基于可穿戴传感器的人体物理活动识别
摘要
1.简介
2.传感器放置、数据预处理和分类技术的背景
2.1. 可穿戴传感器的放置
2.2. 预处理
2.2.1. 特征计算
时域功能
2.2.2. 功能选择
2.2.3. 特征提取
2.3. 分类技术
2.3.1. k-最近邻居
2.3.2. 支持向量机
2.3.3. 随机森林
2.3.4. 高斯混合模型
2.3.5. 聚类
2.3.6. 马尔可夫链和隐马尔可夫模型
2.3.7. 用于活动识别的其他分类技术
2.4. 讨论
3.方法
3.1. 数据采集
原始数据 从原始数据中提取/选择的特征集。
3.2. 分类器
3.2.1. 监督机器学习技术
对于RFs算法,唯一需要调整的参数是树的数量,可以通过将树的数量从1到100进行调整,并确定提供最佳准确率的树。 最好的树数是20棵。 对于SLGMM,使用12个对角线高斯的混合。 在训练阶段,使用适当的EM算法估计高斯分量的比例、平均向量和协方差矩阵。 在K-NN方法的情况下,由于要调整的唯一参数是K,将K从1变为20会导致最佳值K=1,从而获得最佳精度。
3.2.2. 无监督机器学习技术
在本研究中,使用HMM工具箱开发了具有GMM发射概率的HMM[ 81 ]. 然而,两个超参数被调整:状态数和混合数。 首先,由于数据集由12个活动组成,因此使用遍历拓扑将状态数设置为12。 然后,混合物的数量从1到4不等。 基于最佳准确率,使用2个对角高斯混合模型对状态进行建模。 在K-means算法的情况下,要估计的唯一参数是与活动数相对应的簇数(K=12)。 在GMM算法的情况下,与K-means算法的情况一样,唯一要估计的参数是混合物的数量,它对应于活动的数量。 使用了12个对角高斯函数的混合物。
3.3. 评价
4.实验结果
4.1. 案例1:原始数据
4.2. 案例2:从原始数据中提取/选择的要素集
提取了11个时域特征,即:均值、方差、中位数、四分位范围、偏斜度、峰度、均方根、过零、峰-峰、峰值因子和范围。 提取了FFT谱中的直流分量、能量谱、熵谱、小波系数和、小波系数平方和和和和以及小波系数能量的六个频域特征。
5.结论和未来工作
利益冲突
工具书类
Chan,M。; Estève,D。; Fourniols,J.-Y。; 埃斯克里巴,C。; Campo,E.智能可穿戴系统:现状和未来挑战。 Artif公司。 英特尔。 医学。 2012 , 56 , 137–156. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 滕,X.-F。; 张义堂。; Poon,首席执行官。; Bonato,P.用于P-health的可穿戴医疗系统。 IEEE Rev.生物识别。 工程师。 2008 , 1 , 62–74. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Preece,S.J.公司。; 古勒马斯,J.Y。; 肯尼,L.P。; 霍华德,D。; Meijer,K。; Crompton,R.使用车载传感器进行活动识别——分类技术综述。 生理学。 测量。 2009 , 30 . [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 帕特尔,S。; 帕克,H。; 博纳托,P。; 陈,L。; Rodgers,M.可穿戴传感器和系统在康复中的应用综述。 神经学杂志。 康复。 2012 , 9 . [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 阿尔顿,K。; Barshan,B。; Tunçel,O。使用微型惯性和磁性传感器对人类活动进行分类的比较研究。 模式识别。 2010 , 43 , 3605–3620. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 吉尔·T。; Keller,J.M。; D.T.安德森。; Luke,R.使用Microsoft Kinect传感器在体素空间中进行变化检测和人类识别的系统。 2011年10月11日至13日,美国华盛顿特区,应用图像模式识别研讨会(AIPR)会议记录。 Chamroukhi,F。; 穆罕默德,S。; 特拉贝尔西,D。; Oukhellou,L。; Amirat,Y.多变量时间序列的联合分割与隐藏过程回归用于人类活动识别。 神经计算 2013 , 120 , 633–644. [ 谷歌学者 ] [ 交叉参考 ] 高,L。; 布尔克,A。; Nelson,J.基于加速计的多传感器与单传感器活动识别系统的评估。 医学工程物理。 2014 , 36 , 779–785. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Chernbumroong,S。; 苍,S。; 阿特金斯,A。; Yu,H.用于辅助生活应用的老年人活动识别和分类。 支出系统。 申请。 2013 , 40 , 1662–1674. [ 谷歌学者 ] [ 交叉参考 ] 阿尔顿,K。; Barshan,B.使用惯性/磁性传感器单元进行人类活动识别。 在 人类行为理解 ; 施普林格:德国柏林,2010年; 第38-51页。 [ 谷歌学者 ] 麦克亚当斯,E.T。; Gehin,C。; 努里,N。; 拉蒙,C。; 诺库亚,R。; Massot,B。; 奥利维拉。; Dittmar,A。; Nugent,C.D。; McLaughlin,J.《环境辅助生活用生物医学传感器》。 在 生物医学传感、测量、仪器和系统的进展 ; 施普林格:德国柏林,2010年; 第240-262页。 [ 谷歌学者 ] 克莱兰德,I。; 基基亚,B。; Nugent,C。; Boytsov,A。; Hallberg,J。; Synnes,K。; 麦克莱恩,S。; Finlay,D.用于检测日常活动的加速计的最佳位置。 传感器 2013 , 13 , 9183–9200. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 纳杰菲,B。; Aminian,K。; Paraschiv-Ionescu,A。; Loew,F。; 布拉,C.J。; Robert,P.使用运动传感器进行人体运动分析的走动系统:监测老年人的日常身体活动。 IEEE传输。 生物识别。 工程师。 2003 , 50 , 711–723. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 博诺米,A.G。; A.戈利斯。; 尹,B。; Westerterp,K.R.使用加速计检测体力活动的类型、持续时间和强度。 医学科学。 体育锻炼。 2009 , 41 , 1770–1777. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Karantonis,D.M。; Narayanan,M.R。; 马蒂,M。; 新罕布什尔州洛弗尔。; Celler,B.G.使用三轴加速度计实现实时人体运动分类器,用于动态监测。 IEEE传输。 技术信息。 生物识别。 2006 , 10 , 156–167. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 杨,C.-C。; Hsu,Y.-L.基于加速计的可穿戴运动检测器用于身体活动监测的综述。 传感器 2010 , 10 , 7772–7788. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Parkka,J。; 埃姆斯,M。; 科尔皮帕,P。; Mantyjarvi,J。; 佩尔托拉,J。; Korhonen,I.使用可穿戴传感器的真实数据进行活动分类。 IEEE传输。 技术信息。 生物识别。 2006 , 10 , 119–128. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 马蒂,M。; 切勒,B.G。; 新罕布什尔州洛弗尔。; Coster,A.使用三轴加速度计对日常基本运动进行分类。 医学生物学。 工程计算。 2004 , 42 , 679–687. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Yeoh,W.S。; 佩克,I。; Yung,Y.-H。; 陈,X。; Waluyo,A.B.使用可穿戴加速度传感器对人体姿势和行走速度进行动态监测。 2008年8月20日至25日,美国不列颠哥伦比亚省温哥华市,2008年EMBS第30届IEEE国际年会,医学和生物学会工程学报; 第5184-5187页。 Yang,J.-Y。; Wang,J.-S。; Chen,Y.-P.使用加速度测量进行活动识别:构建神经分类器的有效学习算法。 模式记录。 莱特。 2008 , 29 , 2213–2220. [ 谷歌学者 ] [ 交叉参考 ] Pirttikangas,S。; 藤波,K。; Nakajima,T.可穿戴传感器的特征选择和活动识别。 在 无处不在的计算系统 ; 施普林格:德国柏林,2006年; 第516–527页。 [ 谷歌学者 ] Olguín,D.O。; Pentland,A.S.人类活动识别:可穿戴传感器通用位置的准确性。 2006年10月11日至14日,瑞士蒙特勒,第十届IEEE可穿戴计算机国际研讨会论文集。 Lyons,G。; 库哈内,K。; 希尔顿。; 格雷斯·P。; Lyons,D.基于加速度计的机动性监测技术的描述。 医学工程物理。 2005 , 27 , 497–504. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Salarian,A。; Russmann,H。; 芬格霍茨,F.J。; Burkhard,P.R。; Aminian,K。帕金森病患者体力活动的动态监测。 IEEE传输。 生物识别。 工程师。 2007 , 54 , 2296–2299. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Gjoreski,H。; 卢斯特雷克,M。; Gams,M.用于姿势识别和坠落检测的加速计位置。 2011年7月25日至28日,英国诺丁汉,2011年第七届智能环境国际会议(IE)会议记录; 第47-54页。 巴亚特,A。; 彭普伦,M。; Tran,D.A.使用智能手机的加速度计数据进行人类活动识别的研究。 已处理。 计算。 科学。 2014 , 34 , 450–457. [ 谷歌学者 ] [ 交叉参考 ] Moncada-Torres,A。; Leuenberger,K。; Gonzenbach,R。; 卢夫特,A。; Gassert,R.根据不同解剖位置的惯性和气压传感器进行活动分类。 生理学。 测量。 2014 , 35 . [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 古普塔,P。; Dallas,T.使用单三轴加速度计的特征选择和活动识别系统。 IEEE传输。 生物识别。 工程师。 2014 , 61 , 1780–1786. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Garcia-Ceja,E。; 布伦娜,R.F。; 卡拉斯科·希门尼斯,J.C。; Garrido,L.从腕表加速计数据进行长期活动识别。 传感器 2014 , 14 , 22500–22524. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 马萨诸塞州,F。; Gonzenbach,R.R。; Arami,A。; Paraschiv-Ionescu,A。; 卢夫特,A.R。; Aminian,K。使用可穿戴式气压传感器改善活动受损中风患者的活动识别。 《神经科学杂志》。 雷哈比尔。 2015 , 12 . [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Raj,A。; Subramanya,A。; 福克斯,D。; Bilmes,J.Rao-Blackwellized粒子过滤器,用于识别可穿戴传感器的活动和空间背景。 在 实验机器人 ; 施普林格:德国柏林,2008年; 第211-221页。 [ 谷歌学者 ] 莫里洛,D.S。; Ojeda,J.L.R。; Foix,L.F.C.公司。; Jiménez,A.L.一种基于加速计的睡眠呼吸暂停筛查设备。 IEEE传输。 技术信息。 生物识别。 2010 , 14 , 491–499. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Kuo,Y.-L。; 库哈内,K.M。; 托马森,P。; Tirosh,O。; Baker,R.测量脑瘫儿童的步行距离和步数:两个便携式活动监测仪的评估。 步态 2009 , 29 , 304–310. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] H.B.Menz。; S.R.勋爵。; Fitzpatrick,R.C.行走稳定性的年龄相关差异。 年龄老化 2003 , 32 , 137–142. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 朴智星。; Kim,H.J。; Kang,S.-J.AMP331监测仪用于评估自由活动的能量消耗的验证。 Res.Quart公司。 行使。 体育 2006 , 77 ,A40。 [ 谷歌学者 ] 罗诺,C.A。; Cho,S.-B.使用带有两阶段连续隐马尔可夫模型的智能手机传感器进行人类活动识别。 2014年8月19日至21日,中国厦门,2014年第十届国际自然计算会议(ICNC)会议记录; 第681-686页。 Peetoom,K.K。; Lexis,文学硕士。; Joore,M。; 德克森,C.D。; De Witte,L.P.关于独立生活老年人监测技术及其结果的文献综述。 解除武装、康复、协助。 Technol公司。 2014 , 10 , 271–294. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 法林顿,J。; A.J.摩尔。; Tilbury,N。; Church,J。; Biemond,P.D.穿戴式传感器徽章和传感器夹克,用于环境感知。 第三届可穿戴计算机国际研讨会论文集,1999年论文摘要,1999年10月18日至19日,美国加利福尼亚州旧金山; 第107–113页。 Bouten,C.V.公司。; Koekkoek,K.T。; Verduin,M。; 柯德,R。; Janssen,J.D.用于评估日常体力活动的三轴加速度计和便携式数据处理装置。 IEEE传输。 生物识别。 工程师。 1997 , 44 , 136–147. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 菲戈,D。; P.C.迪尼兹。; 费雷拉博士。; Cardoso,J.M.从加速计数据进行上下文识别的预处理技术。 个人无处不在的计算。 2010 , 14 , 645–662. [ 谷歌学者 ] [ 交叉参考 ] 奥本海姆公司。; R.W.Schafer。; 巴克,J.R。 离散时间信号处理 ; 普伦蒂斯大厅:美国新泽西州上鞍河,1989年。 [ 谷歌学者 ] Nham,B。; Siangluue,K。; 杨,S。 从Iphone加速度计数据预测传输模式 ; 技术报告; 斯坦福大学:美国加利福尼亚州斯坦福,2008年。 [ 谷歌学者 ] Ho,J.J.C.中断:使用活动转换触发主动消息。 麻省理工学院硕士论文,马萨诸塞州坎布里奇,美国,2004年8月。 [ 谷歌学者 ] Bao,L。; Intille,S.S.根据用户公布的加速度数据进行活动识别。 在 普适计算 ; 施普林格:德国柏林,2004年; 第1-17页。 [ 谷歌学者 ] Preece,S.J.公司。; 古勒马斯,J.Y。; 肯尼,L.P。; Howard,D.从加速度计数据中分类动态活动的特征提取方法的比较。 IEEE传输。 生物识别。 工程师。 2009 , 56 , 871–879. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 盖恩,I。; Elisseeff,A.变量和特征选择简介。 J.马赫。 学习。 物件。 2003 , 三 , 1157–1182. [ 谷歌学者 ] 刘,H。; Yu,L.走向将特征选择算法集成到分类和聚类中。 IEEE传输。 知识。 数据工程。 2005 , 17 , 491–502. [ 谷歌学者 ] Kohavi,R。; John,G.H.Wrappers,用于特征子集选择。 Artif公司。 英特尔。 1997 , 97 , 273–324. [ 谷歌学者 ] [ 交叉参考 ] Das、S.过滤器、包装器和基于增强的混合功能用于特征选择。 2001年6月28日至7月1日在美国马萨诸塞州威廉斯敦举行的第十八届国际机器学习会议(ICML 2001)的会议记录; 第74-81页。 张,M。; Sawchuk,A.A.使用可穿戴多模式传感器进行人类活动识别的基于特征选择的框架。 第六届身体区域网络国际会议论文集:ICST(计算机科学、社会信息和通信工程研究所),中国北京,2011年11月7日至8日; 第92-98页。 鱼类,B。; A.Khan。; 新罕布什尔州切哈德。; Chien,C。; Pottie,G.基于互信息的特征选择用于人类活动识别。 2012年3月25日至30日,在日本京都举行的2012年IEEE声学、语音和信号处理国际会议(ICASSP)论文集; 第1729-1732页。 Chau,T.步态数据分析技术综述。 第1部分:模糊、统计和分形方法。 步态姿势 2001 , 13 , 49–66. [ 谷歌学者 ] [ 交叉参考 ] 马丁内斯,A.M。; 卡克,A.C.Pca与lda。 IEEE传输。 模式分析。 机器。 英特尔。 2001 , 23 , 228–233. [ 谷歌学者 ] [ 交叉参考 ] 杜达,R.O。; 哈特,体育。; D.G.斯托克。 模式分类 ; 约翰·威利父子公司:美国马萨诸塞州马尔登,1999年。 [ 谷歌学者 ] 克劳斯,A。; Siewiorek,D.P。; Smailagic,A。; Farringdon,J.可穿戴计算中生理和活动背景的无监督动态识别。 《2012年第16届可穿戴计算机国际研讨会论文集:IEEE计算机学会》,美国纽约州怀特普莱恩斯,2003年10月21日至23日; 第88页。 胡ỳnh,T。; Schiele,B.使用多特征空间对活动数据中的结构进行无监督发现。 在 位置和上下文意识 ; 施普林格:德国柏林,2006年; 第151-167页。 [ 谷歌学者 ] A.R.韦伯。 统计模式识别 ; 约翰·威利父子公司:美国马萨诸塞州马尔登,2003年。 [ 谷歌学者 ] 西奥多里迪斯,S。; Pikrakis,A。; Koutroumbas,K。; 卡沃拉斯,D。 模式识别导论:Matlab方法 ; 学术出版社:Waltham,NA,USA,2010年。 [ 谷歌学者 ] 瓦普尼克,V。 统计学习理论的本质 ; 施普林格:德国柏林,2000年。 [ 谷歌学者 ] 关于语音识别中隐藏马尔可夫模型和选定应用的教程。 程序。 电气与电子工程师协会 1989 , 77 , 257–286. [ 谷歌学者 ] [ 交叉参考 ] Trabelsi博士。; 穆罕默德,S。; Chamroukhi,F。; Oukhellou,L。; Amirat,Y.一种基于隐马尔可夫模型回归的无监督自动活动识别方法。 IEEE传输。 自动。 科学。 工程师。 2013 , 10 , 829–835. [ 谷歌学者 ] [ 交叉参考 ] Foerster,F。; Smeja,M。; Fahrenberg,J.通过加速计检测姿势和运动:动态监测的验证研究。 计算。 嗯。行为。 1999 , 15 , 571–583. [ 谷歌学者 ] [ 交叉参考 ] Foerster,F。; Fahrenberg,J.运动模式和姿势:通过校准的加速计进行正确评估。 行为。 研究方法。 仪器。 计算。 2000 , 32 , 450–457. [ 谷歌学者 ] [ 交叉参考 ] 张,T。; Wang,J。; 徐,L。; Liu,P.使用可穿戴传感器和NMF算法实现动态坠落检测。 在 自然计算的进展 ; 施普林格:德国柏林,2006年; 第488-491页。 [ 谷歌学者 ] 肖尔科夫,B。; A.J.斯莫拉。 使用内核学习:支持向量机、正则化、优化及其他 ; 麻省理工学院出版社:剑桥,马萨诸塞州,美国,2001年。 [ 谷歌学者 ] Cover,T.M.线性不等式组的几何和统计性质及其在模式识别中的应用。 IEEE传输。 电子。 计算。 1965 , EC-14型 , 326–334. [ 谷歌学者 ] [ 交叉参考 ] Huynh,T。; Schiele,B.减少可穿戴传感器对活动识别的监督。 2006年10月11日至14日在瑞士蒙特勒举行的第十届IEEE可穿戴计算机国际研讨会论文集; 第3-10页。 克劳斯,A。; 伊米格,M。; 兰金,E。; Leong,D。; 古普塔,S。; Siewiorek,D。; Smailagic,A。; Deisher,M。; Sengupta,U.权衡上下文可穿戴计算的预测精度和功耗。 2005年10月18-21日,日本大阪,2005年第九届IEEE可穿戴计算机国际研讨会论文集; 第20-26页。 杜卡斯,C。; Maglogiannis,I.基于动作和声音数据的高级患者或老年人跌倒检测。 2008年1月30日至2月1日,斐兰德坦佩雷,PervasiveHealth,2008年第二届医疗保健普及计算技术国际会议论文集; 第103–107页。 布雷曼,L。; 弗里德曼,J。; 斯通,C.J。; 奥申,R.A。 分类和回归树 ; CRC出版社:美国佛罗里达州博卡拉顿,1984年。 [ 谷歌学者 ] 贝多尼,L。; Di Felice,M。; 博诺尼,L.坐火车还是开车? 通过智能手机传感器数据检测用户的运动类型。 2012年11月21日至23日,爱尔兰都柏林,2012年IFIP无线日(WD)会议记录; 第1-6页。 邓普斯特,A.P。; 新墨西哥州莱尔德。; Rubin,D.B.通过EM算法获得不完整数据的最大似然。 J.Royal Stat.Soc.系列。 B(方法学) 1977 , 39 , 1–38. [ 谷歌学者 ] Mannini,A。; Sabatini,A.M.从体内加速计中分类人类体力活动的机器学习方法。 传感器 2010 , 10 , 1154–1175. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Ong,W.-H。; Koseki,T。; Palafox,L.人类活动检测和识别的无监督方法。 国际期刊模拟。 系统。 科学。 Technol公司。 2013 , 14 . [ 谷歌学者 ] [ 交叉参考 ] 科通,P。; 关于G.L。; Maida,G。; Morana,M.环境智能场景中用于活动识别的运动传感器。2013年3月18日至22日,美国加利福尼亚州圣地亚哥,IEEE普及计算和通信研讨会(PERCOM研讨会)会议记录; 第646–651页。 Forney,G.D.,Jr.维特比算法。 IEEE程序。 1973 , 61 , 268–278. [ 谷歌学者 ] [ 交叉参考 ] Lester,J。; 乔杜里,T。; 科恩,N。; 博列洛,G。; Hannaford,B.人类活动建模的一种混合判别/生成方法。 2005年7月30日至8月5日在英国爱丁堡举行的IJCAI'05第19届国际人工智能联合会议记录; 第766–772页。 K.V.拉尔霍温。; 盖勒森,H.-W。; Malliaris,Y.G.使用可穿戴传感器节点进行长期活动监测。 2006年4月3日至5日,美国马萨诸塞州剑桥市,2006年BSN 2006年可穿戴和可植入人体传感器网络国际研讨会论文集。 Lukowicz,P。; Ward,J.A。; Junker,H。; Stäger,M。; Tröster,G。; 阿特拉什,A。; Starner,T.使用身体磨损的麦克风和加速计识别车间活动。 在 普适计算 ; 施普林格:德国柏林,2004年; 第18-32页。 [ 谷歌学者 ] Ward,J.A。; Lukowicz,P。; Troster,G。; Starner,T.E.使用车载麦克风和加速计对装配任务进行活动识别。 IEEE传输。 模式分析。 机器。 英特尔。 2006 , 28 , 1553–1567. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 用于matlab的隐马尔可夫模型(hmm)工具箱。 在线可用: 网址:http://www ai-mit教育/~murphyk/Software/HMM/HMM html (2015年12月9日查阅)。 Boyle,J。; 卡鲁纳内蒂,M。; Wark,T。; Chan,W。; Colavitti,C.量化慢性病管理的功能性活动进展。 2006年8月30日至9月3日在美国纽约州纽约市举行的2006年第28届医学和生物学会工程国际年会(EMBS’06)会议记录; 第5916–5919页。 库哈内,K。; 莱昂斯,G。; 希尔顿。; 格雷斯,P。; Lyons,D.在临床环境中使用加速计对老年人进行长期运动监测。 临床。 雷哈比尔。 2004 , 18 , 335–343. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 纳杰菲,B。; Aminian,K。; Loew,F。; 布兰科,Y。; Robert,P.A.使用微型陀螺仪测量站立和坐姿转换及其在老年人跌倒风险评估中的应用。 IEEE传输。 生物识别。 工程师。 2002 , 49 , 843–851. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 布尔克,A。; O'donovan,K。; Olaighin,G.使用惯性传感器识别垂直速度剖面,以研究坠落的碰撞前检测。 医学工程物理。 2008 , 30 , 937–946. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Marin-Perianu,M。; Lombriser,C。; Amft,O。; Havinga,P。; Tröster,G.使用模糊无线传感器网络进行分布式活动识别。 在 传感器系统中的分布式计算 ; 施普林格:德国柏林,2008年; 第296–313页。 [ 谷歌学者 ] 麦克莱兰,J.L。; Rumelhart,D.E。; 集团,P.R。 并行分布式处理:认知微观结构的探索 ; 麻省理工学院出版社:剑桥,马萨诸塞州,美国,1986年; 第2卷。 [ 谷歌学者 ] Maurer,美国。; 罗,A。; Smailagic,A。; Siewiorek,D.使用eWatch进行位置和活动识别:可穿戴传感器平台。 在 日常生活中的环境智能 ; 施普林格:德国柏林,2006年; 第86–102页。 [ 谷歌学者 ] 拉维,N。; 北丹德卡。; 迈索尔,P。; Littman,M.L.加速度计数据的活动识别。 2005年7月9日至13日在美国马萨诸塞州匹兹堡举行的IAAI'05第17届人工智能创新应用会议记录; 第1541–1546页。 法伦伯格,J。; 马勒,W。; Foerster,F。; Smeja,M.对体力活动的多渠道调查。 《心理生理学杂志》。 1996 , 10 , 209–217. [ 谷歌学者 ] Lee,S。; 帕克,H。; 洪,S。; Lee,K。; Kim,Y.使用三轴加速度计进行活动分类的研究。 2003年9月17日至21日在墨西哥坎昆举行的第25届医学和生物学会工程国际年会论文集; 第2941–2943页。 埃姆斯,M。; 帕克卡,J。; Mantyjarvi,J。; Korhonen,I.在受控和非受控条件下使用可穿戴传感器检测日常活动和运动。 IEEE传输。 技术信息。 生物识别。 2008 , 12 , 20–26. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 刘凯。; 刘,T。; 柴田,K。; Inoue,Y.使用可穿戴传感器系统对下肢3D姿势进行动态测量和分析。 2009年8月9日至12日在中国长春举行的2009年ICMA机电一体化和自动化国际会议记录; 第3065-3069页。 法夫尔,J。; 卢蒂,F。; Jolles,B。; Siegrist,O。; 纳杰菲,B。; Aminian,K。一种用于前交叉韧带损伤的三维膝关节运动学比较评估的新型步行系统。 膝关节外科。运动创伤。 关节。 2006 , 14 , 592–604. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Chang,C.-C。; Lin,C.-J.LIBSVM:支持向量机库。 ACM事务处理。 英特尔。 系统。 Technol公司。 (TIST) 2011 , 2 . [ 谷歌学者 ] [ 交叉参考 ]