可穿戴传感器与视频数据采集用于人体运动分类的考察
计算机视觉与模式识别
2023-07-11 v1
摘要
惯性测量单元（IMU）等可穿戴传感器常用于评估人体运动表现。常见方法使用基于领域专家知识的手工特征或利用时间序列分析自动提取的特征。达到高分类准确率需要多个传感器，这并不实用。这些传感器需要校准与同步，并可能在较长时间使用时引起不适。近期利用计算机视觉技术的工作表明，使用视频可获得相似性能，且无需手动特征工程，并避免了如传感器校准与身体佩戴等一些问题。本文中，我们在两个由 Military Press 和划船运动组成的真实数据集上，比较了IMU与基于视频的人体运动分类方法的性能。我们比较了使用单摄像头正面视图捕获视频与使用佩戴于身体不同部位的5个IMU的性能。我们观察到，基于单摄像头的方法平均可比单个IMU高出10个百分点。此外，至少需要3个IMU才能优于单摄像头。我们观察到，使用多元时间序列分类器处理原始数据优于基于手工或自动提取特征的传统方法。最后，我们展示了结合单摄像头与单个IMU数据的集成模型优于任一数据模态。我们的工作为该应用开辟了更新且更现实的途径，即使用易得的智能手机摄像头捕获的视频结合单个传感器，可用于有效的人体运动分类。
引用
@article{arxiv.2307.04516,
title = {An Examination of Wearable Sensors and Video Data Capture for Human Exercise Classification},
author = {Ashish Singh and Antonio Bevilacqua and Timilehin B. Aderinola and Thach Le Nguyen and Darragh Whelan and Martin O'Reilly and Brian Caulfield and Georgiana Ifrim},
journal= {arXiv preprint arXiv:2307.04516},
year = {2023}
}