Оценка смартфон на базе человеческой деятельности системы распознавания в повседневной жизни окружающей среды

Повсеместный зондирования стал привлекательным направлением исследований в связи с все более и более мощным, небольшой, низкого вычислений затрат и чувствуя ^{оборудование} 1. Мониторинг Мобильность помощи носимых датчиков породила большой интерес, так как микроэлектроника потребительского уровня способны обнаруживать характеристики движения с высокой точностью ^1. Признание Деятельность человека (HAR) с помощью носимых датчиков Недавнее область исследований, с предварительные исследования выполнены в 1980-х и 1990-х ^{2 – 4.}

Современные смартфоны содержат необходимые датчики и возможности вычисления в режиме реального времени для распознавания активности мобильность. Анализ на устройстве в режиме реального времени позволяет классификации активности и загрузки данных без вмешательства пользователя или следователь. Смартфон с программным обеспечением для анализа мобильность может обеспечить фитнес отслеживание, мониторинг здоровья, падение обнаружения, дома или автоматизации работы и самоуправляемых exercisе программы ^5. Смартфоны можно рассматривать инерционные платформы измерения для обнаружения мобильных деятельности и мобильные шаблоны на людях, используя созданные математические функции, рассчитанные сигнальные бортовыми выходов датчиков ^6. Общей чертой методов поколения включают эвристики, во временной области, частотной области, и вейвлет-анализа на основе подходов ^7.

Современные системы смартфона HAR показали высокие точности прогнозирования при обнаружении определенной деятельностью ^1,5,6,7. Эти исследования варьируются в методологии оценки, а также точности, так как большинство исследований имеют свой собственный набор обучения, экологических настройку и протокол сбора данных. Чувствительность, специфичность, точность, напомним, точность и F-счет, как правило, используется для описания качества прогнозирования. Тем не менее, практически нет информации доступно по методам "одновременно деятельности» признания и оценки способности обнаруживать изменения активности в режиме реального времени^1, для систем HAR, которые пытаются классифицировать ряд мероприятий. Методы оценки для точности системы HAR существенно различаются между исследованиями. Независимо от алгоритма классификации или прикладных функций, описания золотого стандарта методов оценки туманны для большинства исследований HAR.

Признание активность в повседневной среды обитания не широко изучаются. Большинство систем распознавания активности смартфон на основе оцениваются контролируемым образом, что приводит к протоколу оценки, что может быть выгодно алгоритма, а не реалистично к реальной среде. В их схеме оценки, участники часто выполняют только действия, предназначенные для прогнозирования, а не применяя широкий спектр реалистичных деятельности для участника выполнять последовательно, имитируя реальные события.

Некоторые смартфон HAR изучает ^8,9 групповые подобные мероприятия вместе, например, лестницах и ходьба, Но исключает другие мероприятия из набора данных. Точность прогноза определяется тогда, как хорошо алгоритм определил целевые мероприятия. Дернбах др. ⁹ были участники пишут деятельность они собирались выполнить, прежде чем перейти, прерывая непрерывные изменения в другом штате переходы. Оценки системы HAR следует оценить алгоритм, а участник выполняет природные действия в повседневной обстановке в гостиной. Это позволит оценку реальной жизни, который воспроизводит ежедневного использования приложения. Реалистичная схема включает в себя множество изменений в другом штате, а также сочетание действий не предсказуемы в системе. Следователь может затем оценить отклик алгоритма к этим дополнительным движений, таким образом, оценки надежности алгоритма аномальных движений.

Эта статья представляет собой переносной системы мониторинга мобильности (WMMS) протокол оценки который использует управляемое курс, который отражает реальные ежедневные условий жизни. WMMSоценка может быть сделана при контролируемых условиях, но реальных. В этом протоколе, мы используем третьего поколения WMMS, которая была разработана в Университете Оттавы и Оттавы больницы научно-исследовательского института ^11-15. WMMS был разработан для смартфонов с три-осевой акселерометр и гироскоп. Алгоритм мобильность приходится изменчивости пользователя, обеспечивает снижение количества ложных срабатываний для изменения правового государства идентификации и повышает чувствительность в деятельности категоризации. Минимизация ложных срабатываний важно, так как WMMS вызывает короткое запись видеоклипа, когда изменения деятельности государственных обнаружены, для контекстной оценки деятельности, что дополнительно улучшает WMMS классификации. Ненужные записи видео создает неэффективности хранения и использования батареи. Алгоритм WMMS структурирована в виде модели низкой вычислительной обучения и оценены с использованием различных уровней предсказание где увеличение уровня прогнозирования означает увеличение в размереиз узнаваемых действия.