基于注意力 LSTM 的步数计数

身体活动被公认为整体健康的重要组成部分。身体活动的一项度量指标——步数，是长期发病率和死亡率的已知预测因子。步数计数（SC）是指在特定时间和空间内自动计数个体所走的步数。由于智能手机和智能手表的普及，当前大多数 SC 方法依赖于这些设备内置的加速度计传感器。传感器信号作为多元时间序列进行分析，步数通过多种方法计算，如时域、频域、机器学习和深度学习方法。现有大多数方法依赖于将输入信号分窗、检测每窗中的步数并求和检测到的步数。然而，这些方法需要确定多个参数，包括窗大小。此外，现有大多数深度学习 SC 方法需要每一步的真实标签，标注繁琐且耗时。为规避这些要求，我们提出一种利用多对一注意力 LSTM 的新颖 SC 方法。所提出的 LSTM 网络将 SC 作为回归问题求解，以整个传感器信号为输入、步数为输出。分析表明，即使在缺乏真实标签的情况下，基于注意力的 LSTM 也能自动学习步数模式。在三个公开可用 SC 数据集上的实验结果表明，所提方法以较低的绝对平均误差值和较高的 SC 准确率成功计数步数。