Un nuevo conjunto de datos para el reconocimiento de actividad de marcha en entornos del mundo real

Área de la Ciencia:

• Biomecánica
• Tecnología de Sensores
• Aprendizaje Automático

Sus antecedentes:

• Las caídas son una preocupación mundial importante para la salud, y el análisis de la marcha es crucial para la identificación del riesgo de caídas.
• Los sensores portátiles y el aprendizaje profundo ofrecen potencial para el análisis de marcha remoto, mejorando la calidad de los datos y la automatización.
• El reconocimiento preciso de la actividad humana (HAR) y la clasificación del terreno son esenciales para el análisis de marcha en el mundo real.

Objetivo del estudio:

• Abordar la falta de conjuntos de datos adecuados para la clasificación del terreno en el análisis de la marcha.
• Presentar el conjunto de datos de reconocimiento de actividad humana consciente del contexto (CAHAR), el primer conjunto de datos etiquetado de actividad y terreno.
• Facilitar el desarrollo de modelos de clasificación avanzados para el análisis de marcha remoto.

Principales métodos:

• Se recopilaron datos de 20 participantes sanos utilizando unidades de medición inercial (IMU), plantillas de resistencia a la fuerza (FSR), sensores de color y LiDAR.
• Se capturaron datos en una amplia gama de terrenos interiores y exteriores.
• Se desarrolló el conjunto de datos CAHAR con etiquetas de actividad y terreno.

Principales resultados:

• El conjunto de datos CAHAR es el primero de su tipo, que integra información sobre la actividad humana y el terreno del entorno.
• El conjunto de datos apoya el desarrollo de modelos capaces de identificar simultáneamente HAR y el terreno.
• Permite el progreso hacia un análisis de marcha remoto más sofisticado utilizando sensores portátiles.

Conclusiones:

• El conjunto de datos CAHAR es un recurso importante para avanzar en la investigación en tecnología de sensores portátiles para el análisis de la marcha.
• Proporciona una base para la creación de modelos de predicción de riesgo de caídas más precisos.
• Facilita el desarrollo de sistemas inteligentes para el monitoreo de la marcha en el mundo real y la prevención de caídas.