Activity Recognition from Smart Insole Sensor Data Using a Circular Dilated CNN

El artículo presenta un sistema de reconocimiento de actividades basado en una red neuronal convolucional con dilatación circular (CDCNN) que procesa datos multimodales de plantillas inteligentes, logrando una precisión del 86,42% en la clasificación de cuatro actividades y demostrando su viabilidad para su despliegue en sistemas embebidos.

Lo esencial

¡Hola! Imagina que tus zapatos tienen ojos y oídos propios. Eso es básicamente lo que hace este artículo: presenta un sistema inteligente que usa plantillas de zapato (insoles) con sensores para adivinar qué estás haciendo (si estás de pie, caminando, sentado o haciendo un equilibrio especial) sin que tengas que llevar un reloj inteligente en la muñeca o una cámara apuntándote.

Aquí te explico la historia de cómo funciona, usando analogías sencillas:

1. El Problema: ¿Cómo sabe el zapato qué haces?

Imagina que tus pies son como un director de orquesta. Cuando caminas, te sientas o te mantienes de pie, tus pies tocan el suelo de formas muy diferentes y se mueven de maneras específicas.

• Los sensores: La plantilla tiene 24 "oídos" diferentes. 18 son como micrófonos de presión que escuchan dónde pisas fuerte y dónde suave. Los otros 6 son como pequeños giroscopios (como los de tu teléfono) que sienten cómo se mueve tu pie en el espacio (aceleración y giro).
• El reto: Antes, los científicos usaban reglas manuales para interpretar estos sonidos y movimientos, como si un humano tuviera que escuchar la orquesta y decir: "Ah, eso suena a que está caminando". Pero a veces se equivocan.

2. La Solución: El "Cerebro" Circular (CDCNN)

Los autores crearon un cerebro artificial llamado CDCNN. Para entenderlo, imagina que tienes una cinta de casete con la música de tu caminata.

• La ventana de tiempo: El sistema no escucha toda la vida de una vez. Toma trozos de 160 segundos (o "marcos") de la cinta.
• El truco de la "Cinta Infinita": Aquí viene la parte genial. Normalmente, cuando un cerebro artificial mira el principio o el final de un trozo de cinta, se confunde porque no sabe qué hay antes o después (como si la música se cortara de golpe).
  • Este modelo usa una técnica llamada "relleno circular". Imagina que la cinta de casete es un anillo de goma o una rueda de la fortuna. El final de la cinta se conecta mágicamente con el principio. Así, el cerebro nunca se pierde; siempre ve el contexto completo, como si estuvieras mirando un mapa del mundo donde el este se conecta con el oeste.
• Los "Dilatados": El cerebro tiene "lentes" que pueden ver cosas muy pequeñas (un paso rápido) y cosas muy grandes (todo el ciclo de caminar) al mismo tiempo, sin necesitar miles de ojos. Es como tener una lupa que también es un telescopio.

3. El Resultado: ¿Quién gana?

Los investigadores probaron su cerebro artificial contra un competidor clásico llamado XGBoost (que es como un experto muy rápido que toma miles de decisiones basadas en reglas simples).

• La competencia:
  • El Cerebro Artificial (CDCNN) acertó el 86.42% de las veces.
  • El Experto Clásico (XGBoost) acertó el 87.83%.
• La sorpresa: Aunque el experto clásico ganó por un pelo, el cerebro artificial tiene ventajas enormes:
  1. Es más rápido y eficiente: Funciona como un atleta ligero, listo para correr dentro del zapato sin gastar mucha batería.
  2. Es más flexible: Si cambias la duración de tu paso, el cerebro se adapta. El experto clásico necesita que todo esté perfectamente ordenado en una lista fija.
  3. Es más transparente: Podemos ver qué "ojos" del cerebro estaban más atentos.

4. El Secreto: ¿Qué es lo más importante?

Usaron una técnica llamada "importancia de características" (como un detective que pregunta: "¿Quién fue el testigo más importante?").

• El hallazgo: ¡Los sensores de movimiento (acelerómetro y giroscopio) fueron los testigos más importantes! Es decir, saber cómo se mueve tu pie es más revelador que solo saber dónde pisas.
• Sin embargo, los sensores de presión (especialmente en el talón y la punta del pie) siguen siendo vitales para confirmar si estás parado o sentado. Es como si el movimiento te dijera "estoy corriendo" y la presión te confirmara "y mis pies están tocando el suelo".

5. ¿Por qué es esto importante para ti?

• Privacidad total: A diferencia de las cámaras de seguridad que te graban (y que pueden ser invasivas), esta tecnología solo "siente" tu zapato. Nadie te ve, solo tu zapato sabe lo que haces.
• Uso real: Podría usarse para ayudar a personas mayores a detectar caídas, para atletas que quieren mejorar su técnica, o para rehabilitación, todo funcionando en tiempo real dentro de tu zapato.

En resumen:
Este paper nos dice que hemos creado un "cerebro" para nuestros zapatos que, aunque no es el campeón absoluto de precisión (por un margen muy pequeño), es el atleta más versátil y eficiente para llevar en el zapato. Usa un truco inteligente de "cinta infinita" para entender tus pasos sin confundirse, y nos enseña que, para saber qué haces, cómo te mueves es tan importante como dónde pisas.

Resumen técnico

Resumen Técnico: Reconocimiento de Actividad en Plantillas Inteligentes mediante CDCNN

1. Problema y Contexto

El reconocimiento de actividades humanas (HAR) mediante sensores portátiles ha cobrado gran importancia en aplicaciones de salud, como la evaluación del riesgo de caídas en adultos mayores, el análisis del rendimiento deportivo y la rehabilitación.

• Limitaciones de enfoques existentes: Los sistemas actuales basados en cámaras plantean problemas de privacidad y dependen de la iluminación; los sensores de radar requieren infraestructura fija y calibración compleja.
• Desafío específico: Las plantillas inteligentes (smart insoles) integran matrices de presión y unidades de medición inercial (IMU: acelerómetros y giroscopios), generando datos de series temporales de alta dimensión. Sin embargo, la mayoría de los trabajos previos tratan estos modos (presión e inercia) de forma independiente o utilizan características manuales (hand-crafted features) con modelos clásicos (SVM, Random Forest), dejando abierta la cuestión de cómo fusionar óptimamente todos los canales en un modelo unificado de aprendizaje profundo.

2. Metodología

El artículo propone un sistema de clasificación de actividades de extremo a extremo que procesa señales crudas de plantillas inteligentes.

A. Conjunto de Datos y Preprocesamiento

• Fuente: Datos recopilados de múltiples sujetos realizando cuatro actividades: De pie, Caminando, Sentado y Postura en Tandem.
• Estructura de los datos: Cada muestra es una ventana fija de 160 pasos de tiempo con 24 características por marco:
  • 18 sensores de presión.
  • 3 ejes de acelerómetro (x, y, z) en unidades de g.
  • 3 ejes de giroscopio (x, y, z).
• División de datos: Se utiliza una evaluación independiente del sujeto (subject-independent). Los sujetos se dividen en conjuntos disjuntos para entrenamiento (11 sujetos), validación (2 sujetos) y prueba (3 sujetos), asegurando que el modelo generalice a usuarios no vistos. El conjunto total tiene 14,748 ventanas etiquetadas.

B. Arquitectura del Modelo: CDCNN
Se propone una Red Neuronal Convolucional con Dilatación Circular (Circular Dilated CNN - CDCNN) diseñada específicamente para datos de series temporales de plantillas:

• Convoluciones Dilatadas: Utilizan un factor de dilatación exponencial ($d = 2^i$) para expandir el campo receptivo temporal sin aumentar el número de parámetros ni reducir la resolución temporal. Esto permite capturar tanto contactos breves del pie como patrones de marcha a largo plazo.
• Relleno Circular (Circular Padding): Se aplica para evitar artefactos en los bordes de las ventanas, asumiendo que la secuencia es cíclica. Esto es crucial cuando las actividades no se alinean perfectamente con los bordes de la ventana.
• Diseño:
  • Bloques de convolución 1D con normalización por lotes (Batch Norm) y activación ReLU.
  • Cuatro bloques con dilataciones de 1, 2, 4 y 8.
  • Capas ocultas de 64 canales y tamaño de kernel 3.
  • Dropout (0.2) para regularización.
• Salida: Un promedio global (Global Average Pooling) reduce la dimensión temporal a 1, seguido de una capa totalmente conectada que clasifica en 4 clases.
• Ventajas: El diseño puramente convolucional es paralelizable, ofreciendo menor latencia de inferencia que los modelos basados en RNN/LSTM, lo que lo hace ideal para implementación en hardware embebido dentro de la plantilla.

C. Importancia de Características por Permutación
Para entender qué sensores contribuyen más, se aplica un análisis de importancia por permutación:

1. Se calcula la precisión base del modelo.
2. Se barajan aleatoriamente los valores de un canal específico (ej. un eje del acelerómetro) a través de todas las muestras.
3. Se mide la caída de precisión. Una caída mayor indica que el canal es más crítico para la clasificación.

3. Resultados

• Rendimiento de Clasificación:
  • El modelo CDCNN alcanzó una precisión de prueba del 86.42% en la evaluación independiente del sujeto.
  • Como referencia, un modelo XGBoost (árbol de gradiente impulsado) entrenado sobre los mismos datos (pero con vectores aplanados) logró una precisión ligeramente superior del 87.83%.
  • Análisis de la brecha: La ligera ventaja de XGBoost se atribuye a su capacidad para explotar interacciones no lineales complejas en vectores aplanados y su robustez con poco ajuste de hiperparámetros, mientras que la CDCNN tiene un campo receptivo local y fue ajustada de forma más gruesa.
• Importancia de Características:
  • El análisis de permutación reveló que los sensores inerciales (acelerómetro y giroscopio) contribuyen sustancialmente a la discriminación de actividades, superando a muchos sensores de presión individuales.
  • Dentro de los sensores de presión, las regiones del talón y la punta mostraron una importancia elevada.
  • La combinación de modalidades (presión + inercia) es esencial para caracterizar patrones de contacto y postura.
• Eficiencia: El modelo converge rápidamente (precisión de validación >80% en pocas épocas) y es adecuado para inferencia en tiempo real.

4. Contribuciones Clave

1. Arquitectura Unificada: Presentación de una CDCNN que fusiona nativamente datos de presión y IMU en un solo modelo, evitando la necesidad de ingeniería de características manual.
2. Innovación en el Diseño: Uso de dilatación circular para manejar series temporales de ventanas fijas sin perder información en los bordes, optimizado para la naturaleza cíclica de la marcha.
3. Evaluación Rigurosa: Implementación de una división estricta "sujeto independiente", lo cual es un estándar más difícil y realista que la división aleatoria de muestras, demostrando la capacidad de generalización del modelo.
4. Análisis de Interpretabilidad: Cuantificación detallada de la contribución de cada canal de sensor, demostrando que los datos inerciales son tan o más informativos que la presión para ciertas actividades.

5. Significado y Futuro

• Viabilidad de Despliegue: La arquitectura es ligera, paralelizable y de baja latencia, lo que la hace ideal para su implementación en dispositivos embebidos dentro de las plantillas inteligentes para monitoreo continuo en la vida diaria.
• Privacidad: A diferencia de las cámaras, las plantillas inteligentes ofrecen mediciones inherentemente privadas y respetuosas con la privacidad.
• Trabajo Futuro: Los autores proponen mejorar la generalización mediante validación "leave-one-subject-out", reconocer actividades más finas (subir/bajar escaleras, giros), optimizar el modelo para inferencia en dispositivos con recursos limitados (pruning) y añadir suavizado temporal para reducir el ruido en las etiquetas.

En conclusión, el trabajo demuestra que un enfoque de aprendizaje profundo basado en convoluciones dilatadas puede competir eficazmente con modelos de árboles de decisión avanzados en tareas de reconocimiento de actividad con plantillas inteligentes, ofreciendo además ventajas significativas en términos de interpretabilidad temporal y eficiencia computacional para el despliegue en el borde (edge computing).