Semi-supervised approach to identify steps, shoes, and gender of older adults under semi-naturalistic conditions using a waist-worn inertial sensor
Cargando...
Fecha
2023
Título de la revista
Publicado en
Proceedings of the Institution of Mechanical Engineers, Part H: Journal of Engineering in Medicine, 2023
Publicado por
SAGE Publications Ltd.
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
Una fuente emergente de información para reconocer las características de los individuos son los parámetros relacionados con el patrón de marcha. Los ancianos pueden ser uno de los grupos de población que más se beneficien de las aplicaciones basadas en el reconocimiento, lo que puede contribuir a aumentar sus posibilidades de vivir de forma independiente en casa. Los enfoques se han centrado principalmente en la identificación o evaluación de los eventos de la marcha; sin embargo, esta información también puede utilizarse para obtener características de las personas mayores que dependen de factores fisiológicos o ambientales. Estos factores pueden ser útiles para proporcionar una asistencia personalizada basada en información contextual. En este trabajo, proponemos un método centrado en personas mayores, para detectar pasos, y reconocer el género y el tipo de calzado utilizando únicamente los datos de contacto inicial con el pie (IC) obtenidos de sensores inerciales durante la marcha semicontrolada. Se recogieron datos de 20 adultos mayores que caminaban a velocidad propia en un entorno natural. El método consiste en agrupar primero el CI utilizando k-means; después, una red neuronal recurrente entrenada reconoce el género, el tipo de calzado y las fases del paso (CI y otras fases); para finalmente realizar la detección de pasos (DE) utilizando un método basado en reglas. El método reconoce el género y el tipo de calzado con una precisión del 93% y el 83,07%, respectivamente, mientras que no se produjeron errores de reconocimiento de las fases del paso. SD alcanzó un error medio porcentual absoluto igual a (Fórmula presentada.). Los buenos resultados muestran que el método es apropiado para aplicaciones de reconocimiento de las características de los usuarios sin depender de suposiciones basadas en individualidades. Asimismo, el método puede ser útil para monitorizar la actividad física o sistemas destinados a mantener a salvo a los adultos mayores.
Descripción
Abstract
An emerging source of information to recognize individuals’ characteristics are the walking pattern-related parameters. The elderly can be one of the populations that can benefit most from recognition-based applications, which may help to increase their possibilities of living independently at home. Approaches have been mostly focused on gait events’ identification or assessment; nonetheless, such information can also be used to obtain seniors’ characteristics that depend on physiological or environmental factors. These factors can be useful to provide a customized assistance based on contextual information. In this paper, we propose a method focused on seniors, to detect steps, and to recognize gender and type of shoes by using only the initial foot contact (IC) data obtained from inertial sensors during semi-controlled walking. Data were collected from 20 older adults who walked at self-speed in a natural environment. The method consists of first clustering the IC using k-means; then, a trained recurrent neural network recognizes gender, type of shoes, and the step phases (IC and other phases); to finally conduct step detection (SD) using a ruled-based method. The method recognizes gender and the type of shoes with an accuracy of 93% and 83.07%, respectively, whereas there were not misrecognitions of the step phases. SD achieved a mean absolute percentage error equal to (Formula presented.). The good results show that the method is appropriate for users’ characteristics recognition applications without depending on assumptions based on individualities. Likewise, the method can be useful to monitor physical activity or systems aimed to keep safe older adults.
Palabras clave
Control de ancianos, Detección de pasos de ancianos, Reconocimiento del sexo, Sensores inerciales, Redes neuronales recurrentes
Keywords
Elderly monitoring, Elderly step detection, Gender recognition, Inertial sensors, Recurrent neural networks