使用全天可穿戴的RGB-T检测饮食和社交活动.
Soroush Shahi1, Sougata Sen2, Mahdi Pedram1
1Northwestern University, Evanston, IL, USA.
概括
这项研究结合了低分辨率的RGB摄像头和红外 (IR) 传感器,以准确地检测肥胖个体的饮食和社交存在. 混合传感器方法显著改善了社交存在检测,为行为研究中的可穿戴技术提供了宝贵的见解.
科学领域:
- 人与计算机的交互
- 行为科学 行为科学
- 可穿戴技术可穿戴技术
背景情况:
- 社会存在影响肥胖个体的饮食行为,但现实世界的监测是困难的.
- 现有的高分辨率摄像头由于电池寿命和自主性,在全天数据捕获方面存在局限性.
- 低分辨率的红外 (IR) 传感器显示出自动行为检测的潜力,但它们与RGB摄像头的联合使用尚未探索.
研究的目的:
- 设计和部署一个使用RGB和IR传感器来检测饮食和社交存在的低功耗系统.
- 为了评估学习模型在确定这些行为在现实世界的设置中的有效性.
- 分析系统性能,设备故障,并为未来的可穿戴传感器研究提供指导.
主要方法:
- 开发了一种低功耗,低分辨率的RGB摄像头和红外传感器系统.
- 在10名肥胖参与者中部署了该系统,用于野外评估.
- 利用一种学习模型,利用综合传感器数据检测饮食和社交场合.
主要成果:
- 结合RGB和IR传感器模型显示,检测饮食行为有5%的改善.
- 与仅视频的方法相比,在检测社交存在方面观察到44%的显著改善.
- 对设备故障场景的分析为未来的可穿戴相机设计提供了洞察力.
结论:
- 将低分辨率的RGB摄像头与红外传感器相结合,可以在现实环境中更好地检测饮食和社交活动.
- 这种方法提供了一个有希望的,低成本的解决方案,用于不引人注目的,全天的人类行为监控.
- 这些发现指导了未来的研究,通过使用上下文感知可穿戴传感器验证人类行为.


