Detección en tiempo real de caminar distraído usando sensores IMU de teléfonos inteligentes con modelado...

Área de la Ciencia:

• Interacción hombre-ordenador
• Detección móvil
• Aprendizaje automático

Sus antecedentes:

• El análisis del comportamiento peatonal es crucial para la seguridad urbana y la salud personalizada.
• Los métodos existentes a menudo requieren hardware externo, lo que limita la escalabilidad y la rentabilidad.
• Los sensores de teléfonos inteligentes ofrecen una plataforma omnipresente para el monitoreo de comportamiento discreto.

Objetivo del estudio:

• Para introducir GaitX, un nuevo sistema para el reconocimiento de comportamiento peatonal en tiempo real utilizando sólo sensores de teléfonos inteligentes.
• Para detectar comportamientos anormales al caminar, específicamente el uso de teléfonos inteligentes mientras camina.
• Explorar la correlación entre la variabilidad de la marcha, los rasgos psicológicos y el análisis de la movilidad.

Principales métodos:

• Utilizó características de series temporales multivariadas extraídas de los datos del acelerómetro de teléfonos inteligentes.
• Empleó modelos de aprendizaje automático en conjunto, incluidos XGBoost y Random Forest, para la clasificación.
• Perfiles de personalidad del indicador de tipo integrado de Myers-Briggs (MBTI) para el análisis de rasgos psicológicos.

Principales resultados:

• Logró una precisión de clasificación promedio de 92.3% en 21 sujetos.
• Se ha demostrado una alta precisión (97,1%) en la identificación del comportamiento distraído al caminar.
• Reveló vínculos potenciales entre la variabilidad de la marcha y perfiles psicológicos distintos.

Conclusiones:

• GaitX proporciona una solución escalable y rentable para el reconocimiento del comportamiento peatonal en tiempo real.
• El sistema mejora las aplicaciones de seguridad móvil mediante la detección de la marcha distraída.
• Los hallazgos sugieren el potencial de análisis de movilidad conscientes de las emociones y monitoreo de salud personalizado.