Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
OPSitu: A Semantic-Web Based Situation Inference Tool Under Opportunistic Sensing Paradigm Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

Evaluation of Wearable Sensor Tag Data Segmentation Approaches for Real Time Activity Classification in Elderly

verfasst von : Roberto Luis Shinmoto Torres, Damith C. Ranasinghe, Qinfeng Shi

Erschienen in: Mobile and Ubiquitous Systems: Computing, Networking, and Services

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The development of human activity monitoring has allowed the creation of multiple applications, among them is the recognition of high falls risk activities of older people for the mitigation of falls occurrences. In this study, we apply a graphical model based classification technique (conditional random field) to evaluate various sliding window based techniques for the real time prediction of activities in older subjects wearing a passive (batteryless) sensor enabled RFID tag. The system achieved maximum overall real time activity prediction accuracy of \(95\,\%\) using a time weighted windowing technique to aggregate contextual information to input sensor data.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Wearable RFID System for Real-Time Activity Recognition Using Radio Patterns
Nächstes Kapitel MobiSLIC: Content-Aware Energy Saving for Educational Videos on Mobile Devices
Fußnoten
1
Epoch refers to a group of RFID interrogation cycles.
 
Literatur
1.
Becker, C., Rapp, K.: Fall prevention in nursing homes. Clin. Geriatr. Med. 26(4), 693–704 (2010)CrossRef
2.
Györbíró, N., Fábián, A., Hományi, G.: An activity recognition system for mobile phones. Mob. Netw. Appl. 14(1), 82–91 (2009)CrossRef
3.
Jeffery, S., Franklin, M., Garofalakis, M.: An adaptive rfid middleware for supporting metaphysical data independence. VLDB J. 17(2), 265–289 (2008)CrossRef
4.
Karantonis, D., Narayanan, M., Mathie, M., Lovell, N., Celler, B.: Implementation of a real-time human movement classifier using a triaxial accelerometer for ambulatory monitoring. IEEE Trans. Inf. Technol. Biomed. 10(1), 156–167 (2006)CrossRef
5.
Kaufmann, T., Ranasinghe, D.C., Zhou, M., Fumeaux, C.: Wearable quarter-wave microstrip antenna for passive UHF RFID applications. Int. J. Antennas Propag. (2013)
6.
Kern, N., Schiele, B., Schmidt, A.: Recognizing context for annotating a live life recording. Pers. Ubiquit. Comput. 11(4), 251–263 (2007)CrossRef
7.
Krishnan, N.C., et al.: Activity recognition on streaming sensor data. Pervasive Mob. Comput. 10, 138–154 (2014)CrossRef
8.
Lee, M.W., Khan, A., Kim, J.H., Cho, Y.S., Kim, T.S.: A single tri-axial accelerometer-based real-time personal life log system capable of activity classification and exercise information generation. In: 32nd Annual International Conference IEEE Engineering in Medicine and Biology Society, pp. 1390–1393 (2010)
9.
Lee, Y.-S., Cho, S.-B.: Activity recognition using hierarchical hidden markov models on a smartphone with 3D accelerometer. In: Corchado, E., Kurzyński, M., Woźniak, M. (eds.) HAIS 2011, Part I. LNCS, vol. 6678, pp. 460–467. Springer, Heidelberg (2011)CrossRef
10.
Lu, C.H., Fu, L.C.: Robust location-aware activity recognition using wireless sensor network in an attentive home. IEEE Trans. Autom. Sci. Eng. 6(4), 598–609 (2009)CrossRef
11.
Messing, R., Pal, C., Kautz, H.: Activity recognition using the velocity histories of tracked keypoints. In: IEEE 12th International Conference on Computer Vision, pp. 104–111 (2009)
12.
Oliver, D.: Prevention of falls in hospital inpatients. agendas for research and practice. Age Ageing 33(4), 328–330 (2004)MathSciNetCrossRef
13.
Ranasinghe, D.C., Shinmoto Torres, R.L., Hill, K.D., Visvanathan, R.: Low cost and batteryless sensor-enabled radio frequency identification tag based approaches to identify patient bed entry and exit posture transitions. Gait & Posture (2013)
14.
Robinovitch, S.N., Feldman, F., Yang, Y., Schonnop, R., Lueng, P.M., Sarraf, T., Sims-Gould, J., Loughin, M.: Video capture of the circumstances of falls in elderly people residing in long-term care: an observational study. The Lancet 381(9860), 47–54 (2012)CrossRef
15.
Shinmoto Torres, R.L., Ranasinghe, D.C., Shi, Q., Sample, A.P.: Sensor enabled wearable rfid technology for mitigating the risk of falls near beds. In: 2013 IEEE International Conference on RFID, pp. 191–198 (2013)
16.
Sutton, C., McCallum, A.: An introduction to conditional random fields. Found. Trends Mach. Learn. 4(4), 267–373 (2012)CrossRef
17.
Wang, L., Gu, T., Tao, X., Lu, J.: A hierarchical approach to real-time activity recognition in body sensor networks. Pervasive Mob. Comput. 8(1), 115–130 (2012)CrossRef
18.
Xia, L., Chen, C.C., Aggarwal, J.: Human detection using depth information by kinect. In: 2011 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops, pp. 15–22 (2011)
Metadaten
Titel
Evaluation of Wearable Sensor Tag Data Segmentation Approaches for Real Time Activity Classification in Elderly
verfasst von
Roberto Luis Shinmoto Torres
Damith C. Ranasinghe
Qinfeng Shi
Copyright-Jahr
2014
Buch
Mobile and Ubiquitous Systems: Computing, Networking, and Services

Print ISBN: 978-3-319-11568-9

Electronic ISBN: 978-3-319-11569-6

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-319-11569-6_30