Rotation-Invariant Multi-IMU Activity Recognition under Independent Per-Location Orientation Shifts
تقدم هذه الورقة البحثية TRI-HAR، وهو إطار عمل غير متأثر بالدوران يضمن هيكلياً المتانة تجاه تغيرات توجه وحدة القياس بالقصور الذاتي (IMU) المستقلة لكل موقع في التعرف على الأنشطة البشرية متعددة المستشعرات، وذلك من خلال توظيف عمود فقري متماثل مع مجموعة دوران (SO(3)) ودمج ميزات غير متغير، مما يتفوق على الطرق التقليدية القائمة على تعزيز الدوران دون الحاجة إلى معايرة صريحة أو تعزيز.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
إن التعرف على النشاط البشري هو العلم الذي يعلم الحواسيب كيفية فهم ما يفعله الشخص من خلال الاستماع إلى الحركات الدقيقة لجسمه. تعتمد هذه التكنولوجيا على مستشعرات صغيرة، تُسمى غالباً وحدات القياس بالقصور الذاتي، والتي تُربط بالمعصم أو الصدر أو الكاحل لتسجيل التسارع والدوران. وتعد هذه الأجهزة هي المراقب الصامت وراء برامج إعادة التأهيل المنزلي، وتتبع اللياقة البدنية، والمراقبة الطبية، حيث تترجم الحركة البدنية الخام إلى تسميات رقمية مثل "المشي" أو "الجري" أو "الجلوس". ومع ذلك، لطالما واجهت هذه الأنظمة مشكلة مستمرة: وهي أن المستشعرات نادراً ما يتم تثبيتها بنفس الطريقة تماماً في كل مرة. فعندما يضع المريض مستشعراً على معصمه للمرة الثانية، أو عندما يرتدي شخص آخر نفس الجهاز، يتغير التوجه (orientation). قد يكون المستشعر مائلاً قليلاً نحو اليسار أو مدوراً للأمام، مما يؤدي إلى توليد مجموعة مختلفة تماماً من الأرقام لنفس الحركة البدنية. لسنوات، عانت الحواسيب في التعرف على أن "جرياً" سُجل بمستشعر مائل هو نفسه النشاط المسجل بمستشعر مستقيم، وغالباً ما كانت تفشل عندما يتم تحريك الجهاز ولو قليلاً.
لقد طور فريق من الباحثين في جامعة كوريا ومعهد ماساتشوستس للتكنولوجيا نهجاً جديداً لحل هذه المشكلة تحديداً، حيث ابتكروا نظاماً يظل دقيقاً حتى عندما يتم إعادة ربط المستشعات في توجهات عشوائية. ويتناول عملهم، الذي قُدم تحت اسم إطار العمل TRI-HAR، سيناريو شائعاً في المراقبة الصحية ذاتية الإدارة حيث تُستخدم مستشعرات متعددة في آن واحد على أجزاء مختلفة من الجسم. في هذه الإعدادات، قد يكون كل مستشعر ملتوياً أو مدوراً بشكل مستقل عن الآخر، وهو وضع يربك النماذج الحاسوبية القياسية. وجد الباحثون أنه من خلال التعامل مع البيانات من كل موقع مستشعر كمتجه ثلاثي الأبعاد متميز ومعالجتها عبر بنية رياضية متخصصة، استطاعوا تجريد البيانات من الارتباك الناتج عن الدوران. وهذا يسمح للنظام بالتركيز فقط على شكل الحركة نفسها، بغض النظر عن كيفية حمل الجهاز.
يكمن جوهر اكتشافهم في كيفية التعامل مع البيانات قبل دمجها. فغالباً ما تحاول الطرق التقليدية تخمين التوجه الصحيح للمستشعر أو تعتمد على تدريب الحاسوب باستخدام الآلاف من الأمثلة المدورة اصطناعياً، على أمل أن يتعلم التعرف على النمط. وقد جادل الباحثون بأن هذه الطرق هشة؛ فإذا رأى الحاسوب دوراناً لم يتم التدريب عليه، فإنه يفشل. بدلاً من ذلك، بنوا نظاماً تجعل القواعد الرياضية نفسها تمنع الدوران من تغيير الإجابة النهائية. لقد صمموا البرنامج ليفحص أولاً البيانات من كل موقع في الجسم - مثل الصدر أو الفخذ - بشكل فردي. وفي كل موقع، يقوم النظام بتحويل إشارات المستشعر الخام إلى شكل يدور مع المستشعر، ثم يقوم فوراً بضغط تلك المعلومات في ملخص مستقر ومقاوم للدوران. وفقط بعد جعل بيانات كل مستشعر محصنة ضد ميلها الخاص، يقوم النظام بدمج ملخصات جميع أجزاء الجسم لتحديد ما يفعله الشخص.
أثبت هذا النهج فعالية ملحوظة عند اختباره مقابل أربعة مجموعات بيانات عامة تحتوي على تسجيلات لأشخاص يؤدون أنشطة مختلفة. وفي التجارب التي قام فيها الباحثون بتدوير البيانات من كل موقع مستشعر اصطناعياً بمقدار ثابت وعشوائي لمحاكاة إعادة الربط، حافظ النظام الجديد على دقته بشكل شبه مثالي. وفي المقابل، شهدت النماذج الموجودة التي لا تستخدم هذه البنية الخاصة انخفاضاً حاداً في أدائها، وغالباً ما فشلت في التعرف على الأنشطة الأساسية. وحتى عند مقارنته بالنماذج التي تم تدريبها ببيانات إضافية مصممة لمحاكاة هذه الدورات، كان النظام الجديد يتفوق دون الحاجة إلى أي من ذلك التدريب الإضافي. كما اختبر الباحثون النظام في مجموعة بيانات من العالم الحقيقي حيث تم نقل المستشعات وتغيير توجهها مادياً بواسطة مدرب بشري، وهو سيناريو يقدم كلاً من الدوران وتغيير الموقع. وفي هذا الاختبار الصعب، تفوق النظام الجديد مرة أخرى على أفضل الأساليب الموجودة، مما أكد أن قدرته على تجاهل الدوران تصمد حتى عندما يتم نقل المستشعرات بطرق غير متوقعة.
كما بحث الباحثون في مدى سرعة تشغيل هذا النظام الجديد على أجهزة الكمبيوتر القياسية، حيث تعد السرعة أمراً بالغ الأهمية للمراقبة الصحية في الوقت الفعلي. ووجدوا أنه على الرغم من أن النظام أكثر تعقيداً من النماذج الأبسط، إلا أنه يعالج البيانات بسرعة كافية لمواكبة تدفقات المستشعرات الحية. فبالنسبة لإعداد يحتوي على ثلاثة مستشعرات، يستغرق النظام أقل من مئة مللي ثانية لتحليل نافذة من البيانات، وهو أسرع بكثير من الوقت الذي يستغرقه المستشعر لجمع الدفعة التالية من المعلومات. وهذا يعني أنه يمكن استخدام هذه التكنولوجيا واقعياً على جهاز الكمبيوتر الخاص بالشخص أو هاتفه لمراقبة النشاط أثناء حدوثه، دون الحاجة إلى إرسال البيانات إلى خادم بعيد. ويظهر هذا العمل أنه من خلال تغيير البنية الأساسية لكيفية رؤية الحاسوب للبيانات، بدلاً من مجرد تغذيته بمزيد من الأمثلة، من الممكن بناء أنظمة للتعرف على النشاط تكون قوية أمام الواقع الفوضوي لكيفية ارتداء الناس لأجهزتهم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.