Algorithmic study as a preliminary to the conception of ActivCollector's eMouve module: physical activity recognition thanks to smartphones in free-living conditions
"Etude algorithmique préliminaire" à la conception du module eMouve au sein d’ActivCollector : détection des activités physiques en conditions habituelles de vie à l’aide de smartphones
Résumé
Obesity and sedentary lifestyles are constantly increasing for many years. INRA currently uses expensive and/or complex methods in order to estimate energy expenditure in controlled conditions in laboratory or in free-living conditions. The aim of the project is to recognize low to moderate physical activities and to estimate volunteers’energy expenditure in free-living conditions. This is possible thanks to smartphones, well-spread into the population, which are equipped of a triaxial acceleromete. The activities studied in this project are: walking, running, walking up stairs, walking down stairs, sitting, standing and driving a car. To reach this goal innovative mathematical tools have been introduced and new algorithms are proposed. The obtained recognition percentages are satisfactory compared to the results of other publications which often used several research-accelerometers unavailable to the general public. Car driving was the activity the most badly recognized (36%) and running the best recognized (97%). On average, the model recognized 79.7% of the activities made by the volunteer. Moreover, the estimation of the energy expenditure seemed to be quite close to the estimations of the reference sensors Actiheart (less than 2% of difference) and farther from SenseWear Armband estimation (about 17% of difference).The next step consists in testing the model on the data of ten volunteers and improving it.
L’obésité et la sédentarité ne cessent de croître depuis plusieurs années. L’INRA dispose actuellement de méthodes coûteuses et/ou lourdes à mettre en oeuvre afin d’estimer la dépense énergétique en conditions contrôlée de laboratoire ou en conditions habituelles de vie. L’objectif de ce projet est de pouvoir reconnaître les activités physiques de faible et moyenne intensité et d’estimer la dépense énergétique des volontaires en conditions habituelles de vie. Ceci est possible grâce aux smartphones, largement répandus dans la population, qui sont équipés d'accéléromètres. Les activités étudiées sont la marche, la course, la montée et la descente d’escaliers, les postures « assis » et « debout statique » ainsi que la conduite automobile. Pour atteindre cet objectif il a été proposé des méthodes d'analyse des flux de données des accéléromètres ainsi que de nouveaux algorithmes. Les pourcentages de reconnaissances des activités obtenus sont satisfaisants au regard des résultats des autres publications, lesquelles utilisent souvent plusieurs accéléromètres non-disponibles auprès du grand public. La conduite automobile est l’activité que le modèle a le plus de mal à reconnaître (36%), tandis que la course est reconnue à 97%. En moyenne, le modèle reconnaît 79,7% des activités réalisées. D’autre part, notre estimation de la dépense énergétique semble assez proche des estimations des capteurs de référence Actiheart (moins de 2% d’écart) et plus éloigné de celle du SenseWear Armband (environ 17%).Le modèle devra prochainement être affiné et testé sur dix volontaires en conditions contrôlées.
Fichier principal
2012_R_Guidoux_EtudePreliminaireConceptionEMouve_1.pdf (2.35 Mo)
Télécharger le fichier
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|