基于智能手表的非结构化洗手动作识别以减少病原体接触传播
机器学习
2022-08-22 v4 人机交互
信号处理
摘要
世界卫生组织当前的指南指出，导致新型冠状病毒肺炎（COVID-19）的SARS-CoV-2冠状病毒通过呼吸道飞沫或接触传播。当被污染的手触摸口、鼻或眼的黏膜时即发生接触传播，因此手部卫生对于防止SARS-CoV-2及其他病原体的传播极为重要。包含加速度、旋转、磁场传感器等的可穿戴设备（如智能手表）的广泛普及，以及机器学习尤其是近年来的深度学习等现代人工智能技术，使得开发用于识别和分类人类活动（如行走、爬楼梯、跑步、拍手、坐、睡眠等）的精准应用成为可能。在本工作中，我们评估了一种基于机器学习的系统的可行性，该系统从智能手表等可穿戴设备采集的惯性信号出发，识别受试者何时在洗手或搓手。在两个不同数据集上获得的初步结果显示，深度学习和标准学习技术的分类准确率分别约为95%和94%。
引用
@article{arxiv.2107.13405,
title = {Unstructured Handwashing Recognition using Smartwatch to Reduce Contact Transmission of Pathogens},
author = {Emanuele Lattanzi and Lorenzo Calisti and Valerio Freschi},
journal= {arXiv preprint arXiv:2107.13405},
year = {2022}
}