Extraction of Behavioral Features from Smartphone and Wearable Data
Carnegie Mellon University(卡内基梅隆大学);University of Washington(华盛顿大学)
智能手机和可穿戴设备中丰富的传感器集合为在野外被动收集数据流提供了可能性。然而,原始数据流很少直接用于建模管道。我们提供了一个通用的框架,可以处理原始数据流,并提取有用的功能相关的非语言的人类行为。该框架可供该领域的研究人员使用,他们对处理来自智能手机和可穿戴设备的数据感兴趣。
2019-01-09 cs.CY cs.HC cs.LG
Smart Navigation System for Parking Assignment at Large Events: Incorporating Heterogeneous Driver Characteristics
针对大型活动停车难题,本文提出融合异质驾驶员特征的混合搜索智能导航系统,并通过伯克利“Big Game”仿真验证其动态停车分配优势。
2024-10-08 cs.HC
Leveraging Smartphone Sensors for Detecting Abnormal Gait for Smart Wearable Mobile Technologies
Daffodil International University(达法迪尔国际大学);University of Calgary(卡尔加里大学)
步行是人类最常见的陆地运动方式之一。步行是人类进行大多数日常活动所必需的。当一个人走路时,有一种模式,它被称为步态。步态分析用于体育和医疗保健。我们可以用不同的方式分析这种步态,比如使用监控摄像头或实验室环境中的深度图像摄像头捕捉的视频。它也可以被可穿戴传感器识别。例如,在一个实施例中,加速度计、力传感器、陀螺仪、柔性测角仪、磁阻传感器、电磁跟踪系统、力传感器和肌电图(EMG)。通过这些传感器进行分析需要实验室条件,或者用户必须佩戴这些传感器。为了检测人类步态动作的异常,我们需要单独地结合传感器。我们可以通过检测到异常的人体步态来了解一个人的健康状况。了解正常步态与异常步态可以通过智能穿戴技术来了解受试者的健康状况。因此,在本文中,我们提出了一种通过智能手机传感器来分析异常人体步态的方法。虽然智能手机和智能手表等智能设备现在被大多数人使用。所以,我们可以通过这些智能穿戴设备的传感器来追踪他们的步态。
2022-08-03 cs.CV cs.HC cs.LG
Drivers and challenges of internet of things diffusion in smart stores: A field exploration
由于智能应用领域的新进展,数字颠覆性环境迅速发展。物联网(IoT)是最突出的技术之一,其应用经常出现在零售行业,智能服务已经全面改变了客户体验。本文介绍的是零售服务行业的探索性实地研究结果,该研究借鉴了经验丰富的从业人员对智能商店体验及其相关变化的看法。本文概述了智能零售服务扩散的驱动因素以及相关挑战,例如业务期望和设备的异构性。出现的主题表明,物联网安全是企业在智能商店转型过程中安装物联网设备的主要挑战。该论文强调了安全的数据共享物联网环境的重要性,该环境尊重客户隐私,因为店内的智能体验提供了数据驱动的见解和服务。研究和实践的影响进行了讨论的客户体验方面的相关确定的挑战。
2022-03-08 cs.HC
W2W: A Simulated Exploration of IMU Placement Across the Human Body for Designing Smarter Wearable
针对IMU传感器放置依赖启发式和惯例的问题,本研究提出模拟框架W2W,通过在512个解剖表面区域生成合成IMU信号评估性能,验证可靠性并发现高效用区域,为可穿戴设备传感器配置提供数据驱动优化工具。
2025-07-07 cs.HC
Algorithm and Related Application for Smart Wearable Devices to Reduce the Risk of Death and Brain Damage in Diabetic Coma
糖尿病是21世纪的流行病,在全球范围内呈增长趋势。虽然糖尿病的最终治疗和治愈仍处于研究阶段,但糖尿病的相关并发症危及糖尿病患者的生命。糖尿病昏迷是糖尿病患者的危险因素之一,如果不加治疗,将导致患者死亡或永久性脑损伤。为了降低这种死亡或损坏的风险,提出了一种用于可穿戴设备应用,特别是用于智能手表的新算法。这种应用程序可以通知病人亲属或急救中心,如果人陷入昏迷或反应迟钝的条件下,从智能手表传感器的读数,包括流动性,心率和皮肤水分。然而,这种应用不是检测所有类型昏迷的最终解决方案,但如果在全世界的糖尿病患者中广泛使用,它可能挽救许多患者的生命。
2015-10-08 cs.CY cs.HC
Energy Autonomous Wearable Sensors for Smart Healthcare: A Review
能量自主可穿戴传感器(EAWS)由于其提供可靠测量和连续生物电信号的潜力而引起了人们的极大兴趣,这有助于早期减少健康风险因素,持续评估疾病预防,并保持最佳的终身健康质量。本文介绍了最近的发展和国家的最先进的研究有关的三个关键要素,使EAWS。第一个元素是可穿戴传感器,它监测人体生理信号和活动。重点是解释不同类型的转导机制,新兴的材料和制造技术。第二个要素是灵活的可穿戴能量存储设备,用于驱动低功耗电子设备和自动检测不稳定生理参数所需的软件。第三个是灵活和可伸缩的能量收集模块,为可穿戴传感器的持续运行充电。最后,我们讨论了实现能源自主可穿戴传感技术的一些技术挑战以及克服这些挑战的可能解决方案。
2019-12-05 cs.HC eess.SP
A 'one-size-fits-most' walking recognition method for smartphones, smartwatches, and wearable accelerometers
个人数字设备的普及为研究人类行为提供了前所未有的机会。目前最先进的方法使用“活动计数”来量化身体活动,这是一种忽略特定类型身体活动的测量方法。我们提出了一种亚秒级三轴加速度计数据的步行识别方法,其中活动分类是基于步行的固有特征:强度,周期性和持续时间。我们验证了我们的方法对20个公开可用的,注释的数据集在不同的身体位置(大腿,腰部,胸部,手臂,手腕)收集的步行活动数据。我们证明了我们的方法可以以高灵敏度和特异性估计步行时间:不同身体位置的平均灵敏度范围在0.92和0.97之间,而常见日常活动的平均特异性通常高于0.95。我们还评估了该方法的算法公平性的人口和人体测量变量和测量环境(身体位置,环境)。最后,我们将我们的方法作为MATLAB和Python的开源软件发布。
2022-07-15 cs.HC eess.SP
Wearable Health Monitoring System for Older Adults in a Smart Home Environment
University of Kentucky(肯塔基大学)
物联网的出现使互联和集成的智能健康监测系统的设计成为可能。这些智能健康监测系统可以在智能家居环境中实现,为老年人提供长期护理。在本文中,我们提出了一个可穿戴健康监测系统,适合老年人在智能家居环境中的设计。所提出的系统提供了在智能家居环境中监测个人的压力、血压和位置的解决方案。在这项工作中提出的压力检测模型使用嵌入在智能腕带中的皮肤电活动(EDA),光电容积脉搏波(PPG)和皮肤温度(ST)传感器来检测生理压力。压力检测模型使用从唾液皮质醇获得的压力标签进行训练和测试,唾液皮质醇是临床上建立的生理压力的生物标志物。一个基于语音的原型也实现了所提出的系统集成在智能家居环境中的可行性进行了分析,通过模拟数据采集和流的情况。我们还提出了一个血压估计模型,使用PPG信号和先进的回归技术与可穿戴健康监测系统中的压力检测模型集成。最后,一个语音辅助室内定位系统的设计提出了与智能家居环境内的建议系统集成。提出的可穿戴健康监测系统是实现具有广泛诊断能力的智能家居环境的一个重要方向,这样的系统可以用于在舒适的家中为老年人提供长期和个性化的护理。
2021-06-09 cs.CY cs.HC cs.LG
A Wearable Virtual Touch System for Cars
在汽车领域,访问信息娱乐系统、调节空调通风口和侧镜等次要任务的操作会分散驾驶员的注意力。虽然现有的模式,如手势和语音识别系统,通过减少眼睛离开道路的持续时间来促进承担次要任务,但这些通常需要记住一组手势或屏幕序列。在本文中,我们提出了两种不同的方式为驾驶员虚拟触摸仪表板显示器使用激光跟踪器与机械开关和眼睛凝视开关。我们比较了我们提出的方式对传统的触摸方式在汽车环境中的性能,通过比较指向和选择时间的代表性的次要任务,也分析了驾驶性能的影响偏离车道,平均速度,感知工作量和系统可用性的变化。我们没有发现激光跟踪系统和现有的触摸屏系统之间的驾驶和指向性能的显着差异。我们的研究结果还表明,与机械开关相比,具有眼睛凝视开关的虚拟触摸系统的驱动和指向性能明显更好。我们评估了建议的虚拟触摸系统的有效性与眼睛凝视开关内的一辆真正的汽车,并调查接受该系统的专业司机使用定性研究。定量和定性的研究表明,在车内使用多模态系统的重要性,并强调了几个标准,接受新的汽车用户界面。
2021-06-10 cs.HC
Gesture-based Continuous Authentication for Wearable Devices: the Google Glass Case
我们研究了触摸手势行为生物识别的智能眼镜(谷歌眼镜)上的用户隐式身份验证的可行性,提出了一个连续的身份验证系统,使用两个分类器:SVM与RBF核,和一个新的分类器的基础上切比雪夫的浓度不等式。基于从30名志愿者收集的数据,我们表明,这种认证是可行的,无论是在分类精度和智能眼镜上的计算负载。我们使用来自四种不同类型的触摸手势的行为生物特征数据,仅用75个训练样本就实现了高达99%的分类准确率。为了证明我们的系统可以推广,我们测试了它在智能手机触摸数据上的性能,发现其准确性与智能眼镜相似。最后,我们对手势持久性的实验表明,随着时间的推移改变用户行为对分类精度的负面影响可以通过定期用新的随机选择的样本替换旧的训练样本来最好地缓解。
2016-05-09 cs.CR cs.HC
Driver Identification by Neural Network on Extracted Statistical Features from Smartphone Data
交通的未来是由使用人工智能来改善生活和交通所驱动的。本文提出了一种基于神经网络的系统,用于使用智能手机收集的数据进行驾驶员身份识别。该系统可以自动、可靠和实时地识别驾驶员,无需面部识别,也不会侵犯隐私。该系统由数据汇集、预处理和识别三个模块组成。在数据汇集模块中,使用智能手机收集加速度计和陀螺仪传感器的数据。预处理模块包括噪声去除、数据清洗和分割。在该模块中,将恢复丢失的值,并删除停止车辆的数据。最后,从数据窗口中提取有效的统计特性。在识别模块中,使用机器学习算法来识别驾驶员的模式。实验表明,最佳的驾驶员身份识别算法是MLP,最高准确率为96%。该解决方案可用于未来的交通运输,以开发基于驾驶员的保险系统,以及开发用于实施惩罚和激励的系统。
2020-02-04 cs.HC eess.SP
CRAFT: Exploring Wearable Creative AI on Smart Glasses for Fiction Writing in Real-World Contexts
National University of Singapore(新加坡国立大学);City University of Hong Kong(香港城市大学);The Hong Kong University of Science and Technology(香港科技大学);The Chinese University of Hong Kong(香港中文大学)
研究旨在探索用于现实世界小说写作的可穿戴创意人工智能CRAFT,通过对作家访谈、协同设计工作坊及现场试验,明确设计目标与交互机制,揭示相关益处、实践及考量,为日常生活人机创意协作提供设计探索与启示。
2026-07-24 cs.HC
Introducing IHARDS-CNN: A Cutting-Edge Deep Learning Method for Human Activity Recognition Using Wearable Sensors
本文提出了一种名为IHARDS-CNN的新方法,通过整合UCI-HAR、WISDM和KU-HAR三个数据集,采用一维深度卷积神经网络进行人类活动识别,在减少检测步骤的同时实现了接近100%的最高准确率。
2024-11-18 cs.HC
Summary: Multi-modal Biometric-based Implicit Authentication of Wearable Device Users
物联网(IoT)越来越多地赋予人们一个相互连接的物理对象世界,从智能建筑到可穿戴设备等便携式智能设备。随着移动传感技术的最新进展,可穿戴设备已经成为便携式传感器的丰富集合,并且能够提供各种类型的服务,包括跟踪健康和健身,进行金融交易以及解锁智能锁和车辆。这些服务中的大多数都是基于存储在这些可穿戴设备上的用户机密和个人数据提供的。现有的显式认证方法(即,PIN或模式锁)受到若干限制,包括显示器小或没有显示器、肩部冲浪的风险以及用户的回忆负担。通常,用户出于方便而完全禁用安全功能。因此,需要一种基于容易获得的生物特征数据的用于可穿戴设备用户的无负担(隐式)认证机制。在本文中,我们提出了一种隐式的可穿戴设备用户认证机制,使用三种类型的粗粒度分钟级生物特征的组合:行为(步数),生理(心率),和混合(卡路里燃烧和代谢当量的任务)。从我们对400多名Fitbit用户进行的长达17个月的健康研究分析中,我们能够使用二进制SVM分类器以约0.93(久坐)和0.90(非久坐)的平均准确度值对受试者进行认证,其出错率为0.05。我们的研究结果还表明,混合生物识别技术的性能优于其他生物识别技术,即使在非久坐期间,行为生物识别技术也不会产生显著影响。
2019-07-15 cs.CR cs.HC
Virtual Therapy Exergame for Upper Extremity Rehabilitation Using Smart Wearable Sensors
虚拟现实(VR)已被用于多种应用,并已显示出巨大的潜力,康复,特别是家庭治疗。然而,这些系统仅依赖于来自VR手部控制器的信息,无法完全捕捉关节的个体运动。在本文中,我们提出了一个创造性的VR治疗exergame上肢康复使用多维达到的任务,同时捕捉手的运动从VR控制器和肘关节运动从一个灵活的碳纳米管套管。我们对非临床参与者(n = 12,7 F)进行了初步研究。在一项2x2受试者内研究(方向(垂直,水平)x配置(平面,弯曲))中,我们评估了exergame在不同研究条件下的有效性和乐趣。结果表明,在两种取向之间的任务完成时间有统计上的显着差异。然而,没有显着差异,发现在虚拟exergame的方向和配置的错误的数量。这可以导致定制治疗,同时保持相同的强度水平。也就是说,如果患者下肢活动受限并且需要坐着,则他们可以互换地使用取向。从碳纳米管套管产生的电阻变化的结果显示,在垂直方向上的平坦配置比其他条件诱导更多的肘部拉伸。最后,我们报告了在不同的研究条件下,基于可用性和用户体验的问卷调查的主观测量。总之,建议的VR exergame有潜力作为一个多模式的感觉工具,个性化的上肢家庭为基础的治疗和远程康复。
2023-02-16 cs.HC
Multi-Sensor Fusion-Based Mobile Manipulator Remote Control for Intelligent Smart Home Assistance
Dyson School of Design Engineering, Imperial College London(帝国理工学院伦敦设计工程学院);School of Robotics, Xi’an Jiaotong-Liverpool University (XJTLU)(西安交通大学利物浦大学机器人学院);Department of Engineering, University of Cambridge(剑桥大学工程学院);School of Mechanical Engineering, Northwestern Polytechnical University(西北工业大学机械工程学院);Department of Computer Science, University of Aberdeen(阿伯丁大学计算机科学学院)
本文提出集成多MEMS传感器的可穿戴控制移动机械臂系统用于智能家居辅助,通过CNN-LSTM模型实现手部动作分类,经实验验证其在抓取、转移等任务中表现优异,证明了多传感器融合方案的有效性。
2025-04-17 cs.HC cs.RO
Prototype Smart Home Environment With Biofeedback
本文提出一种基于用户情绪唤醒水平驱动外围设备的智能家居原型系统,包含Wearable与Benchtop两个通信子系统,分类平均准确率为41%,其FSM模型具有完全确定性与通信鲁棒性。
2024-07-28 cs.HC
Reconfigurable Wearable Antenna for 5G Applications using Nematic Liquid Crystals
天线是许多可穿戴电子设备的关键构件之一,其功能包括无线通信、能量收集和辐射无线功率传输(WPT)。为了实现轻量、自主和无电池的可穿戴设备,我们展示了一种可重构天线设计,用于需要超低驱动电压($0.4$ - $0.6\,$ V)并在高频范围($3.3$ - $3.8\,$ GHz)上工作的5G可穿戴应用。对于智能眼镜应用,以前的天线设计是“固定的”,并安装在眼镜框架本身上。在这里,我们展示了一个可重构的设计,可以实现对镜头本身,使用各向异性液晶(LC)材料。我们演示了如何LC对齐和电场模式强烈影响这些天线的调谐能力在千兆赫范围内,并提出了一个智能的,可重构的螺旋天线系统与LC基板。
2022-12-16 cs.HC cs.SY eess.SY
Experiments of posture estimation on vehicles using wearable acceleration sensors
针对车辆加速度干扰可穿戴传感器测量、难以准确估计驾驶员姿态的问题,研究采用hitoeT恤型可穿戴加速度传感器的驾驶姿态估计方法,完成实地测试并实现示例应用,助力车辆安全管理。
2024-09-14 cs.DC cs.HC
The Data-Expectation Gap: A Vocabulary Describing Experiential Qualities of Data Inaccuracies in Smartwatches
针对智能手表数据与用户期望不匹配的问题,提出描述数据期望差距体验的词汇表,涵盖其情境与影响维度,为可穿戴设备的人机数据交互设计提供支持。
2025-01-20 cs.HC
Acoustic Sensing-based Hand Gesture Detection for Wearable Device Interaction
手势识别以其直观、自然的特点吸引了人们的广泛关注。在本文中,我们探索了一种新的方法进行互动,通过使用骨传导的声音产生的手指运动,同时执行手势。我们设计了一组手势,产生独特的声音功能,并捕捉由此产生的声音从手腕使用商品麦克风。接下来,我们设计了一个声音事件检测器和识别模型来分类手势。我们的系统实现了90.13%,在安静的环境和85.79%的噪声条件下的整体准确性。这种有前途的技术可以部署在现有的智能手表上作为低功耗服务,无需额外成本,并可用于增强和虚拟现实应用中的交互。
2021-12-11 cs.HC
AirDraw: Leveraging Smart Watch Motion Sensors for Mobile Human Computer Interactions
California State University, Northridge(加州州立大学北岭分校)
可穿戴计算是当今发展最快的技术之一。智能手表有望在不久的将来占据至少一半的可穿戴设备市场。然而,智能手表屏幕尺寸是增长的一个限制因素,因为它限制了实际的文本输入。另一方面,可穿戴设备具有一些特性,例如一致的用户交互和免提、抬头操作,这为文本输入的手势识别方法铺平了道路。本文提出了一种新的智能手表文本输入方法,该方法利用运动传感器数据和机器学习方法来检测用户在空中书写的字母。当与计算机视觉方法相比时,该方法计算密集度较低并且成本较低。它也不受限制计算机视觉解决方案的照明因素的影响。AirDraw系统原型开发测试这种方法。此外,实验结果接近71%的准确性。
2017-05-07 cs.AI cs.CV cs.HC
Eve Said Yes: AirBone Authentication for Head-Wearable Smart Voice Assistant
本文提出面向头戴式智能语音助手的两阶段 AirBone 认证,利用空气传导与骨传导的时域一致性及骨传导说话人特征,抵御声学和跨领域语音欺骗。
2023-09-26 cs.CR cs.HC eess.SP
Smart Application for Fall Detection Using Wearable ECG & Accelerometer Sensors
University of Edinburgh(爱丁堡大学)
由于照顾不断增长的老年人口的医疗和财政需求,跌倒的及时和可靠检测是一个大的和快速增长的研究领域。在过去的20年里,高质量的硬件(高质量的传感器和人工智能微芯片)和软件(机器学习算法)技术的可用性为开发人员提供了开发此类系统的能力,从而成为这项研究的催化剂。本研究开发了多个应用组件,以探讨跌倒检测系统的发展挑战和选择,并为未来的研究提供材料。使用这种方法开发的智能应用程序验证了跌倒检测建模实验和模型移动部署的结果。总体上表现最好的模型是ResNet152,其在标准化和混洗数据集上具有2s窗口大小,实现了92.8%的AUC,87.28%的灵敏度和98.33%的特异性。考虑到这些结果,很明显,加速度计和ECG传感器对于跌倒检测是有益的,并且允许在跌倒和其他活动之间进行区分。这项研究留下了很大的改进空间,由于在所产生的数据集中发现的弱点。这些改进包括对跌倒的关键阶段使用标记协议,增加数据集样本的数量,改进测试对象表示,以及试验频域预处理。
2023-01-10 cs.AI cs.HC cs.LG
BrailleBand: Blind Support Haptic Wearable Band for Communication using Braille Language
视障人士被许多现代沟通和互动程序所忽视。文本转语音和盲文显示等辅助技术是将此类视障人士与移动电话和其他智能设备联系起来的最常用手段。这两种解决方案都面临着可用性问题,因此本研究的重点是开发一种用户友好的可穿戴解决方案,称为“BrailleBand”,具有触觉技术,同时保持可负担性。“BrailleBand”能够使用盲文进行被动阅读。BrailleBand和智能设备(手机)之间的连接是使用蓝牙协议建立的。它由六个节点组成,三个带戴在手臂上,以映射盲文字母表,这些字母表被驱动以给出与字符相对应的触觉。开发了三个移动应用程序,用于培训视障人士,并将导航和短信服务等现有智能移动应用程序与BrailleBand设备相结合。阅读的适应性,可用性和效率进行了测试,对盲人用户的样本,反映了渐进的结果。尽管如此,读取精度取决于字符之间的持续时间(字符间隙),但在字符间隙为1000 ms的情况下,可以实现每秒0.4375个字符的平均字符传送率。
2019-01-10 cs.HC eess.SP
A Survey on Mobile Affective Computing
本调查介绍了最近的进展,情感计算(AC)使用移动设备。AC是几十年来最活跃的研究课题之一。传统AC研究的主要局限性是指不可渗透的情感。这种批评是突出的情绪时,调查社会背景之外。这是有问题的,因为有些情绪是针对其他人的,是在与他们的互动中产生的。智能移动可穿戴设备的发展(例如,Apple Watch,Google Glass,iPhone,Fitbit)使AC在计算机科学方面的研究更加自然和狂野。本次调查强调了使用智能可穿戴设备的AC研究和系统。各种模型,方法和系统进行了讨论,以检查最先进的。最后,我们讨论了剩余的挑战和未来的工作。
2019-06-19 cs.HC
Wearable AR in Everyday Contexts: Insights from a Digital Ethnography of YouTube Videos
针对当前研究多在受控环境考察可穿戴AR、对日常使用洞察有限的问题,本研究通过分析112个YouTube视频的27小时内容,揭示其在日常场景的使用现状及限制,并提出促进其安全伦理整合的开发启示。
2025-02-11 cs.HC
SensWear: An Open, Modular, and AI-Ready Wearable Platform
MIT(麻省理工学院)
针对可穿戴AI/ML研究数据封闭、平台受限的问题,SensWear提出开放模块化平台,解耦形态与传感,支持即插即用模块,实现原始数据采集与可复现闭环实验。
2026-09-30 cs.HC eess.SP
Enabling Smartphone-based Estimation of Heart Rate
University of Virginia(弗吉尼亚大学)
通过可穿戴传感器进行的持续、无处不在的监控有可能收集有关用户环境的有用信息。心率是一种重要的生理测量,用于各种各样的应用,如健身跟踪和健康监测。然而,监测心率的可穿戴传感器(诸如智能手表和心电图(ECG)贴片)由于技术问题(例如,不良无线信道、电池耗尽等)或用户相关的原因(例如,运动伪影、用户依从性等)。使用其他可用传感器数据的能力(例如,智能手机数据)来估计丢失的心率读数对于应对任何这样的间隙是有用的,从而提高数据质量和连续性。在本文中,我们测试了使用智能手机传感器数据估计原始心率的可行性。使用12名参与者在一周的研究期内生成的数据,我们能够使用回归,SVM和随机森林算法构建个性化和广义模型。所有这三种算法都优于基线移动平均插值方法的个性化和广义设置。此外,我们的研究结果表明,个性化模型优于广义模型,这说明了在估计心率时考虑个人生理,行为和生活方式的重要性。这些有希望的结果为将智能手机传感器数据与可穿戴传感器数据相结合进行连续心率监测的可行性提供了初步证据。
2019-12-18 cs.HC cs.LG eess.SP
Active noise cancellation on open-ear smart glasses
Department of Electrical and Computer Engineering, Carnegie Mellon University(卡内基梅隆大学电气与计算机工程系);Department of Medical Physics and Acoustics, Carl von Ossietzky Universität Oldenburg(奥尔登堡大学医学物理与声学系);College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院)
本文提出首个实时主动降噪系统,用于开放式智能眼镜,通过微型开放式扬声器和麦克风阵列实现环境噪声抑制,实验显示在100-1000Hz频段内可实现9.6dB至11.2dB的降噪效果。
2026-09-11 cs.HC cs.LG cs.SD
WEARDA: Recording Wearable Sensor Data for Human Activity Monitoring
本文提出开源可穿戴传感器数据采集软件包 WEARDA,可在 Tizen OS 三星智能手表上同步记录加速度计、陀螺仪、气压计和 GPS 四种原始数据,并解决准备、测量、物流、隐私与可重复性五项实际挑战,已在痴呆症社区项目中成功应用。
2023-10-30 cs.CY cs.HC
Smartphone-based Vehicle Telematics - A Ten-Year Anniversary
就像它已经无可避免地重塑了社会生活一样,智能手机拥有量的快速增长现在开始彻底改变驾驶体验,并改变我们对汽车保险,车辆安全系统和交通研究的看法。本文总结了基于智能手机的车辆远程信息处理的前十年的研究,重点是用户友好的实现和智能手机的移动性所带来的挑战。值得注意的学术和工业项目进行审查,并与传感器,能源消耗,云计算,车载自组织网络,和人机界面系统方面进行了检查。此外,我们强调了传统的和基于智能手机的汽车导航之间的差异,并调查了最先进的基于智能手机的交通方式分类,驾驶员分类和道路状况监测。未来的进步预计将由传感器技术的改进、当前实施的社会效益的证据以及传感器融合和驾驶员评估的行业标准的建立所驱动
2016-11-11 cs.CY cs.HC
(Safe) SMART Hands: Hand Activity Analysis and Distraction Alerts Using a Multi-Camera Framework
University of California San Diego(加州大学圣迭戈分校)
手动(与手有关的)活动是驾驶时撞车风险的重要来源。因此,手位置和手活动占用的分析是理解驾驶员准备好控制车辆的有用组成部分。通过摄像机的视觉感测提供了观察手的被动手段,但其有效性取决于摄像机位置。我们介绍了一个算法框架,智能手,准确的手分类与合奏的相机视图使用机器学习。我们说明了这个框架的有效性,在一个4摄像头设置,达到98%的分类准确率在各种位置和持有的对象为司机的双手。我们的结论是,这种多摄像头框架可以扩展到其他任务,如凝视和姿势分析,在驾驶员和乘客安全的进一步应用。
2023-01-30 cs.AI cs.CV cs.HC
Hearing Loss, Cognitive Load and Dementia: An Overview of Interrelation, Detection and Monitoring Challenges with Wearable Non-invasive Microwave Sensors
本文概述了听力损失对神经功能和进展性疾病的影响,并探讨了认知负荷监测在检测痴呆症中的作用。它还调查了利用助听器技术扭转老年人认知能力下降和延迟痴呆症发作的前景。讨论了听力损失、认知负荷和痴呆之间的相互关系。还探讨了在更广泛的临床实践中,在稳健的诊断、以用户为中心、设备准确性和隐私方面的未来改进考虑。最后,本文讨论了设计实用的可穿戴微波技术的未来范围和潜力,并评估了它们在智能护理家居环境中的应用。
2022-02-08 cs.HC cs.SY eess.SY
Multimodal Estimation of Change Points of Physiological Arousal in Drivers
检测不安全的驾驶状态,如压力、困倦和疲劳,是确保驾驶安全的重要组成部分,也是车辆自动干预系统的必要前提。这些有关的条件主要与驾驶员的低或高唤醒水平有关。在这项研究中,我们描述了一个框架,用于处理多模态的生理时间序列从可穿戴传感器在驾驶和定位点的显着变化,司机的生理唤醒状态。这些变化点可能表明需要及时干预的事件。我们将时间序列分割应用于心率和呼吸率测量,并使用三个公共数据集量化其在捕获皮肤电活动变化点时的鲁棒性,将其作为唤醒的参考指标,以及自我报告的压力评级。我们的实验表明,生理措施是唤醒的变化点的名副其实的指标,并在广泛的消融研究中表现稳健。
2022-10-28 cs.HC eess.SP
Personalized Driver Stress Detection with Multi-task Neural Networks using Physiological Signals
Eindhoven University of Technology(埃因霍温理工大学);Philips Research(飞利浦研究院)
压力可以被看作是对日常情绪、精神和身体挑战的生理反应。长期暴露在压力环境中会对健康产生负面影响,例如增加患心血管疾病和免疫系统紊乱的风险。因此,及时的压力检测可以导致在未来情况下更好的管理和预防系统。在本文中,我们提出了一种基于多任务学习的神经网络方法(具有相互表示和任务特定层的硬参数共享),用于使用可穿戴设备的皮肤电导和心率进行个性化压力识别。所提出的方法进行了测试,在现实世界和模拟器驾驶任务中收集的多模态生理反应。
2017-11-15 cs.HC cs.LG
Seq2Seq RNN based Gait Anomaly Detection from Smartphone Acquired Multimodal Motion Data
Technische Universität Dresden(德累斯顿工业大学);King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学);University of Padova(帕多瓦大学);M31
智能手机和可穿戴设备是快速发展的技术,结合无线传感器硬件的进步,正在实现无处不在的传感应用。可穿戴设备适用于室内和室外场景,可以放置在人体的许多部位,并可以集成大量能够收集生理和行为生物特征信息的传感器。在这里,我们关注的是步态分析系统,它从用户的运动中提取有意义的信息,以识别他们行走方式的异常和变化。所提出的解决方案是针对特定主题的,因为所设计的特征提取和分类工具是针对观察对象进行训练的。安装在特制胸部支撑件上的智能手机用于从其内置传感器和后置摄像头收集惯性数据和视频信号。采集的视频和惯性数据进行预处理,组合,然后分类的递归神经网络(RNN)基于序列到序列(Seq2Seq)模型,这是用作特征提取器,和以下卷积神经网络(CNN)分类器。这种架构提供了出色的结果,能够在100%的情况下正确评估异常,对于所考虑的测试,超越了支持向量机分类器的性能。
2019-11-19 cs.HC cs.LG eess.SP
Unsupervised Embedding Learning for Human Activity Recognition Using Wearable Sensor Data
University of Texas at Arlington(德克萨斯大学阿灵顿分校)
针对可穿戴传感器人类活动数据大多无标签的问题,提出一种无监督嵌入学习方法,将活动映射到相似活动邻近的嵌入空间以辅助聚类,在三个基准数据集上验证了其相比直接无监督方法更优的活动识别分类性能。
2023-07-21 cs.HC cs.LG eess.SP
VisionClaw: Always-On AI Agents through Smart Glasses
University of Colorado Boulder(科罗拉多大学博尔德分校);Gwangju Institute of Science and Technology(光州科学技术院);Google(谷歌)
VisionClaw通过智能眼镜实现始终在线的AI代理,结合实时第一视角感知与任务执行,支持语音驱动的任务启动与委托,提升任务完成效率和交互体验。
2026-04-08 cs.AI cs.CV cs.HC
Analysis and development of a novel algorithm for the in-vehicle hand-usage of a smartphone
Politecnico di Milano(米兰理工大学);Kubris S.r.l.(Kubris有限公司)
驾驶时使用智能手机被一致认为是一个非常危险的习惯,因为它与交通事故有很强的相关性。在本文中,检测驾驶员是否正在使用手机在行程中的问题得到解决。为此,来自几乎所有现代手机中集成的三轴惯性测量单元(IMU)的高频数据在不依赖外部输入的情况下进行处理,以提供独立的方法。通过频域分析,可以从原始信号中提取检测驾驶员何时使用电话所需的有用信息,而不受车辆运动对相同信号的影响。所选择的特征用于训练支持向量机(SVM)算法。在混合自然驾驶场景下收集的实验数据上对所提出的方法的性能进行了分析和测试,证明了所提出的方法的有效性。
2018-08-30 cs.HC cs.LG eess.SP
Enhancing the Security & Privacy of Wearable Brain-Computer Interfaces
University of Cambridge(剑桥大学)
脑计算接口(BCI)用于大量安全/隐私关键应用,从医疗保健到智能通信和控制。可穿戴BCI设置通常涉及连接到移动终端的头戴式传感器,结合基于ML的数据处理。因此,它们很容易受到跨硬件、软件和网络堆栈的多种攻击,这些攻击可能会泄露用户的脑波数据,或者在最坏的情况下,将BCI辅助设备的控制权交给远程攻击者。在本文中,我们:(i)从操作系统和对抗性机器学习的角度分析现有可穿戴BCI产品的整个系统安全和隐私威胁;以及(ii)引入Argus,这是可穿戴BCI应用的第一个信息流控制系统,可以减轻这些攻击。Argus的特定于领域的设计导致了Linux ARM平台上的轻量级实现,适用于现有的BCI用例。我们对真实世界BCI设备(Muse、NeuroSky和OpenBCI)的概念验证攻击使我们发现了六个主要攻击向量堆栈中的300多个漏洞。我们的评估表明,Argus在跟踪敏感的恶意攻击和限制这些攻击方面非常有效,并且具有可接受的内存和性能开销(<15%)。
2022-01-19 cs.CR cs.HC cs.LG
EmoSens: Emotion Recognition based on Sensor data analysis using LightGBM
SRM Institute of Science and Technology(SRM科学技术学院);Samsung Research Institute(三星研究院)
智能可穿戴设备在我们的日常生活中发挥了不可或缺的作用。从记录心电图信号到分析身体脂肪成分,智能可穿戴设备可以做到这一切。智能设备包括各种传感器,这些传感器可以用于导出关于用户的身体和心理状况的有意义的信息。我们的方法侧重于采用这样的传感器,以识别和获得在给定的情况下,通过使用监督机器学习技术的用户的情绪的变化。该研究检查了各种监督学习模型的性能,如决策树,随机森林,XGBoost,LightGBM。使用我们提出的模型,我们使用XGBoost和LightGBM对9种不同的情感类别获得了92.5%的高识别率。通过利用这一点,我们的目标是即兴创作和建议方法,以帮助情绪识别更好的心理健康分析和情绪监测。
2022-07-12 cs.HC cs.LG cs.SY