以惯性测量和基于心率传感器的数据集用于老年人落检测,使用定制制的手腕穿戴设备

科学领域:

• 生物医学工程 生物医学工程
• 可穿戴技术可穿戴技术
• 人类活动识别 人类活动识别

背景情况:

• 准确的人类活动识别 (HAR) 对于健康监测和跌倒检测至关重要.
• 现有的数据集往往缺乏各种活动和模拟跌倒期间的手腕设备的全面数据.
• 开发强大的摔倒检测系统需要高质量的多传感器数据.

研究的目的:

• 引入一套新的数据集,用于落检测和人类活动识别.
• 为可穿戴技术和医疗保健领域的研究人员提供全面的数据资源.
• 促进活动监测先进算法的开发和验证.

主要方法:

• 收集了41名志愿者的数据,他们执行了16种日常生活活动 (ADL) 和8种类型的跌倒,重复了五次.
• 使用了一种定制的手腕穿戴设备,配备了惯性测量单元 (IMU) 传感器 (加速计,陀螺仪,磁力计) 和医疗级心率传感器.
• 数据采样在20 Hz的运动传感器和1 Hz的心率传感器,使用高通龙820c SoC和I2C协议.

主要成果:

• 一个丰富的数据集,包括来自手腕传感器的同步运动和生理数据.
• 数据涵盖了广泛的ADL和跌倒场景,提供了各种分析模式.
• 所有传感器都经过校准以适用于手腕,确保数据质量和一致性.

结论:

• 本文所介绍的数据集为推进落检测和HAR的研究提供了宝贵的资源.
• 来自手腕设备的多模式数据使复杂的监控系统的开发成为可能.
• 这一数据集支持创建更准确,更可靠的老年护理和个人安全系统.