相关实验视频
Updated: Jun 20, 2025
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.7K
部穿戴加速度计:对两种无代码分类方法进行比较研究,用于识别身体活动类型
Claas Lendt1, Theresa Braun2, Bianca Biallas2
1Institute for Movement Therapy and Movement-Oriented Prevention and Rehabilitation, German Sport University Cologne, Cologne, Germany. claas.lendt@stud.dshs-koeln.de.
概括
两种无代码软件方法从大腿穿戴加速度计数据准确地分类身体活动和姿势. 在自由生活条件下,SENS动议和ActiPASS表现出对参考标签的高度同意.
科学领域:
- 生物医学工程 生物医学工程
- 人类运动科学科学 人类运动科学
- 可穿戴技术可穿戴技术
背景情况:
- 准确评估自由生活的身体行为对于理解健康和福祉至关重要.
- 部穿戴加速度计为识别活动类型和姿势提供了一个有前途的方法.
- 需要用户友好,无代码的软件解决方案来增加加速度计的采用.
研究的目的:
- 为了评估两个新的无代码软件方法的分类准确性:SENS motion和ActiPASS.
- 为了比较这些方法在识别身体活动和姿势方面的表现.
- 在实验室和自由生活条件下评估它们的实用性.
主要方法:
- 38名健康成年人戴着安装在大腿上的SENS运动加速度计 (12.5赫兹).
- 参与者进行了标准化的实验室活动和不受限制的自由生活活动.
- 胸部安装摄像头的视频录像作为自由生活数据的参考注释.
- 从SENS motion和ActiPASS软件的分类输出与参考标签进行了比较.
主要成果:
- 对63.6小时的活动数据的分析显示,算法和引用之间的一致性很高.
- 在自由生活条件下,科恩的卡帕系数为SENS运动的0.86和ActiPASS的0.92.
- 平均平衡精度为0.81 (骑自行车) 到0.99 (跑步) 的SENS运动和0.92 (行走) 到0.99 (静止) 的ActiPASS.
结论:
- 无论是SENS运动还是ActiPASS无代码方法,都能准确地分类基本的身体活动类型和姿势.
- 这些方法表现出高精度,即使采样频率数据相对较低.
- 特别是在自由生活的骑自行车 (SENS) 和慢步行 (ActiPASS) 中,人们注意到了性能差异,这可能是由于不同的活动类别定义.
