RunnerDNA：刻画人类活动模式与个体差异的可解释指标及模型
计算机与社会
2022-01-20 v1
摘要
基于传感器数据的人体活动分析在行为感知、人机交互、医疗保健等方面发挥着重要作用。当前研究集中于在活动模式层面识别人体活动与姿态，忽视了多传感器数据的有效融合以及在个体层面评估不同运动风格，从而给区分相同运动中的不同个体带来了挑战。在本研究中，提出了由平衡、步幅、转向、稳定性和幅度五个可解释指标构成的RunnerDNA概念，用于在个体层面描述人体活动。我们收集了33名从事步行、跑步和骑行等体育活动的志愿者的智能手机多传感器数据，并将数据计算为RunnerDNA的五个指标。随后利用这些指标构建随机森林模型，识别运动活动及用户身份。结果表明，所提模型在识别活动方面具有较高准确率（准确率0.679），并且在预测跑步用户身份方面同样有效。此外，通过结合RunnerDNA与速度和加速度两个运动特征指标，人体活动识别模型的准确率得到显著提升。结果表明，RunnerDNA是描述个体体育活动并帮助我们理解运动风格个体差异的有效方式，并且发现了男女在平衡和幅度上的显著差异。
引用
@article{arxiv.2201.07370,
title = {RunnerDNA: Interpretable indicators and model to characterize human activity pattern and individual difference},
author = {Yao Yao and Zhuolun Wang and Peng Luo and Hanyu Yin and Ziqi Liu and Jiaqi Zhang and Nengjing Guo and Qingfeng Guan},
journal= {arXiv preprint arXiv:2201.07370},
year = {2022}
}
备注
28 pages, 6 tables, 1 figures