity+With+a+Wrist-Worn+Actigraph%3A+Effects+of+Amplifier+Passband+and+threshold+Variations%22">Monitoring Activity With a Wrist-Worn Actigraph: Effects of Amplifier Passband and threshold Variations</a>. , DTIC Online. (1993).</li>
<li>Kripke, D. F., Webster, J. B., Mullaney, D. J., Messin, S., Mason, W. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKripke%2C+DF+%22Measuring+sleep+by+wrist+actigraph%22">Measuring sleep by wrist actigraph</a>. , DTIC Online. (1981).</li>
<li>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).</li>
<li>Incel, O. D., Kose, M., Ersoy, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Review+and+Taxonomy+of+Activity+Recognition+on+Mobile+Phones%5BTitle%5D)+AND+%22BioNanoScience%22%5BJournal%5D)">A Review and Taxonomy of Activity Recognition on Mobile Phones.</a> BioNanoScience. 3 (2), 145-171 (2013).</li>
<li>Yang, C. C., Hsu, Y. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Review+of+Accelerometry-Based+Wearable+Motion+Detectors+for+Physical+Activity+Monitoring%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">A Review of Accelerometry-Based Wearable Motion Detectors for Physical Activity Monitoring.</a> Sensors. 10 (8), 7772-7788 (2010).</li>
<li>He, Y., Li, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Physical+Activity+Recognition+Utilizing+the+Built-In+Kinematic+Sensors+of+a+Smartphone%5BTitle%5D)+AND+%22International+Journal+of+Distributed+Sensor+Networks%22%5BJournal%5D)">Physical Activity Recognition Utilizing the Built-In Kinematic Sensors of a Smartphone.</a> International Journal of Distributed Sensor Networks. 2013, (2013).</li>
<li>Vo, Q. V., Hoang, M. T., Choi, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Personalization+in+Mobile+Activity+Recognition+System+using+K-medoids+Clustering+Algorithm%5BTitle%5D)+AND+%22International+Journal+of+Distributed+Sensor+Networks%22%5BJournal%5D)">Personalization in Mobile Activity Recognition System using K-medoids Clustering Algorithm.</a> International Journal of Distributed Sensor Networks. 2013, (2013).</li>
<li>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).</li>
<li>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).</li>
<li>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).</li>
<li>Wu, H., Lemaire, E. D., Baddour, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Activity+Change-of-state+Identification+Using+a+Blackberry+Smartphone%5BTitle%5D)+AND+%22Journal+of+Medical+and+Biological+Engineering%22%5BJournal%5D)">Activity Change-of-state Identification Using a Blackberry Smartphone.</a> Journal of Medical and Biological Engineering. 32 (4), 265-271 (2012).</li>
<li>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).</li>
<li>Tundo, M. D. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Development+of+a+human+activity+recognition+system+using+inertial+measurement+unit+sensors+on+a+smartphone%22">Development of a human activity recognition system using inertial measurement unit sensors on a smartphone</a>. , Available from: 
 <a target="_blank" href="http://www.ruor.uottawa.ca/handle/10393/30963">http://www.ruor.uottawa.ca/handle/10393/30963</a> (2014).</li>
</ol>

著者らは、競合する金銭的利益はないと宣言している。

ウェアラブルモビリティ監視システムと人間の活動の認識はウェアラブルコンピューティングやスマートフォンの技術の進歩と臨床意思決定と健康介入の評価に役立つ定量的なアウトカム指標のための体系的なニーズのために、近年ではより多くの注目を集めています。活動分類エラーは日常生活や歩行シナリオの幅広い活動が評価に含まれていなかった場合に存在していないことが判明したので、この論文に記載の方法は、WMMS開発を評価するために有効でした。 付属のゴールド標準のデータセットとデータ後処理と現実的が、制御された条件下でのデータ収集：WMMS評価プロトコルは、主に2つの部分から構成されます。デジタルビデオは、プロトコル活動全体でWMMSアルゴリズム予測をテストするときに金標準的なデータを提供するための実行可能なソリューションでした。プロトコルにおける重要なステップ（i）は、これは参加者-着用電話から取得したデータで金標準ビデオの同期を可能とするため、金の標準ビデオはスマートフォンの揺れをキャプチャすることを保証するために、および（ii）すべての遷移が行わゴールドスタンダードビデオレコードことを確実にするため...

ユビキタスセンシングが原因で、ますます強力な、小型で低コストのコンピューティングおよび感知装置1に係研究領域となっています。消費者レベルのマイクロエレクトロニクスは、高精度で1運動特性を検出することが可能であるため、ウェアラブルセンサを用いて移動度のモニタリングは、大きな関心を生成しました。 4 -ウェアラブルセンサを用いて人間の行動認識（HAR）は、1980年代と1990年代2で行われる予備的研究と、研究の最近の領域です。 現代のスマートフォンは、移動性活動認識のために必要なセンサおよびリアルタイム計算能力を含みます。デバイス上のリアルタイム解析は、ユーザーや研究者の介入なしに活動の分類とデータのアップロードが可能になります。移動度分析ソフトウェアを使用してスマートフォンを検出、自宅や作業の自動化、および自己管理exercis秋、フィットネス追跡、ヘルスモニタリングを提供することができますEプログラム5。スマートフォンは、オンボードセンサ出力6で計算数学信号生成機能を使用して、ヒトにおいてモバイル活動及びモバイルパターンを検出するための慣性計測プラットフォームと考えることができます。共通の特徴の生成方法は、ヒューリスティック、時間領域、周波数領域、及びウェーブレット解析に基づくアプローチ7を含みます 。 指定されたアクティビティ-1,5,6,7-を検出する現代のスマートフォンHARシステムは、高い予測精度を示しました。ほとんどの研究が自分のトレーニングセット、環境設定、及びデータ収集プロトコルを持っているので、これらの研究は、評価方法と同様の精度が変化します。感度、特異性、精度、再現率、精度、およびF-スコアは、一般的に、予測品質を記述するために使用されます。しかし、情報のほとんどは、リアルタイムでの活動の変化を検出する能力の「コンカレント活動」の認識と評価のための方法で提供されています1、いくつかの活動を分類しようとするHARシステム用。 HARのシステム精度のための評価法は、研究の間で実質的に変化。かかわらず、分類アルゴリズムまたは適用される機能の、金の説明は、標準的な評価方法は、ほとんどのHAR研究の曖昧です。 日常生活環境で活動認識が広く研究されていません。ほとんどのスマートフォンに基づく行動認識システムは、実世界環境にアルゴリズムではなく、現実的に有利であり得る評価プロトコルにつながる、制御された方法で評価しました。その評価制度の中で、参加者は多くの場合、現実の事象を模倣ではなく、連続して実行するために、参加者のための現実的な活動の広い範囲を適用するよりも、予測のために意図されたアクションのみを実行します。 一部のスマートフォンのHARは、階段や歩行のように、一緒に8,9グループ同様の活動を研究ただし、データセットから他の活動を除外します。予測精度は、アルゴリズムが標的活性を同定する方法もすることによって決定されます。 Dernbach ら 9は、参加者が連続チェンジの状態遷移を中断し、移動する前に、実行しようとした活動を記述していました。参加者は日常生活の設定で自然なアクションを実行しながら、HARシステムの評価はアルゴリズムを評価すべきです。これは、アプリケーションの毎日の使用を複製現実の評価を可能にするであろう。現実的な回路は、多くの状態変化、ならびにシステムによって断定ないアクションのミックスが含まれています。研究者はその後、このように異常な動きに、アルゴリズムの堅牢性を評価、これらの追加の動きに対するアルゴリズムの応答を評価することができます。 本論文では、現実の日常生活の環境を反映した制御コースを使用するウェアラブルモビリティモニタリングシステム（WMMS）評価プロトコルを提示します。 WMMS評価はその後、制御されていても、現実的な条件の下で行うことができます。このプロトコルでは、オタワ大学で開発された第三世代WMMSを使用して、オタワ病院研究所11-15。 WMMSは、3軸加速度計とジャイロスコープを持つスマートフォン用に設計されました。モビリティアルゴリズムは、ユーザの変動を考慮し、変化の状態を同定するための偽陽性の数の減少を提供し、活動の分類に感度を増大させます。 WMMSはさらにWMMS分類を改善状況依存活性評価のために、状態の活動の変化が検出された短いビデオクリップ撮影をトリガーするため、誤検知を最小にすることが重要です。不要な映像記録が保管し、バッテリ使用中の非効率性を作成します。 WMMSアルゴリズムは、予測値の増加は量の増加を意味する異なる予測レベルを用いて低計算学習モデルとして構成され、評価されています認識可能なアクションの。

<table><tbody><tr><td>スマートフォンまたはウェアラブル測定装置</td><td>Blackberry</td><td>Z10</td><td></td></tr><tr><td>ビデオ録画用スマートフォン</td><td>Blackberry</td><td>Z10または9800</td><td></td></tr><tr><td>電話ホルスター</td><td></td> スマートフォン用の任意の<td></td><td></td></tr><tr><td>データロガーアプリケーション</td><td>BlackBerry World - TOHRC BlackBerry 10</td><td></td><td>用データロガー<a href="http://appworld.blackberry.com/webstore/content/32013891/?countrycode=CA">http://appworld.blackberry.com/webstore/content/32013891/?countrycode=CA</a></td></tr><tr><td>ウェアラブルモビリティ測定</td><td>カスタムBlackberry 10およびモビリティモニタリング</td><td></td>用のMatlabソフトウェア<td><a href="http://www.irrd.ca/cag/smartphone/">http://www.irrd.ca/cag/smartphone/</a</td></tr><tr><td>>ビデオ編集または分析ソフトウェア</td><td>Motion Analysis Tools</td><td></td><td><a href="http://www.irrd.ca/cag/mat/">http://www.irrd.ca/cag/mat/</a></td></tr></tbody></table>

日常生活環境におけるスマートフォンベースの人間活動の認識システムの評価

Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment

日常生活環境での継続的な活動を含む評価方法は、ユーザーの活動を認識しようとするウェアラブルモビリティモニタリングシステム(WMMS)のために開発されました。参加者は、移動活動(歩く、立つ、座る、横になる、階段を上る/下りる)、日常生活動作(髪をとかす、歯を磨く、食事を準備する、食事をする、皿を洗う)、微妙な環境の変化(ドアを開ける、エレベーターを使用する、坂道を歩く、階段の踊り場を横断する、屋外を歩く)を含む、連続テスト回路内で事前に決定された一連の日常生活動作を実行しました。
このサーキットでのWMMSのパフォーマンスを評価するために、15人の健常な参加者が右前骨盤にスマートフォンを装着しながらタスクを完了しました。WMMSアプリケーションは、スマートフォンの加速度計とジャイロスコープの信号を使用して、活動状態を分類しました。ゴールドスタンダードの比較データセットは、各試行をビデオ録画し、活動の開始時間を手動で記録することによって作成されました。ゴールドスタンダードとWMMSのデータはオフラインで分析しました。各回路について、(i)可動性または不動性、ii)座る、立つ、横になる、または歩く、および(iii)座る、立つ、横になる、歩く、階段を上る、または小さな立った動きの3つの分類セットが計算されました。活動の分類と状態変化の感度、特異性、および F スコアを計算しました。
移動性対移動性の分類セットは、感度が86.30%±7.2%、特異度が98.96%±0.6%でしたが、2番目の予測セットの感度は88.35%±7.80%、特異度は98.51%±0.62%でした。第3の分類セットでは、感度は84.92%±6.38%、特異度は98.17±0.62であった。F1のスコアは、第1分類セット、第2分類セット、第3分類セットのスコアがそれぞれ86.17±6.3、80.19±6.36、78.42±5.96でした。これは、WMMS のパフォーマンスがアルゴリズムに加えて評価プロトコルに依存することを示しています。実証されたプロトコルは、運動性モニタリングが臨床上の意思決定に有益である可能性のあるリハビリテーション医学における人間の活動認識システムを評価するために使用および調整できます。

研究プロトコルは、オタワ病院から募集平均体重（11.1±）68.9だっキロ、高さは（11.4±）cmの173.9で、年齢は26（±9）であった年間15健常者の利便性のサンプルで実施されました大学オタワのスタッフと学生。スマートフォンは、変数40〜50 Hzのレートでセンサデータを捕獲しました。サンプルレートの変動は、スマートフォンのセンサーサンプリングのための典型的なものです。第二のスマートフォンは、1280×720（720）の解像度でデジタルビデオを記録するために使用されました。 ホルスターは、ロケーションのさらなる標準化することなく、参加者の右フロントベルトやパンツに固定しました。これは、腰にきゅう務員にデバイスを配置するための自​​然な方法を実証しました。ホルスターとデータロガーアプリケーションの実行に置か装置では、それぞれの人は、自己選択のペースで、一度回路を横断しました。回路は、参加者と手続き活動に事前に説明していなかったました試験中に研究者を順番によって話さ。 WMMSは呉によって動作するように同様の上下の境界条...

現実的な日常生活環境での継続的な活動を含むウェアラブルモビリティモニタリングシステム(WMMS)のための標準化された評価方法が開発されました。一連の日常生活動作でテストすると、活動認識感度が低下する可能性があります。したがって、WMMS性能の有効な評価のためには、現実的なテスト回路が推奨されます。

An evaluation method that includes continuous activities in a daily-living environment was developed for Wearable Mobility Monitoring Systems (WMMS) that ...

この活動認識手法の全体的な目的は、現実的な日常生活環境における連続的な活動を含めることで、ウェアラブル移動度モニタリングシステムをテストするための標準化された評価方法を提供することです。この手法は、人の動きを記録するウェアラブルセンサーシステムが正確で信頼性の高い結果を提供するかどうかなど、物理リハビリテーション、生物医学工学、およびバイオメカニクスの分野における重要な疑問に答えるのに役立ちます。この技術の主な利点は、評価プロトコルに実生活の日常生活環境を反映したコントロールコースを使用している点です。まず、参加者の右前方腰部にスマートフォン用ホルスターをしっかりと装着させることから始めてください。センサーデータを収集するために使用する、モビリティ測定用スマートフォンでアプリケーションを起動します。次に、デバイスの背面を外側に向けてスマートフォンをホルスターに装着します。続いて、匿名性を確保するため、2台目のスマートフォンでデジタルビデオ録画を開始します。参加者の顔が映らないように注意しながら、2台目のスマートフォンで比較動画を撮影します。ただし、アクティビティ回路中のすべての動作移行が記録されるようにしてください。参加者に随行し、2台目のスマートフォンを使用して参加者のあらゆる動作を記録します。まず、立位の状態の参加者に以下の指示を出します。スマートフォンのシェイク操作を行い、試行の開始を知らせます。少なくとも10秒間は立ったままの状態を維持し、その後、近くの椅子まで歩いて座るように指示してください。立ち上がり、エレベーター乗り場まで60メートル歩いて移動し、エレベーターが到着するまで待ち、その後エレベーターの中に入ります。次に、方向を変えて自宅環境の中へ歩いて入ります。浴室に入り、歯磨き、髪を梳かす動作、手洗い、そしてタオルで手を拭く動作をシミュレートします。その後、キッチンへ歩いて行き、ラックから皿を取り出してカウンターの上に置きます。キッチンのシンクからケトルに水を満たし、ケトルをコンロの上に置きます。その後、トースターにパンを入れます。次に、ダイニングルームへ行き、ダイニングテーブルに座ります。テーブルで食事をする動作をシミュレートしてください。その後、立ち上がってキッチンのシンクに戻り、食器をすすいでラックに置きます。階段室まで50メートル歩きます。ドアを開けて階段室に入ります。13段上がり、廊下へ通じる階段室のドアを開けます。右に曲がり、廊下を15メートル直進します。次に、参加者に方向転換させ、階段室まで15メートル戻るよう指示してください。ドアを開けて階段室に入り、13段降りてから階段室を出ます。次に、部屋に入り、ベッドの上に横になります。その後、起き上がってスロープまで10 meters歩きます。スロープを上がり、方向転換して、スロープを降ります。そのまま廊下を進み、屋外へ出るドアを開けます。次に、舗装された通路を100 meters直進します。その後、向きを変えて部屋の方へ戻ります。その後、室内に入り、スタート地点に立ちます。そのまま立った状態でスマートフォンを振って、試行の終了を知らせます。試行が完了したら、2台目のスマートフォンによる録画を停止し、ホルスターに入った1台目のスマートフォンを被験者から取り外します。最後に、1台目のスマートフォンのデータロギングアプリケーションを停止します。取得した動作データファイルとビデオファイルを両方の電話からコンピュータにコピーし、後処理を行います。本プロトコルでは、日常生活環境における連続的な活動中のウェアラブルモビリティモニタリングシステム（WMMS）の評価方法について解説しました。感度と特異度は、「可動または不可動」、「座位、立位、臥位または歩行」、「座位、立位、臥位、歩行、階段昇降またはわずかな立位での動作」の3種類の分類について測定されました。本プロトコルによるWMMSシステムの測定結果は、以前の報告よりも保守的な結果となりますが、ここで報告される結果は日常的な診療におけるアウトカムをより適切に反映するものとなります。この手法に習熟し、適切に実施すれば、10分から15分で完了させることができます。本手順を行う際は、被験者に明確な指示を与え、ビデオから記録できるようすべての活動遷移を記録することが重要です。本手順の後、センサー出力に対して他の計算手法を適用することで、開発後にさらに精度の高い活動分類手法を構築することが可能です。この手法は、人間行動認識分野の研究者が、実世界に適用可能な環境でウェアラブル・モビリティ・モニタリングを探索するための道を開くものです。このビデオを視聴することで、連続的なテスト環境を構築し、人間行動モニタリングアプリケーションの評価に必要な人間動作データを取得する方法について、十分に理解できるはずです。障害を持つ方は、移動能力やバランス能力が異なるため、本手順を実施する際は、転倒や過度の疲労を避けるための予防措置を講じる必要があることに留意してください。

evaluation-smartphone-based-human-activity-recognition-system-daily

Research

JoVE Journal

Behavior

行動

この原稿は、スマートフォンアプリケーションによって記録された運動学的測定の同時有効性を、矢状面内の3Dモーションキャプチャシステムと比較してテストする方法を説明しています。このプロトコルにより、臨床医はスマートフォンをセットアップして、人間の動きをビデオでキャプチャすることができます。...

スマートフォン（ViMAS）を使用してビデオ運動解析：パイロットスタディ

本稿ではプロトコルの設計と食物摂取のパターンを検出するメガネ型ウェアラブル...

デザインとスマートなメガネの食品の摂取量と身体活動の分類のための評価

控えめなセンサーやパーベイシブ コンピューティング技術、家庭生活古い大人により意味のある健康とヶ月年、生態学上有効な提供するために継続的に記録する活動の変更の高周波に組み込まれる研究または臨床使用のためのマルチ ドメイン...

控えめな、継続的なリモート アクティビティおよび健康データをキャプチャするため地域ぐるみライフ研究所を設定する方法について

モーション キャプチャ システムで日常生活 (IADL) の活動を評価するために仮想現実のテストを考案しました。軌道、移動距離と IADL 機能の評価の完了までの時間を含む様々...

バーチャル ・ リアリティーのモーション キャプチャ システムで日常の生活動作の運動を測定

この革新的な装置は磁気慣性センサーを使用して制御されていない環境の歩行および活動の分析を可能にする。現在、欧州医療機関の結果測定としての資格プロセスでは、アプリケーションの1つは、神経筋疾患の臨床試験の臨床エンドポイントとして機能することです。...

歩行とアクティビティ分析のためのホームベースのモニター

自己中心的なカメラを使用して、毎日のルーチン中に手の障害を持つ個人の自然な手の機能をキャプチャするためのプロトコルが提案されています。プロトコルの目的は、記録が自宅での日常生活の活動中に個人の典型的な手の使用の代表であることを確認することです。...

上肢障害を持つ個人の自己中心的なビデオを使用して自宅で代表的な手の使用をキャプチャ

本プロトコルは、心理的尺度、GPS位置、心拍数、血中酸素飽和度、およびアプリケーションの操作手順を含むリアルタイムのオンサイトデータを収集するための非商用の自社開発アプリケーションを紹介します。2020年に台湾で実施された実証研究を応用例として使用しました。...

個人の健康状態を監視するためのウェアラブルデバイスとのペアリングのためのアプリケーション

ウェアラブルセンサーを搭載した商用スマートウォッチは、人口調査でますます使用されています。ただし、それらの有用性は、限られたバッテリー持続時間、メモリ容量、およびデータ品質によって制約されることがよくあります。このレポートは、喘息の子供や高齢の心臓病患者を対象とした研究中に遭遇する実際の技術的課題に対する費用効果の高いソリューションの例を提供します。...

人口調査における曝露および健康モニタリングのための消費者向けウェアラブルデバイスのセットアップ

この論文では、学生がクラスに注意を払っているか、気を散らしているかを自動的に検出する人工知能ベースのシステムを提案しています。このシステムは、教師が生徒の注意を引き付け、授業を最適化し、生徒がより魅力的になるように動的に変更を導入できるように設計されています。...

人工知能を用いた学生の注意力検出システム

M3-BREATHEは、呼吸、行動、環境曝露を監視し、現実世界での個別化された治療と健康評価を行うウェアラブルセンサーを統合したモバイルヘルス(mHealth)システムです。...

実世界のM3-BREATHE:行動、呼吸、曝露のマルチモーダル移動モニタリングに向けて治療と健康評価を目指す

学ぶスマートフォンセンサーを用いた日常活動認識システムの標準化評価プロトコル。歩行・階段昇降・姿勢変化など連続した動作をリアルな環境で計測し、リハビリテーションや生体医工学研究におけるウェアラブルモニタリングの精度と信頼性を評価する方法を解説します。

日常生活環境におけるスマートフォンベースの人間活動の認識システムの評価

さらに動画を探す