Erfassung von Bewegungszuständen mittels Institut für Navigation Erfassung von Bewegungszuständen...

ww

w.n

av.u

ni-s

tuttg

art.d

eInstitut für Navigation

Erfassung von Bewegungszuständen mittels MEMS-Sensoren

B. Schäfer, F. Wild-Pfeiffer, W. Xue

GW 2010, Köln, 06.10.2010

ww

w.n

av.u

ni-s

tuttg

art.d


Inhalt

Einleitung− Körperliche Aktivität− Bewegungszustände− MEMS

Project Motion Pattern (PMP)− Untersuchungen− Ergebnisse

Zusammenfassung Ausblick

2

ww

w.n

av.u

ni-s

tuttg

art.d


KÖRPERLICHE AKTIVITÄTKörperliche Aktivität: Jede durch die Skelettmuskulatur verursachte Körperbewegung, die Kraftaufwand erfordert (WHO 2010).

3

ww

w.n

av.u

ni-s

tuttg

art.d


Körperliche Aktivität

Warum erfassen?− Zusammengang körperl. Aktivität und Gesundheit − Risiko chronischer Erkrankungen

Wie erfassen?− Fragebögen− Proprietäre Methoden (Actigraph™ und Actical®)− Objektive Erfassung Beschleunigungssensoren

(Hagströmer u. a. 2007, Ward u. a. 2005, WHO 2010)

4

ww

w.n

av.u

ni-s

tuttg

art.d


Bewegungszustand: Aktuelles Bewegungsverhalten zu einem bestimmten Zeitpunkt. Bewegungszustand: Aktueller Körperzustand und Bewegungsmuster eines Menschen zu einem bestimmten Zeitpunkt.

BEWEGUNGSZUSTÄNDE

5

ww

w.n

av.u

ni-s

tuttg

art.d


MEMSMicro Electro Mechanical Systems: Mikrosysteme sind Systeme, die Sensoren, Aktoren und Elektronik in Miniaturgröße vereinen und steuern.

Freescale (2009)

6

ww

w.n

av.u

ni-s

tuttg

art.d


Eigenschaften: Kosten Kleine Abmessungen / kompakte Bauweise Geringes Gewicht Hohe Ausfallsicherheit Geringer Energieverbrauch / Abwärme Parallele Fertigungstechnik vieler Mikrokomponenten auf einem Substrat

MEMS

7

ww

w.n

av.u

ni-s

tuttg

art.d


PROJECT MOTION PATTERN (PMP)Machbarkeitsuntersuchung (in Zusammenarbeit mit dem InSpo der Universität Stuttgart) zur Erfassung von Bewegungszuständen mittels MEMS-Sensoren.

PMP

8

ww

w.n

av.u

ni-s

tuttg

art.d


PMP Ziele:

Sensorposition Befestigung Empfindlichkeit Datenrate

9

ww

w.n

av.u

ni-s

tuttg

art.d

e

ww

w.n

av.u

ni-s

tuttg

art.d


PMP

Grundsätze der Detektion:− Labor natürliche Umgebung− Algorithmen entwickeln ≠ Daten erfassen − Keine Behinderung durch Kabel an Sensoren

(Bao und Intille 2004) Ansatz zur Erfassung von Bewegungszuständen:

− Kostengünstige, kleine und leichte Sensoren − Drahtlose Kommunikation

MEMS

10

ww

w.n

av.u

ni-s

tuttg

art.d


PMP - Sensor

Dreiachsiger Beschleunigungsmesser MMA7456L von Freescale. USB Dongle (li.) und Sensor (re.): +/- 2|4|8g Drahtloser Betrieb

Freescale MMA7456L 3mm x 5mm x 1mmFreescale (2009)

X Y

Z

11

ww

w.n

av.u

ni-s

tuttg

art.d


PMP Experimente:

3 Probanden (2 männlich, 1 weiblich), ca. 25 Jahre 6 Bewegungsmuster:

Dokumentation in Feldbuch, auf Video

Gehen 5s Stehen, 10 Schritte Gehen, 5s Stehen, …(3 Wiederholungen Gehen)

Rennen 5s Stehen, Rennen, 5s Stehen.

Treppe hoch 5s Stehen, Treppe hoch(22 Stufen, ein Stockwerk), 5s Stehen.

Treppe runter 5s Stehen, Treppe runter(22 Stufen, ein Stockwerk), 5s Stehen.

Sitzen 5s Sitzen, 5s Stehen, 5s Sitzen, …(5 Wiederholungen Stehen)

Liegen 5s Stehen, 5s Liegen, 5s Stehen, …(5 Wiederholungen Liegen)

12

ww

w.n

av.u

ni-s

tuttg

art.d


PMP

Sensorpositionen:

Datenformat: − Rohdaten: Werte -127 bis 128− Beschleunigungen: +/- 2|4|8g

13

ww

w.n

av.u

ni-s

tuttg

art.d


PMP Rohdaten:

Bewegungsmuster Gehen an 3 Positionen in +/- 2g

ww

w.n

av.u

ni-s

tuttg

art.d

e

2g

2g

2g

14

ww

w.n

av.u

ni-s

tuttg

art.d


2g

PMP Rohdaten:

Vergleich versch. Bewegungsmuster am Knöchel in +/- 2g

2g

2g

15

ww

w.n

av.u

ni-s

tuttg

art.d

e

ww

w.n

av.u

ni-s

tuttg

art.d


PMP Auswertung:

Messdaten in Excel-File: Knöchel, Knie, Gürtel

Knöchel Knie Gürtel

read_data.m

Ergebnis

Feldbuch:Person, Sensorposition,

Ausrichtung,Messbereich,

Datenrate, Sensor/Kanal

Zusatzinformation

Knö

chel

t,x,

y,z

Kni

e t,x

,y,z

Gür

tel t

,x,y

,z

SegmentOfMove.mt, x

sitstandlie.mt, x, y, z

Kin

emat

isch

er_S

tatis

cher

S

tatu

s

Sta

tisch

er S

tatu

s

FastFT.mt, x

Kinematischer Status

t, x, y, z

16

ww

w.n

av.u

ni-s

tuttg

art.d


PMP Ergebnis:

Bewegungsmuster Gehen am Knöchel in +/- 2g

Kinematische [K] und statische [S] Intervalle

[K] [K] [K][S] [S][S] [S]

17

ww

w.n

av.u

ni-s

tuttg

art.d


PMP Ergebnis:

Detektiert Stehen Gehen Rennen Treppe hoch

Treppe runter Sitzen Liegen Kurze

Bewegung Fehler Güte

Gehen 60,9 38,0 0,0 0,0 0,0 0,0 0,0 1,1 1,1 98,9

Rennen 49,0 0,0 48,0 0,0 0,0 0,0 0,0 0,0 3,0 97,0

Treppe hoch 49,5 7,9 0,0 40,8 0,0 0,0 0,0 1,7 0,0 90,3

Treppe runter 50,5 0,0 0,0 18,3 29,4 0,0 0,0 1,8 0,0 79,9

Sitzen_Stehen 33,8 0,0 0,0 0,0 0,0 37,9 0,0 23,7 4,6 95,4

Stehen_Liegen 34,7 24,8 1,5 0,0 0,0 0,0 31,8 7,2 0,0 73,7

Konfusionsmatrix der Bewegungszustände (Einheit: %)

18

ww

w.n

av.u

ni-s

tuttg

art.d


PMP Ergebnis:

Güte der Erkennung 71% bis 98% Sensorposition:

− Kinematische Zustände alle 3 Positionen − Statische Zustände 2 Positionen:

Knie&Knöchel oder Knie&Gürtel Befestigung: Platte und Klettverschluss Empfindlichkeit: +/- 2g für die Erkennung der

Bewegungszustände ausreichend

19

ww

w.n

av.u

ni-s

tuttg

art.d


PMP Ausblick:

Erweiterung des Katalogs Übergänge: (Hinsetzen, Hinlegen, Aufstehen etc.) Automatisierung: Sensorposition und

Sensorausrichtung Neue Sensor-Plattformen z.B. STM Primer2 Anwendungen:− Location Awareness− Context Awareness− Fußgängernavigation STM Primer2 mit GPS-Empfänger

(http://www.stm32circle.com/projects/project.php?id=75)

20

ww

w.n

av.u

ni-s

tuttg

art.d


Literatur

Bao, L.; Intille, S. S.: Activity Recognition from User-Annotated Acceleration Data. In: Ferscha, A.; Mattern, F. (Eds.): Pervasive computing: Second international conference, PERVASIVE 2004, Linz/Vienna, Austria, April 21-23, 2004, Proceedings. Springer, LNCS 3001, S. 1-17

FREESCALE Semiconductor Inc.: Technical Data, MMA7456L: XYZ-Axis Accelerometer, Document Number: MMA7456L,Rev 4, 04/2009 http://www.freescale.com/files/sensors/doc/data_sheet/MMA7456L.pdf

Hagströmer, M.; Oja, P.; Sjöström, M.: Physical Activity and Inactivity in an Adult Population Assessed by Accelerometry. In: Medicine & Science in Sports & Exercise, Vol. 39, Nr. 9, 2007, S. 1502–1508

Ward, D. S.; Evenson, K. R.; Vaughn, A.; Rodgers, A. B.; Troiano, R. P.: Accelerometer Use in Physical Activity: Best Practices and Research Recommendations. In: Medicine & Science in Sports & Exercise, Vol. 37, Nr. 11, 2005, S. S582–S588

WHO Library Cataloguing-in-Publication Data: Global recommendations on physical activity for health, ISBN 978-924-159-997-9, 2010 http://www.who.int/dietphysicalactivity/global-PA-recs-2010.pdf

21

ww

w.n

av.u

ni-s

tuttg

art.d


PMP Rohdaten:

Bewegungsmuster Gehen in 3 Messbereichen am Knöchel

2g

8g

4g

22

ww

w.n

av.u

ni-s

tuttg

art.d

e

Erfassung von Bewegungszuständen mittels Institut für Navigation Erfassung von Bewegungszuständen...

Documents

Transcript of Erfassung von Bewegungszuständen mittels Institut für Navigation Erfassung von Bewegungszuständen...