スケートボードとキックボードの通勤行動をアクティビティ・トラッカーを使用して認識する:機械学習のアプローチを用いた実現可能性研究

科学分野:

• ウェアラブル技術
• 人とコンピュータの相互作用
• バイオメカニクス

背景:

• スケートボードやキックボードのような 活発な通勤の方法は 人気が増えています
• 現在のアクティビティ・トラッカーは これらのアクティビティの 独特の動きパターンを認識するのに苦労しています

研究 の 目的:

• スケートボードとキックボードの通勤を ウェアラブルセンサーとスマートフォンで 分類する可能性を評価する.
• 精密な活動認識のために,センサーから派生した重要な特徴を特定する.

主な方法:

• 10人の参加者がスケートボードとキックボードを含む9つの活動を行いました.
• 手首,股関節,ポケットセンサー (アクセレロメーター,ジャイロскоп,バロメーター) から収集したデータ.
• マルチクラスとバイナリ分類に使用されるランダムな森林分類器.

主要な成果:

• 手首用センサーは,マルチクラス分類で最高精度 (84%-88%) を達成しました.
• スケートボード (93%~99%) とキックボード (97%~99%) を識別する高い感度.
• プッシュ・プッシュ・グライド・スーパークラスの分類は高い精度 (91%~95%) を達成した.

結論:

• スケートボードとキックボードの通勤は ウェアラブルセンサー,特に手首のデバイスで 認識できます
• プッシュ・プッシュ・グライドの分類は,アクティビティ・トラッカーの統合の可能性を示しています.
• 将来の研究は,センサー融合とエネルギー支出の見積もりに焦点を当てるべきです.