基于智能手机的活动识别中利用 movelet 融合加速度计与陀螺仪数据

身体活动模式可反映患者的健康状况。传统上，活动数据通过患者自我报告收集。然而，这些主观数据可能存在偏倚，且难以长时间收集。智能手机为应对这些挑战提供了机会。智能手机内置的传感器可被编程以客观、无干扰且连续地收集数据。由于其广泛普及，智能手机也为大多数人群所可及。基于智能手机的活动识别中的一个主要挑战是，从多个传感器中最优地提取信息以识别不同活动的独特特征。在我们的研究中，我们分析了由加速度计和陀螺仪收集的数据，它们分别测量手机加速度和角速度。我们提出了一种“movelet 方法”的扩展，联合纳入两种传感器。我们还将这种联合传感器方法应用于我们之前收集的数据集。结果表明，融合两个传感器的数据比单独使用每个传感器能获得更准确的活动识别。例如，联合传感器方法减少了仅用陀螺仪的方法在区分站立与坐下时的误差，也减少了仅用加速度计的方法在分类剧烈活动时的误差。