面向智能手机、智能手表与可穿戴加速度计的“大多适”步行识别方法
人机交互
2022-07-18 v1 信号处理
摘要
个人数字设备的普及为研究人类行为提供了前所未有的机遇。当前最先进的方法使用“活动计数”来量化身体活动，这一度量忽略了具体类型的身体活动。我们提出了一种针对亚秒级三轴加速度计数据的步行识别方法，其活动分类基于步行的固有特征：强度、周期性与持续时间。我们针对 20 个公开可用的、带有标注的数据集验证了该方法，这些数据集包含在身体不同部位（大腿、腰部、胸部、手臂、手腕）采集的步行活动数据。我们证明该方法能以高灵敏度与特异度估计步行时段：在不同身体部位上平均灵敏度介于 0.92 与 0.97 之间，而对常见日常活动的平均特异度通常高于 0.95。我们还评估了该方法在人口统计学与人体测量学变量以及测量情境（身体部位、环境）上的算法公平性。最后，我们已将该方法以 MATLAB 与 Python 开源软件形式发布。
引用
@article{arxiv.2207.07443,
title = {A 'one-size-fits-most' walking recognition method for smartphones, smartwatches, and wearable accelerometers},
author = {Marcin Straczkiewicz and Emily J. Huang and Jukka-Pekka Onnela},
journal= {arXiv preprint arXiv:2207.07443},
year = {2022}
}
备注
39 pages, 4 figures (incl. 1 supplementary), and 5 tables (incl. 2 supplementary)