普适性卧床姿势追踪
机器学习
2020-06-22 v1 机器学习
摘要
关于如何设计高效的卧床姿势追踪系统，研究上存在显著空白。这些空白可通过如下若干研究问题阐明。第一，我们能否设计一种单传感器、普适且廉价的系统来准确检测躺卧姿势？第二，哪些计算模型对准确检测躺卧姿势最有效？最后，传感器系统的何种物理配置对躺卧姿势追踪最有效？为回答这些重要研究问题，本文提出一种综合方法设计传感器系统，其使用单个加速度计配合机器学习算法进行卧床姿势分类。我们基于深度学习和带手工特征的传统分类设计了两类机器学习算法以检测躺卧姿势。我们还探究了哪些佩戴部位对准确检测躺卧姿势最有效。我们使用两个数据集在九个不同身体位置和四种人类躺卧姿势上广泛评估了所提算法的性能。我们的结果表明，带单个加速度计的系统可配合深度学习或传统分类器准确检测躺卧姿势。我们方法中最佳模型的F值介于95.2%至97.8%，变异系数为0.03至0.05。结果还确定大腿与胸部为躺卧姿势追踪最显著身体部位。本文发现表明，由于加速度计是 ubiquitous 且廉价的传感器，它们可成为普适监测卧床姿势的可行信息源。
引用
@article{arxiv.2006.10931,
title = {Pervasive Lying Posture Tracking},
author = {Paratoo Alinia and Ali Samadani and Mladen Milosevic and Hassan Ghasemzadeh and Saman Parvaneh},
journal= {arXiv preprint arXiv:2006.10931},
year = {2020}
}