MM-HAR:使用消费者智能手表和耳机进行多模式的人类活动识别

科学领域:

• 数字健康数字健康
• 可穿戴技术可穿戴技术
• 机器学习 机器学习

背景情况:

• 人类活动识别 (HAR) 对数字健康应用,如健身跟踪和久坐行为监控至关重要.
• 消费者可穿戴设备,包括智能手表和耳机,越来越多地用于HAR.
• 单个设备的HAR系统往往缺乏准确识别活动所需的全面数据.

研究的目的:

• 建议和评估使用耳机和智能手表进行人类活动识别的多模式方法.
• 展示单模HAR的局限性和多模战略的好处.
• 为未来的HAR研究建立一个基准,使用多种设备组合.

主要方法:

• 从实验室和家庭环境中从44名受试者收集了大量数据.
• 训练并评估了五种不同的机器学习分类器.
• 在各种设备组合中比较性能:只有耳机,只有手表,还有耳机和手表.

主要成果:

• 单模HAR (单独使用耳机或手表) 在活动跟踪准确性方面表现出显著的局限性.
• 采用耳机和手表的多模式方法,在HAR中表现出卓越的性能.
• 分类器的性能因设备组合而异,突出显示了多模式数据的影响.

结论:

• 整合智能手表和耳塞的多模式方法为人类活动识别提供了更高的准确性.
• 这些发现强调了单个可穿戴设备的局限性,以及多模式系统对于全面的健康监测的必要性.
• 这项研究为研究界在开发先进的HAR系统方面提供了有价值的基准.