CAPTURE-24:一个大数据集的手腕运动跟踪器数据收集在野外的人类活动识别数据
Shing Chan1,2, Yuan Hang1,2, Catherine Tong3
1Big Data Institute, University of Oxford, Oxford, UK.
Scientific data
|October 16, 2024
概括
本研究介绍了CAPTURE-24,这是一个用于识别人类活动的大型数据集. 它具有来自手腕佩戴传感器的真实世界数据,改善了超出实验室设置的模型通用性.
科学领域:
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
背景情况:
- 现有的人类活动识别数据集受到小规模和受控环境的限制.
- 基于实验室的数据集缺乏现实世界的复杂性,自由生活的运动.
- 在此类数据上训练的模型往往无法对多样化,不受约束的场景进行概括.
研究的目的:
- 解决目前用于识别人类活动的数据集的局限性.
- 引入一个大规模的野生数据集,用于训练可靠的活动识别模型.
- 促进开发更具普遍性的人类活动识别系统.
主要方法:
- 使用手腕加速度计,可穿戴摄像头和睡眠日记收集数据.
- 在自由生活环境中24小时内获取的数据.
- 开发了CAPTURE-24数据集,包括来自151名参与者的3883小时的加速度计数据.
主要成果:
- CAPTURE-24数据集比现有的公开数据集大得多 (2-3个数量级).
- 标注2562小时收集的加速度计数据.
- 为研究在自然环境中的人类活动提供了全面的资源.
结论:
- CAPTURE-24数据集为人类活动识别研究提供了实质性的进展.
- 它的规模和现实世界的性质对于提高模型准确性和通用性至关重要.
- 允许开发更有效的基于传感器的可穿戴活动监控系统.
