在自由生活环境中识别人类活动 使用耳戴式运动传感器
Lukas Boborzi1, Julian Decker1, Razieh Rezaei1
1German Center for Vertigo and Balance Disorders (DSGZ), Ludwig-Maximilians-University of Munich, 81377 Munich, Germany.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
一个戴在耳朵上的运动传感器有效地识别人类活动,如走路和跑步,使用深度学习以98%的准确度. 这项技术为持续的健康监测和个性化洞察提供了一种实用的方法.
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:
- 在医疗保健中,通过人类活动识别 (HAR) 进行持续的行为监测至关重要.
- 耳戴式传感器为HAR提供了一个谨慎而潜在的有效平台.
研究的目的:
- 评估用于分类日常人类活动的耳戴运动传感器的可行性.
- 评估各种机器学习算法的性能,包括深度学习,用于此任务.
主要方法:
- 50名健康的参与者进行了躺着,坐着,走路和跑步等活动.
- 一个戴在耳边的运动传感器收集了数据,并使用浅层和深度学习模型 (DeepConvLSTM,ConvTransformer) 分析了这些数据.
主要成果:
- 深度学习模型在分类人类活动时达到98%的准确性.
- 分类模型证明了对传感器放置 (任何耳朵) 和方向变化的稳定性,从而消除了校准的需要.
结论:
- 耳朵是有效识别人类活动的可行解剖位置.
- 将耳罩式HAR与生命体征监测相结合,为个性化健康评估和远程监测提供了一种全新,全面的方法.


