Articolul de cercetare original

  • Articol complet
  • Cifre și date
  • Referințe
  • Citații
  • Valori
  • Licențierea
  • Reimprimări și permisiuni
  • PDF

Abstract

Informațiile referitoare la cheltuielile noastre calorice totale zilnice sunt utile de știut, dar dificil de obținut. Cea mai simplă modalitate de estimare a cheltuielilor energetice totale zilnice ale unui individ este de a calcula rata metabolică bazală (BMR), care este cantitatea de energie pe care o persoană o arde când este în activitate sedentară. Atunci când o persoană efectuează activități sau exerciții suplimentare, cantitatea suplimentară de energie poate fi estimată și adăugată deasupra BMR. De obicei, BMR poate fi estimat cu date fizice, cum ar fi vârsta, greutatea și înălțimea. Prin urmare, problema este estimarea redusă a consumului de calorii datorită activității fizice zilnice. Apoi, BMR și cheltuielile fizice cu calorii pot fi însumate pentru a obține cheltuielile zilnice totale de calorii. Astfel, cercetătorii folosesc de obicei metode de detectare a activității fizice umane.

complet

Informații despre activitatea fizică zilnică a omului au fost explorate în mai multe domenii, inclusiv în domeniul sănătății, pentru consilierea pacienților cu probleme cronice de sănătate. În trecut, era obișnuit să ne observăm propriul tipar de activitate zilnică și să luăm notițe într-un jurnal de bord. Progresele în tehnologia informației permit o monitorizare sistematică a activităților noastre folosind software de calculator bazat pe intrările noastre manuale. În zilele noastre, există dispozitive electronice, cum ar fi accelerometrele, monitoarele de ritm cardiac și pedometrele, disponibile pentru a fi purtate sau atașate corpului pentru a obține automat date despre activitatea fizică și biologică. Unele dintre aceste dispozitive pot transmite date fără fir în timp real.

Tendințele actuale arată că telefoanele inteligente au devenit mai omniprezente și mai accesibile. Fiecare telefon inteligent de astăzi conține o varietate de senzori, dintre care unul este accelerometrul. O aplicație obișnuită și foarte utilă a accelerometrului este un podometru care continuă să actualizeze distanța și numărul de pași. O simplă aplicație pedometru se bazează pe integrala dublă a datelor de accelerație. Această tehnică este denumită calculul mort. Atunci când este combinat periodic cu actualizări GPS, poate oferi o actualizare mai precisă a numărului de pași și a distanței (1).

În plus față de numărul de pași, accelerometrele pot fi aplicate în continuare pentru clasificarea activității. Zhang și colab. (2) a adoptat o clasificare ierarhică, care a fost apoi urmată de două clasificatoare ale mașinilor vectoriale de suport multiclas (SVM). Au fixat un telefon inteligent pe talia utilizatorului și au clasificat activitatea în șase clase: șezut, în picioare, culcat, mers, tranziție posturală și mișcare ușoară. Lee și Cho (3) au propus un model probabilistic ierarhic pentru a clasifica activitățile unui utilizator. Aceștia au folosit modelul Markov ascuns continuu și discret (HMM) pe 5 secunde de date de accelerație. Au clasificat acest lucru în patru acțiuni: ridicați-vă, mergeți, scări în sus/jos și alergați. Apoi, au evaluat o serie de acțiuni în cele trei activități ale unui utilizator: cumpărături, luarea unui autobuz și mersul pe jos. Taylor și colab. (4) a analizat o serie de clasificatoare de activitate pe telefoanele inteligente special pentru activități sportive. Au descoperit că spectacolele depind de o serie de factori, cum ar fi locațiile și orientările telefonului. În plus, au demonstrat că performanța acestor clasificatori de activitate poate fi degradată dacă definițiile activității nu au fost înțelese în același mod între utilizatori și dezvoltatori.

La conferința i-CREATEe 2012, Chinrungrueng și Sartsatit au propus să efectueze detectarea activității folosind telefoane inteligente (5). Activitatea a fost clasificată în patru tipuri: dormit, odihnă, mers pe jos și conducere. Clasificarea a fost efectuată cu semnalul obținut folosind accelerometrul și senzorii GPS pe telefoanele inteligente Android. Autorii au adoptat cadrul Mathie (6) al unei clasificări simple de arbori binari și l-au implementat pe telefoanele inteligente Android. Rezultatele clasificării obținute au fost mai mari de 95%. Cu toate acestea, au prezentat doar metoda de clasificare și au definit vag aplicațiile relevante și au efectuat doar câteva teste de bază.

În această lucrare, este propus un algoritm de detectare a activității, cu accent pe detectarea activității fizice într-un număr de clase principale, pentru a obține o estimare automată a cheltuielilor calorice zilnice. Informațiile pot permite utilizatorilor să își monitorizeze comportamentul personal și să facă orice ajustări adecvate, astfel încât utilizatorii să își poată îmbunătăți starea de sănătate și să evite o viață sedentară. Instrumentul de clasificare propus de Chinrungrueng și Sartsatit (5) pe telefoanele inteligente Android este extins și axat pe furnizarea utilizatorilor cu o clasificare a activității fizice în următoarele patru clase de bază: somn, odihnă, plimbare și alergare. Instrumentul va oferi acces automat la următoarele informații specifice: cheltuieli energetice zilnice, durata activității, distanța de mers și alergare și numărul de pași și alergare. Activitatea fizică este reprezentată de patru clase de bază, deoarece acestea pot oferi utilizatorilor idei despre cât de activi sau inactivi sunt. Alte activități, cum ar fi vizionarea la televizor, jogging și practicarea diferitelor sporturi, pot fi grupate foarte bine în clasele noastre de bază, în funcție de nivelul intens de activitate pe care îl au. Definițiile acestor clase sunt definite după cum urmează:

Metodă

Accelerometru și clasificarea activității

Se așteaptă ca tehnicile de detectare a activității care utilizează telefoane inteligente să varieze foarte mult și să depindă de mulți factori, cum ar fi algoritmi, tipuri de activitate, medii, telefoane inteligente și chiar utilizatori. Pentru a face un telefon inteligent util pentru detectarea activității, un algoritm simplu de detectare a activității fizice ar trebui să funcționeze foarte bine într-un mediu de viață liberă și cu diverse telefoane inteligente.

Obiectivul acestei lucrări este clasificarea activității în următoarele patru clase: somn, odihnă, plimbare și alergare. Aceste patru activități fizice pot reprezenta foarte bine activitatea fizică zilnică a omului pe baza nivelului de vigoare de la cel mai mic la cel mai mare. Când se obține o estimare a cheltuielilor energetice zilnice umane, nu este necesar să se detecteze activitatea exactă, ci doar clasele de activități care reprezintă același nivel de vigoare.

Clasificarea urmează un arbore binar simplu adaptat de la platforma generică a lui Mathie (6) așa cum se arată în Figura 1. Toate deciziile luate se bazează pe răspunsuri da/nu. Detalii despre clasificare pot fi găsite în (5). Algoritmul abordează următoarele trei probleme importante.

Sensibilitatea accelerometrului variază între diferite telefoane. Un algoritm nu poate aplica pur și simplu un prag fix obținut pe un anumit telefon. Obținerea unui prag mediu adevărat va presupune obținerea tuturor telefoanelor inteligente disponibile pe piață, urmată de găsirea pragului adecvat fiecărui telefon și calcularea mediei. În plus, atunci când sunt disponibile telefoane noi, vor trebui calculate noi medii care să includă aceste telefoane noi. Pragurile trebuie să fie diferite și adaptate pentru diferite telefoane. Prin urmare, procesarea semnalelor de varianță trebuie să permită găsirea automată a pragurilor de varianță a semnalului.

Cel mai bine este să nu porniți întotdeauna accelerometrul, deoarece acesta va epuiza rapid bateria telefonului. Prin urmare, este mai bine să aplicați periodic accelerometrul și să extrapolați activitatea utilizatorului.

Interpretarea greșită a semnalului fals trebuie filtrată și un algoritm trebuie să detecteze doar activitatea principală reală și nu activitatea cauzată de schimbarea rare a posturii.