可穿戴的脊柱追踪器与基于视频的姿势估计用于人类活动识别

科学领域:

• 生物医学工程 生物医学工程
• 人与计算机的交互
• 康复技术 康复技术 康复技术

背景情况:

• 在医疗保健和辅助技术方面,对日常生活活动 (ADL) 的认可至关重要.
• 可穿戴传感器和计算机视觉为ADL监控提供了不同的方法.
• 需要使用标准化协议直接比较这些系统.

研究的目的:

• 为了比较评估可穿戴脊柱追踪器 (FlexTail) 和基于摄像头的姿势估计模型用于ADL检测的性能.
• 评估各种时间序列分类算法对ADL识别准确性的评估.
• 为了研究层次活动分组对分类性能的影响.

主要方法:

• 开发了一种使用FlexTail和摄像系统同时采集数据的协议.
• 记录了11个不同的ADL,包括一般运动,家务和食品处理.
• 应用并比较了最先进的时间序列分类算法,包括随机扩展形状转换 (RDST) 和 QUANT 分类器.

主要成果:

• 使用1秒窗口,FlexTail和摄像系统都实现了高平均F1得分0.90,使用1秒窗口.
• 对于FlexTail数据,RDST分类器是最佳的,而对于摄像头数据,QUANT分类器表现最好.
• 层次化的活动分组显示了不同活动之间不一致的好处.

结论:

• 可穿戴的脊柱追踪器和基于摄像头的系统都能有效地识别ADL.
• 在检测姿势过渡 (例如,坐着,站立) 方面,FlexTail表现出卓越的性能.
• 基于摄像头的系统擅长识别涉及精细运动技能和手臂运动的活动.