利用音频数据预测户外跑步条件下的疲劳
声音
2022-05-10 v1 机器学习
音频与语音处理
摘要
尽管跑步是一种常见的休闲活动，也是若干运动员的核心训练项目，但每年有29%至79%的跑者遭受过度使用损伤。这些损伤与过度疲劳有关，后者会改变跑者的跑步方式。在这项工作中，我们探索了利用附着在跑者手臂上的智能手机在真实户外环境中捕获的音频数据，对Borg主观疲劳感知量表（RPE，范围：[6-20]，一种经过充分验证的疲劳主观度量）进行建模的可行性。我们在log-Mel谱图上使用卷积神经网络（CNNs），在受试者依赖实验中获得了2.35的平均绝对误差，表明音频可有效用于建模疲劳，且相比其他传感器信号更易于以非侵入方式获取。
引用
@article{arxiv.2205.04343,
title = {Fatigue Prediction in Outdoor Running Conditions using Audio Data},
author = {Andreas Triantafyllopoulos and Sandra Ottl and Alexander Gebhard and Esther Rituerto-González and Mirko Jaumann and Steffen Hüttner and Valerie Dieter and Patrick Schneeweiß and Inga Krauß and Maurice Gerczuk and Shahin Amiriparian and Björn W. Schuller},
journal= {arXiv preprint arXiv:2205.04343},
year = {2022}
}
备注
Paper accepted at IEEE EMBC 2022. Rights remain with IEEE