The experiments have been carried o

The experiments have been carried out with a group of 30 volunteers within an age bracket of 19-48 years. Each person performed six activities (WALKING, WALKING_UPSTAIRS, WALKING_DOWNSTAIRS, SITTING, STANDING, LAYING) wearing a smartphone (Samsung Galaxy S II) on the waist. Using its embedded accelerometer and gyroscope, we captured 3-axial linear acceleration and 3-axial angular velocity at a constant rate of 50Hz. The experiments have been video-recorded to label the data manually. The obtained dataset has been randomly partitioned into two sets, where 70% of the volunteers was selected for generating the training data and 30% the test data.

The sensor signals (accelerometer and gyroscope) were pre-processed by applying noise filters and then sampled in fixed-width sliding windows of 2.56 sec and 50% overlap (128 readings/window). The sensor acceleration signal, which has gravitational and body motion components, was separated using a Butterworth low-pass filter into body acceleration and gravity. The gravitational force is assumed to have only low frequency components, therefore a filter with 0.3 Hz cutoff frequency was used. From each window, a vector of features was obtained by calculating variables from the time and frequency domain.

Check the README.txt file for further details about this dataset.

A video of the experiment including an example of the 6 recorded activities with one of the participants can be seen in the following link

ผลลัพธ์ (ไทย) 1:

ทดลองมีการดำเนินการกับกลุ่มอาสาสมัคร 30 ภายในมีวงเล็บอายุปี 19-48 แต่ละคนทำกิจกรรม 6 (คนเดิน WALKING_UPSTAIRS, WALKING_DOWNSTAIRS นั่ง ยืน วาง) ใส่สมาร์ทโฟน (Samsung Galaxy S II) ในพุง เราใช้การตรวจฝังและไจโรสโคป จับ 3 แกนเร่งเชิงเส้นและความเร็วเชิงมุม 3 แกนในอัตราคง 50Hz การทดลองแล้วบันทึกวิดีโอลงในป้ายชื่อข้อมูลด้วยตนเอง กั้นได้รับชุดข้อมูลเป็นชุดที่สอง ที่ 70% ของอาสาสมัครถูกเลือกสำหรับการสร้างข้อมูลการฝึกอบรมและ 30% ข้อมูลทดสอบแบบสุ่ม สัญญาณเซ็นเซอร์ (ตรวจและไจโรสโคป) ได้ประมวลผลล่วงหน้า โดยใช้ตัวกรองสัญญาณรบกวน และตัวอย่างแล้ว ใน windows เลื่อนกว้างคงเหลื่อมกัน 2.56 วินาทีและ 50% (128 อ่าน-หน้าต่าง) เซนเซอร์ความเร่งสัญญาณ ซึ่งมีความโน้มถ่วง และส่วนประกอบการเคลื่อนไหวร่างกาย ถูกแยกโดยใช้ตัวกรองต่ำผ่านบัตเตอร์เวิร์ทเป็นตัวเร่งและแรงโน้มถ่วง แรงความโน้มถ่วงจะถือว่ามีส่วนประกอบที่ความถี่ต่ำเท่านั้น ดังนั้น ใช้ตัวกรองกับ 0.3 Hz ความถี่ที่ตัดยอด จากแต่ละหน้าต่าง เวกเตอร์ของที่ได้จากการคำนวณตัวแปรจากโดเมนเวลาและความถี่ตรวจสอบแฟ้มโปรดอ่าน README.txt สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับชุดข้อมูลนี้ วิดีโอทดลองรวมทั้งตัวอย่างของกิจกรรมบันทึก 6 ของผู้เข้าร่วมสามารถดูได้ในลิงค์ต่อไปนี้

ผลลัพธ์ (ไทย) 2:

การทดลองได้รับการดำเนินการกับกลุ่มอาสาสมัครภายในวันที่ 30 วงเล็บอายุ 19-48 ปี แต่ละคนดำเนินกิจกรรมหก (เดิน WALKING_UPSTAIRS, WALKING_DOWNSTAIRS, นั่งยืนวาง) สวมมาร์ทโฟน (Samsung Galaxy S II) ที่เอว ใช้ accelerometer และฝังตัววัดการหมุนวนของเราจับการเร่งความเร็วเชิงเส้น 3 แกนและ 3 แกนความเร็วเชิงมุมในอัตราที่คงที่ของ 50Hz การทดลองที่ได้รับการบันทึกวิดีโอจะติดป้ายข้อมูลด้วยตนเอง ชุดข้อมูลที่ได้รับได้รับการแบ่งพาร์ติชันแบบสุ่มเป็นสองชุดที่ 70% ของอาสาสมัครที่ได้รับเลือกสำหรับการสร้างข้อมูลการฝึกอบรมและ 30% ข้อมูลการทดสอบ. สัญญาณเซ็นเซอร์ (accelerometer และหมุน) เป็นก่อนการประมวลผลโดยใช้ตัวกรองเสียงรบกวนและชิมแล้ว ในความกว้างคงเลื่อนหน้าต่าง 2.56 วินาทีและทับซ้อนกัน 50% (อ่าน 128 / หน้าต่าง) เร่งสัญญาณเซ็นเซอร์ที่มีแรงโน้มถ่วงและส่วนประกอบการเคลื่อนไหวร่างกายที่ถูกแยกออกจากกันโดยใช้บัตเตอร์ low-pass filter เข้าไปในร่างกายเร่งและแรงโน้มถ่วง แรงโน้มถ่วงจะถือว่ามีส่วนประกอบความถี่ต่ำเท่านั้นจึงกรองด้วยตัดความถี่ 0.3 เฮิร์ตซ์ถูกนำมาใช้ จากหน้าต่างแต่ละเวกเตอร์ของคุณสมบัติที่ได้รับโดยการคำนวณตัวแปรจากโดเมนเวลาและความถี่. ตรวจสอบไฟล์ README.txt สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับชุดนี้. วิดีโอการทดลองรวมทั้งตัวอย่างของ 6 กิจกรรมบันทึกกับหนึ่งใน ผู้เข้าร่วมสามารถมองเห็นได้ในการเชื่อมโยงต่อไปนี้

ผลลัพธ์ (ไทย) 3:

การทดลองได้ดำเนินการกับกลุ่ม 30 คน ภายในวงเล็บอายุในเขตปี แต่ละคนแสดงหกกิจกรรม ( เดิน walking_upstairs walking_downstairs , นั่ง , ยืน , วาง ) ( ใส่สมาร์ทโฟน Samsung Galaxy S II ) บนเอว การฝังตัวและ accelerometer gyroscope ,เราจับ 3-axial ความเร็ว และความเร่งเชิงเส้น 3-axial ความเร็วเชิงมุมในอัตราคงที่ร่วมกัน การทดลองได้รับวิดีโอที่บันทึกฉลากข้อมูลด้วยตนเอง นำข้อมูลที่ได้รับการสุ่มแบ่งเป็นสองชุด ซึ่ง 70% ของอาสาสมัครที่ได้รับเลือกสำหรับสร้างข้อมูลการฝึกอบรมและ 30 % ข้อมูลทดสอบ

สัญญาณ ( เซ็นเซอร์ accelerometer และไจโรสโคป ) ก่อนการประมวลผลโดยการใช้ตัวกรองเสียงรบกวนและตัวอย่างในความกว้างคงที่และหน้าต่างบานเลื่อนของ 2.56 วินาทีและ 50% ซ้อน ( อ่าน 128 / หน้าต่าง ) เซ็นเซอร์เร่งสัญญาณ ซึ่งมีแรงดึงดูด และส่วนประกอบของร่างกายเคลื่อนไหว ก็แยกใช้บัตเตอร์เวิร์ธวงจรกรองความถี่ต่ำผ่านเข้าไปเร่งร่างกายและแรงโน้มถ่วงแรงโน้มถ่วงจะถือว่ามีเพียงส่วนประกอบความถี่ต่ำ ดังนั้นตัวกรองกับ 0.3 Hz ตัดความถี่ที่ใช้ จากแต่ละหน้าต่างเวกเตอร์คุณลักษณะได้โดยการคำนวณตัวแปรจากเวลาและโดเมนความถี่

ดูไฟล์ readme.txt สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับข้อมูลนี้

วีดีโอการทดลองรวมถึงตัวอย่างของกิจกรรมที่ 6 บันทึกหนึ่งของผู้เข้าร่วมสามารถเห็นได้ในการเชื่อมโยง
ต่อไปนี้