使用深度学习的多活动步数计数算法,使用在鞋底内的IMU检测脚平面,使用在鞋底内的IMU

科学领域:

• 生物力学 生物力学
• 可穿戴技术可穿戴技术
• 机器学习 机器学习

背景情况:

• 步数计数设备在运动训练和患者护理方面是有效的.
• 之前的算法在简单的行走条件下实现了~1%的MAPE.
• 多活动步数计数仍然是可穿戴传感器面临的挑战.

研究的目的:

• 开发和验证用于仪器跑鞋的深度学习步数算法.
• 在各种多活动条件下评估算法性能.
• 评估嵌入式系统算法的可行性.

主要方法:

• 使用惯性测量单元 (IMU) 仪器仪表运行鞋.
• 收集来自21位不同参与者的多项活动数据.
• 开发一个深度学习算法并使用k-fold交叉验证进行验证.

主要成果:

• 步数与陀螺仪和加速度计规范以及垂直加速度高度相关.
• 将输入数据减少到这三个向量对性能的影响最小.
• 在多活动试验中达到0.75%的平均绝对百分比误差 (MAPE).

结论:

• 深度学习算法在多项活动的步骤计数中表现出高准确度.
• 这种方法需要较低的计算资源,适合嵌入式设备.
• 在动态,现实世界的场景中验证了基于IMU的步数计数的有效性.