摘要:姿势分配和活动的监测使能量消耗的准确估计成为可能,这样会有助于肥胖的预防和治疗。目前,精确器件依靠分布在身体的多个传感器实现,这在日常生活中使用不太合适。Edward S. Sazonov教授等人,使用一种新型的可穿戴式传感器,它能够非常准确的识别常见的姿势和活动。
基于鞋的传感器虽然已被用于几项研究,但这些研究的重点是检测步态特征,而不是分类活动或估计能量消耗。许多现有的方法都要求相对较高的采样频率来提高识别精度,但这样会要求更高功耗的可穿戴传感器和计算平台。Edward S. Sazonov教授等人提出的可穿戴设备解决了所有这些问题。它可以完美的融入鞋中,集中在身体的一个(或两个)位置,这便于在日常生活中使用。同时鞋子是基于两个传感器的组合形式:加速度和压力,这两个模式的组合唯一地标识了许多不同的姿势和活动,从而减少了计算负担。
每双鞋包含五个力敏电阻,结合智能鞋垫分布在足跟、跖骨、拇指上,这样的定位可以分化步态周期的不同阶段,如接触阶段,站立阶段,推进阶段。为了节省电力,压力传感器只在测量的时间打开,提供运动信息的三维加速度计不断电。电池等其他的设备安装在一块电路板并粘在鞋的后跟上。
实验数据是在九个测试者身上收集的,其中有三名男性,六名女性,所有的测试人员身体状况都维持在一个较好的范围内。实验中测试人员穿戴装备了传感器的鞋,记录了六大类姿势和运动的数据。分别是:1)坐,2)站,3)步行,4)上楼,5)下楼,6)骑自行车。
实验数据经过归一化的预处理和四折交叉验证,最终运用matlab上的svm包进行分类。Edward S. Sazonov教授等人采取了两种对比的实验,分别针对每一类运动建立单独模型和对整个数据集建立组模型以及针对单个脚的数据建立模型和对双脚的数据建立模型。实验的结果显示单独模型的精度98.6±0.5%和组模型的精度95.2±3.5%相差并不大,同时单脚和双脚的精度也十分相近。
实验同时对传感器的组合进行了寻优,去除冗余的传感器。通过减少传感器的数量来降低数据率同时延长电池的寿命。实验一开始鞋垫的传感器组合为{Ph,P5m,P3m,P1m,Phx},通过逐步去除鞋垫上的每个传感器,寻找在精度不变或提高前提下的最优传感器组合,并不断迭代直到只剩下一个传感器,这样就可以筛选出最优的传感器组合。本实验最后的传感器组合为{Ph,P1m,Phx},具体步骤见下图。
Edward S. Sazonov教授等人提出的基于鞋的可穿戴式传感器系统能够有效的对不同的姿势和活动进行分类,并且易于在日常生活中使用。同时,该方法论证了组模型和单脚模型的可用性,对最优传感器组的寻找也提升了电池的使用寿命。所以,该系统有望在更多的领域得到运用。
参考文献:Sazonov E S, Fulk G, Hill J, et al. Monitoring of posture allocations and activities by a shoe-based wearable sensor[J]. IEEE transactions on bio-medical engineering, 2011, 58(4):983-90.