بخشی از مقاله
چالشها در تشخیص فعالیت انسان با استفاده از سنسورهای پوشیدنی
چکیده
تشخیص فعالیت انسان با استفاده از سنسورهای پوشیدنی یکی از موضوعات بسیار مهم در محاسبات فراگیر است که در زمینههای مختلف از جمله بهداشت و درمان، ورزشی، نظارتی، مراقبتی و نظامی و... کاربرد دارد. رهیافتهای به کار گرفته شده در تشخیص فعالیت شامل: مبتنی بر تصویر، مبتنی بر سنسورهای فیزیکی و مبتنی بر سنسورهای محیطی است. چالشهای موجود در تشخیص فعالیت از مسائلی است که اهمیت خاصی در تعیین میزان دقت الگوریتمها دارد. این مقاله به بررسی این چالشها در رهیافت مبتنی بر سنسورهای فیزیکی میپردازد. میزان دقت در تشخیص فعالیتهای انسان به روشهای مختلف و در شرایط طبیعی و آزمایشگاهی تحت چالشهای متعددی است. این چالشها دقت و کاربری روشهای ارائه شده را با مشکل مواجه میسازد. در این مقاله به آنالیز و بررسی چالشها، راهکارها و کارهای آتی خواهیم پرداخت.
واژههای کلیدی: تشخیص فعالیتهای انسان- سنسورهای پوشیدنی- محاسبات پوشیدنی- چالشهای تشخیص فعالیت
-1 مقدمه
سیستمهای تشخیص فعالیت انسان، سیستمهای فراگیری هستند که با جمعآوری دادههای مربوط به فعالیتهای انسان فرصتی استثنایی را در جهت کنترل و توسعه روشهای مراقبت پزشکی ایجاد کردهاند. امروزه این روشها توسط محدوده وسیعی از امکانات و خدمات دستخوش تغییرات و تحولات مهمی چون تاکید بیشتر بر پیشگیری، شناخت خطرات اولیه و راه های جدید مراقبت سلامت شده است. این تحولات در پی وجود انواع بیماریها و زمینه درمان آنها به وجود آمدهاند؛ همچنین پیشرفتهای قابل ملاحظه در علوم و تکنولوژی مانند تحولات اساسی در پدید آمدن مباحث میکرو و نانو، ارتباطات بیسیم و دستگاههای محاسباتی سیار نیز از فاکتورهای مهم در این راستا به شمار میآیند.
استفاده از سنسورهای پوشیدنی برای تشخیص فعالیت انسان و کاربردهای مختلف تشخیص فعالیت با استفاده از سنسورهای پوشیدنی باعث جلب توجه بسیاری از محققان شده است و این موضوع را به یکی از مهمترین موضوعات پژوهشی تبدیل کرده است. به کمک این سیستمها میتوان اطلاعات کاملی را در مورد حالت، مکان و محیط افراد در هر لحظه بدست آورد و به روزرسانی کرد( Mohd Fikri Azli bin Abdullah, Ali Fahmi Perwira Negara, Md. Shohel Sayeed, Deok-Jai
.(Choi, & Muthu , 2012 از اینرو سنسورهای پوشیدنی به کمک شبکههای ارتباطی و دستگاههای محاسباتی محیط هوشمندی را ایجاد میکنند که بتوانند نیازهای انسان را تشخیص و در جهت رفع آنها تلاش کنند( Sounith Orphomma & .(Swangmuang, 2013 هدف این سیستمها مشاهده و کنترل فعالیتهای انسان در شرایط مختلف است که این خود یکی از چالش های مهم در تشخیص صحیح فعالیتهاست.
تشخیص فعالیت با استفاده از مجموعه دادههای جمعآوری شده از محیط صورت میگیرد. با توجه به این دادههای جمعآوری شده، فعالیت افراد تشخیص داده میشود. این دادهها و شرایط جمعآوری آنها در مواردی تشخیص فعالیت را با مشکل مواجه میسازد. استفاده از سنسورهایی (مانند شتابسنج) و همچنین وجود محدودیتهای مختلف مانند متغیربودن فعالیتها و سرعت اجرای آنها توسط هر فرد، نحوه جمعآوری دادههای شتابسنج یا هر سنسور دیگر، تعداد و محل و نوع سنسورها، از چالشهایی است که سیستمهای تشخیص فعالیت پیش رو دارند.
بخش دوم این مقاله، انواع سنسورها و مختصری از کارهای انجام شده در آنها را مورد بررسی قرار میدهد. بخش سوم رهیافتها و روشهای مختلف در تشخیص فعالیت را معرفی میکند. در بخش چهارم چالشهای فراروی سیستمهای تشخیص فعالیت انسان معرفی و بصورت دقیق مورد ارزیابی قرار گرفتهاند و در انتها، نتیجهگیری و کارهای آینده مطرح شده است.
-2 انواع سنسورها و کارهای انجام شده
سنسور المان حس کنندهای است که کمیتهای فیزیکی مانند فشار، حرارت، رطوبت، دما، حرکت و... را به کمیتهای الکتریکی پیوسته (آنالوگ) یا غیرپیوسته (دیجیتال) تبدیل میکند. سنسورها را می توان در چهار گروه قرار داد: فیزیولوژیک، بیوکینتیک،
RFID و سنسورهای ترکیبی. تشخیص فعالیت انسان از طریق نصب سنسور شتابسنج، ژیروسکوپ و ... بر روی بدن انجام میگیرد. کارهای انجام شده در این زمینه، موارد استفاده هر یک از این سنسورها و ترکیب آنها در ادامه همین بخش بیان شده است.
شتابسنج به عنوان یک سنسور بیوکینتیک جهت تشخیص فعالیت در بسیاری از موارد مورد استفاده قرار میگیرد. تشخیص افتادن در(. :. K 2007 D ^ 2010 )، حرکت دویدن در( G. Welk & (Differding, 2000، مصرف انرژی در((J. H. Choi et al., 2005; S. Crouter, K. Clowers, & Bassett, 2006، راه رفتن در((Jingyuan Cheng, Oliver Amft, Gernot Bahle, & Lukowicz, 2013، استفاده از ژیرسکوپ جهت تشخیص بالا رفتن از پله در((B. Coley, B. Najafi, A. Paraschiv-Ionescu, & Aminian, 2005 و سنسورهای حرکتی و کاربرد آنها در( Akin Avci, Stephan Bosch, MihaiMarin-Perianu, RalucaMarin-Perianu, & Havinga, (2010; L. Bao & Intille, 2004 تشریح شده است. در( A. Godfrey, A. K. Bourke, G. M. Ólaighin, Ven, & (Nelson, 2011 با نصب شتاب سنج بر روی سینه، در((X. Long, B. Yin, & Aarts, 2009 بر روی ران و در( S. (Chernbumroong, A. S. Atkins, & Yu, 2011 بر روی مچ دست چندین فعالیت شناسایی شده است. در( F. Alt, A. (S. Shirazi, M. Pfeiffer, P. Holleis, & Schmidt, 2009 ضربان قلب با استفاده از سنسور فیزیولوژیک بررسی شده
است.
ترکیب دادههای حرکتی سنسورها در( Chun Zhu & Sheng, 2011; D. J. Cook & Schmitter -Edgecombe, (2009، ترکیب دادههای حرکتی((J. Iglesias, J. Cano, A. M. Bernardos, & Casar, 2011 و مکانی( D. Choujaa & (Dulay, 2008 برای بهبود دقت تشخیص در((Zhu & Sheng, 2011 و ترکیب سنسورهای پوشیدنی و شیء برای جمع آوری اطلاعات در((T. Gu, Z.Wu, X. Tao, H. K. Pung, & Lu, 2009 نمونه ای از ترکیب سنسورهاست.
تشخیص فعالیت با استفاده از شتاب سنج و RFID در((M. Stikic, H. Y. Tâm, K. Van Laerhoven, & Schiele, 2008،
شتابسنج و قطب نما و ژیرسکوپ در((Lee SW & Mase, 2002، شتابسنج و GPS در( H. Tian, P. Lei, L. Xingjuan, (& Shusong, 2009 ، شتابسنج و دوربین پوشیدنی در((Nam, Rho, & Lee, 2013، شتابسنج و ژیرسکوپ در(, 2008 :. . . D. D 2010 )، شتابسنج و وبکم در((Pierluigi Casale , Oriol Pujol, & Radeva, 2009، شتابسنج و میکروفن در( J. A. Ward , P. Lukowicz, (& Tröster, 2005، شتابسنج و ژیرسکوپ و سنسور inertial در((Akin Avci et al., 2010، شتابسنج، میکروفن و RFID در((L. Wang, T. Gu, X. Tao, H. Chen, & Lu, 2011، سنسورهای بی سیم در( Anthony Dalton & (OLaighin, 2013; L. Bao & Intille, 2004، شتابسنج و دیگر سنسورها در( A. F. Dalton, F. Morgan, &
OLaighin , 2008; Anthony Dalton & OLaighin, 2013; J. Yin, Q. Yang, & Pan, 2008; L. Bao & Intille, (2004; N. Ravi, N . Dandekar, P. Mysore, & Littman, 2005 ذکر شده است.
-3 رهیافت ها و روشهای مختلف در تشخیص فعالیت
سه رهیافت اصلی را برای تشخیص فعالیت انسان می توان در نظر گرفت: رهیافت مبتنی بر تصویر(C. Thurau & ) (VSR
Hlavac, 2008; H. Zhong, J. Shi, & Visontai, 2004; Poovandran, 2008; S. Sarkar et al., 2005; W. Hu, (D. Xie, T. Tan, & Maybank, 2004 ، رهیافت مبتنی بر سنسورهای فیزیکی B. Najafi et al., 2003; ) (PSAR)
Maurer, Smailagic, Siewiorek, & Deisher, 2006; Wallace Ugulino, Eduardo Velloso, Ruy Luiz (Milidiú, & Fuks, 2012 و رهیافت مبتنی بر سنسورهای محیطی ( Cook, 2012 ; K. Van Laerhoven , N. Kern, H.
.(W. Gellersen, & Schiele, 2003; Riboni & Bettini, 2011
در رهیافت اول با مشاهده توالی تصاویر، فعالیتهای شخص مورد مطالعه قرار میگیرند( C. M. Sharma, A. K. S. (Kushwaha , S. Ngam, & Khare, 2011 و در رهیافت دوم، از طریق نصب سنسور بر روی بدن، فعالیتها را تشخیص و
طبقهبندی میکند( K. P. Fishkin, M. Philipose , & Rea, 2005; M. Philipose et al., 2004; R. Aipperspach,
.E. Cohen, & Canny, 2006 )از رهیافت اول معمولاً در محیطهای آزمایشگاهی استفاده میشود چرا که در محیط طبیعی وجود چالشهایی مانند بینظمی، تغییر مقدار نور، فعالیتهای متنوع و حالات روحی روانی انسان از دقت تشخیص میکاهد. رهیافت سوم به اندازهگیری پدیدههای محیطی از قبیل رطوبت، نور، سطح فشار( J. H. Lim, H. Jang, J. Jang, & Park, (2008، صدا((Bian X, Abowd, & Rehg, 2004 و دما((J. Prakka et al., 2006 میپردازد.
روشهای تشخیص فعالیت شامل: روشهای مبتنی بر حد آستانه( M.Mathie, A. Coster, N. Lovell, & Celler, 2003;
M.Mathie, N . Lovell, A. Coster, & Celler, 2002; N. Bidargaddi, A. Sarela, L. Klingbeil, & (Karunanithi, 2007، روشهای مبتنی بر تشخیص الگو( P. H. Veltink, H. B. Bussmann, W. De Vries, W. L. (Martens, & Lummel, 1996، روشهای مبتنی بر شبکه های عصبی مصنوعی( J. Yang, J. Wang, & Chen, 2008; R. (Jafari, W. Li, R. Bajcsy, S. Glaser, & Sastry, 2007 است. در هر یک از این روشها، سنسور(ها) در محل خاصی قرار داده شده و دقت تشخیص فعالیت با استفاده از مجموعه دادهی (DATASET) بدست آمده ارزیابی میشود.
-4 چالش ها در تشخیص فعالیت
انسان فرآیند یادگیری خود را به کمک تجربیات گذشتهاش تکمیل میکند. این فرآیند یادگیری و توانایی نتیجهگیری از دانستهها، یکی از مهمترین چالشها برای ماشینهای یادگیری و سیستمهای تشخیص فعالیت است. انتخاب مجموعه ویژگیهای مناسب و استخراج آنها جهت تشخیص فعالیت، استفاده از سنسور شتابسنج یا دیگر سنسورها و همچنین وجود محدودیتهای مختلف مانند متغیربودن فعالیتهای فرد، متغیر بودن سرعت اجرای فعالیتها، نویزی بودن دادههای شتابسنج، تعداد، محل و ماهیت سنسورها، از دیگر چالشهایی است که در سیستم های تشخیص فعالیت باید مد نظر قرار گیرند.
-1-4 تعداد، نوع و شرایط انجام فعالیت: انسان در زندگی روزمره فعالیتهای متعدد و زیادی را انجام میدهد. معمولاً تشخیص مجموعه فعالیتهای ساده به راحتی انجام میشود. فعالیتهای ساده را می توان شامل ایستادن، نشستن، راه رفتن، درازکشیدن، خوابیدن و .. دانست. افزایش تعداد فعالیتها طبقهبندی و تشخیص آنها را مشکلتر میکند بنابراین سیستمهای تشخیص فعالیت باید بتوانند مجموعهای بزرگ و متنوع از فعالیتها را بررسی و تشخیص دهند. انجام چندین فعالیت ساده به طور همزمان (مانند راه رفتن و تلفن صحبت کردن) فعالیت متنوعی را بوجود میآورد که تشخیص آن پیچیدهتر از فعالیتهای ساده است.
تشخیص فعالیتهای ثابت مانند حالات درازکشیدن و ایستادن سادهتر از تشخیص فعالیتهای حرکتی مانند حالات دویدن و راه رفتن است. همچنین تشخیص فعالیتهایی مانند راه رفتن در راهرو، طبقه پایین و طبقه بالا و تمایز بین آنها، به دلیل شباهت حرکتی در الگوهای جنبشی، بسیار مشکل است.
فعالیتها میتوانند در محیطهای آزمایشگاهی و یا طبیعی انجام و دادههای مربوط به سنسورهای مورد استفاده در آنها جمعآوری شود. افراد در هر دو محیط آزمایشگاهی و طبیعی، در بازه زمانی مشخص و سرعت ثابت، فعالیتها را انجام میدهند و تنها فرق این
دو محیط، محدودیتهای موجود در شرایط آزمایشگاهی است. دقت تشخیص طبق (L. Bao & Intille, 2004) در شرایط طبیعی نسبت به شرایط آزمایشگاهی کاهش مییابد. این دقت در (F. Foerster, M. Smeja, & Fahrenberg, 1999) برای محیط آزمایشگاهی 95/6 درصد و برای محیط طبیعی 66 درصد محاسبه شده است. انجام فعالیت در محیط طبیعی به صورت غیر نظارتی و کمتر تحت کنترل است. در این حالت نبود یک روش استاندارد باعث میشود بسیاری از حرکات یکسان، به روشهای مختلفی انجام گیرد(.(Eunju Kim, Sumi Helal, & Cook, 2010 ; Hu & Boulgouris, 2011 در ( Nam et al., (2013 جهت رفع این مشکل و توانایی تشخیص صحیح فعالیت، از دوربینهای ساده و چندگانه استفاده شده است.
-2-4 مسائل مربوط به سنسورها: در بحث تعداد سنسورها، سیستمهایی که از مجموعه سنسورهای کمتری برای تشخیص فعالیت استفاده میکنند به راحتی میتوانند در کاربردهای مختلف مورد استفاده قرار گیرند. زیرا تعداد سنسور کمتر و به تبع آن سیگنالهای کمتر، باعث محاسبات سادهتری میشود ولی در سیستمهایی با تعداد سنسور زیاد، سیگنالها افزایش یافته و محاسبات، بیشتر و پیچیدهتر میشود. بنابراین افزایش تعداد سنسورها نتایج تشخیص فعالیت را بهبود میبخشد( K. Van .(Laerhoven, A. Schmidt, & Gellersen, 2002; N. Kern, B. Schiele, & Schmidt, 2003
تحلیل دادههای سنسورها با توجه به موقعیت قرارگیری جهت تشخیص فعالیت انسان ممکن است نتایج متفاوتی داشته باشد. از این رو موقعیت حسگر((Maurer et al., 2006، از عوامل مهم در تشخیص فعالیت انسان است، تا جایی که باعث شده است Louis Atallah, Benny Lo, Rachel King, & Yang, 2011; W. Xu , M. Zhang, A. A. Sawchuk, & )
(Sarrafzadeh, 2012 به تشخیص محل سنسورهای پوشیدنی بر روی بدن انسان بپردازد. در (Z. Y. He & Jin, 2008)
بهترین مکان برای سنسور (شتاب سنج) جیب شلوار عنوان شده است و در((Maurer et al., 2006 داخل کیف، در( K.
(Frank, M. Rockl, M. Nadales, P. Robertson, & Pfeifer, 2010 روی کمربند و در( E. M. Tapia et al., (2007 روی مچ دست از دیگر مکانهای پیشنهادی برای قراردادن سنسورها معرفی شدهاند.
عدم حفظ صحت دادهها برای تشخیص فعالیت در بسیاری از مواقع به دلایل مختلف، قابلیت اطمینان در نتایج بدست آمده را کاهش و شناسایی فعالیت را با چالش روبرو میکند. برای رفع این چالش و در جهت تضمین اطمینان از صحت دادهها و تعیین درستی مقادیر باید سنسور را کالیبره کرد. کالیبراسیون روشی جهت بهبود عملکرد سنسور با از بین بردن خطاهای ساختاری در خروجی سنسور است که باعث افزایش کارایی از طریق بهبود دقت و صحت کلی سنسور میشود.
