利用智能手机传感器数据从人体步态预测生理指标发展
信号处理
2017-12-22 v1
摘要
冠心病、心力衰竭、心绞痛和糖尿病是全球发病与死亡的主要原因。生活方式改变、不良饮食习惯、衰老和肥胖加剧了罹患此类疾病的易感性。此外，传统诊断方法在早期发现此类病症方面能力有限。这催生了对能够高效监测并预测体内致病行为的自动推荐系统的需求。为此，我们提出通过人体步态分析来预测与不同疾病相关的两个重要生理参数：身体质量指数和年龄。通过主动刻画步态样本来预测年龄和身体质量指数，可进一步用于提供合适的健康建议。然而，现有预测年龄和身体质量指数的策略需要严格的实验设置才能达到适当性能。例如，近期利用精确记录的语音信号预测不同受试者的身体质量指数；类似地，通过记录来自身上及可穿戴传感器的步态样本预测年龄组。此类专门方法限制了人体年龄和身体质量指数的主动、便捷刻画。我们引入智能手机传感器作为记录步态信号的方式来解决这些问题。利用机载加速度计和陀螺仪有助于开发易用且可及的系统来预测身体质量指数和年龄。为实证展示所提方法的有效性，我们从63名不同受试者处收集步态样本，并使用六种知名机器学习分类器按身体质量指数和年龄组进行分类。我们使用两种不同的加窗操作进行特征提取，即高斯窗和平方窗，对系统进行了评估。
引用
@article{arxiv.1712.07958,
title = {Predicting physiological developments from human gait using smartphone sensor data},
author = {Umair Ahmed and Muhammad Faizyab Ali and Kashif Javed and Haroon Atique Babri},
journal= {arXiv preprint arXiv:1712.07958},
year = {2017}
}