使用可穿戴传感器来评价对象的系统和方法与流程

使用可穿戴传感器来评价对象的系统和方法


背景技术：

1.商业可穿戴物(诸如apple watch和fitbit)中的人类身体活动和姿势识别使用在对象身体上的特定位置(腕部)处收集和记录的原始数据。例如，可穿戴运动传感器(诸如加速度计和陀螺仪)被广泛用于跟踪人类身体活动和姿势。然而，关于对象上的特定位置训练运动传感器的底层算法或软件模型。因此，当穿戴在身体上的其他位置上时，此类运动传感器不能维持高性能。例如，apple watch具有针对腕部位置训练的模型。本说明书限制了用户，因为他们必须遵守特定的部署协议(例如，将传感器穿戴在预定的身体位置(诸如腕部)上)。
2.改变传感器的位置可能负面地影响其性能，并且因此可能需要用新数据和标签重新训练位置特异性模型以创建补充模型。该过程是耗时且昂贵的，并且因此在现实设置中是不实际的。
3.此外，当前人类身体活动和姿势识别的改进通常需要添加新数据以增加可访问的数据库。不同研究之间的记录协议的差异(诸如改变传感器的位置或甚至传感器本身(例如加速度计))限制了在一个研究(一个位置)中记录的数据应用于改进为另一个研究(另一个位置)创建的模型。
4.因此，需要一种方法来使用高度准确的模型来评价人类身体活动和姿势，其是针对对象身体上的主要位置创建的，在其处，数据收集和身体活动/姿势确定是特别准确的，而不管可穿戴传感器是穿戴在主要位置本身处还是穿戴在一些其他次要位置处。次要位置是与主要位置不同的位置，并且具有一致地产生更不准确的结果的对应模型。


技术实现要素：

5.根据本公开的一方面，提供了一种用于使用穿戴在对象身体上的可穿戴传感器来评价对象的方法。所述方法包括在所述传感器处收集指示与身体的移动和/或特性的原始数据；确定所述传感器在所述对象的所述身体上的物理位置；并且确定所述传感器的所述物理位置是否与所述对象的所述身体上的主要位置匹配。所述主要位置对应于先前收集用于训练存储在所述传感器可访问的模型数据库中的预先训练的模型的训练数据的位置。此外，根据所述方法，当所述传感器的所述物理位置与所述主要位置匹配时，根据从所述预先训练的模型中选择并从所述模型数据库检索的模型使用在所述传感器处收集的所述原始数据来确定所述对象的姿势和身体活动中的至少一项。当源传感器的所述物理位置与所述主要位置不匹配时，使用基于机器学习的算法将所述原始数据从所述物理位置映射到所述主要位置以提供映射数据；并且根据从所述模型数据库检索的选定的模型使用所述映射数据来确定所述对象的姿势和身体活动中的至少一项。在所述传感器可访问的显示器上显示所确定的所述对象的姿势和身体活动中的至少一项。任选地，当源传感器的所述物理位置与所述主要位置不匹配时，可以将所述映射数据记录在所述扩充数据库中，并且可以使用记录在扩充数据库中的所述映射数据以及所述训练数据来重新训练选定的模型。
6.根据本公开的另一方面，提供了一种可穿戴在对象的身体上以用于确定所述对象
的身体活动和姿势中的至少一项的传感器设备。所述传感器设备包括：数据库，其存储先前使用从所述身体上的主要位置记录的训练数据训练的至少一个预先训练的模型；存储器，其存储可执行指令，所述可执行指令包括传感器定位模块、身体活动和姿势识别模块以及传感器数据映射模块；以及处理器，其被配置为执行从所述存储器检索的所述指令。当由所述处理器执行时，所述指令使所述处理器根据用户指令收集指示与所述身体相关联的特性的原始数据，根据所述传感器定位模块确定所述传感器设备在所述对象的所述身体上的位置，并且根据所述传感器定位模块确定所确定的位置是否与所述主要位置匹配。当所确定的位置与所述主要位置匹配时，所述指令还使所述处理器根据所述身体活动和姿势识别模块使用所收集的原始数据和从存储在数据库中的至少一个模型中选择的预先训练的模型来确定所述对象的身体活动和姿势中的至少一项。当所确定的位置与所述主要位置不匹配时，所述指令还使所述处理器根据所述传感器数据映射模块将所述原始数据从所确定的位置映射到所述主要位置以提供映射数据，并且根据所述身体活动和姿势识别模块使用所述映射数据和从存储在所述数据库中的所述至少一个模型中选择的预先训练的模型来确定所述对象的身体活动和姿势中的至少一项。所述传感器设备还包括显示器，所述显示器被配置为显示根据所述身体活动和姿势识别模块确定的所述对象的身体活动和姿势中的至少一项。
附图说明
7.当结合附图阅读时，根据以下详细描述将最佳地理解示例实施例。需要强调的是，各种特征不一定是按比例绘制的。实际上，为了清楚地讨论，可以将尺寸进行任意的增大或减小。在适用和实用的地方，相同的附图标记指示相同的元件。
8.图1图示了根据代表性实施例的被配置用于使用可穿戴传感器来评价对象的系统的简化框图。
9.图2图示了根据代表性实施例的用于使用可穿戴传感器来评价对象的过程的简化流程图。
10.图3图示了根据代表性实施例的用于使用基于机器学习的算法将原始数据从传感器的物理位置映射到主要位置的过程的简化流程图。
11.图4图示了根据代表性实施例的通用计算机系统，在该通用计算机系统上可以实施使用可穿戴传感器来评价对象的方法。
具体实施方式
12.在以下详细描述中，出于解释而非限制的目的，阐述了公开具体细节的代表性实施例，以便提供对根据本教导的实施例的透彻理解。可以省略对已知的系统、设备、材料、操作方法和制造方法的描述，以便避免掩盖对代表性实施例的描述。尽管如此，在本领域普通技术人员的能力范围内的系统、设备、材料和方法都在本教导的范围内，并且可以根据代表性实施例而得到使用。应当理解，本文使用的术语仅出于描述特定实施例的目的，而并非旨在进行限制。所定义的术语是在本教导的技术领域中通常理解和接受的定义术语的技术和科学含义之外的含义。
13.将理解，尽管在本文中可以使用术语第一、第二、第三等来描述各种元件或部件，
但是这些元件或部件不应受到这些术语的限制。这些术语仅用于区分一个元件或部件与另一元件或部件。因此，在不脱离本发明构思的教导的情况下，下面讨论的第一元件或部件也可以被称为第二元件或部件。
14.本文使用的术语仅出于描述特定实施例的目的，而并非旨在进行限制。如在说明书和权利要求书中使用的单数形式的术语“一”、“一个”和“该”旨在包括单数形式和复数形式两者，除非上下文另有明确指示。另外，当在本说明书中使用术语“包括”和/或“包含”和/或类似术语时，这些术语指定存在记载的特征、元件和/或部件，但是并不排除存在或添加一个或多个其他特征、元件、部件和/或它们的组。本文使用的术语“和/或”包括相关联的列出项目中的一个或多个的任意组合和所有组合。
15.除非另有说明，否则当说元件或部件“连接到”，“耦合到”或“邻近”另一元件或部件时，应当理解，该元件或部件能够直接连接到或耦合到另一元件或部件，或者可以存在中间元件或部件。也就是说，这些术语和类似术语涵盖可以采用一个或多个中间元件或部件来连接两个元件或部件的情况。然而，当说元件或部件“直接连接到”另一元件或部件时，这仅涵盖两个元件或部件彼此连接而没有任何中间或中介元件或部件的情况。
16.鉴于前述内容，本公开内容因此旨在通过其各个方面、实施例和/或特定特征或子部件中的一个或多个来带来如下面具体指出的优点中的一个或多个。为了解释而非限制的目的，阐述了公开具体细节的示例实施例，以便提供对根据本教导的实施例的透彻理解。然而，与本文公开的具体细节相背离的与本公开内容一致的其他实施例仍在权利要求的范围内。此外，可以省略对众所周知的装置和方法的描述，以免掩盖对示例实施例的描述。这样的方法和装置在本公开内容的范围内。
17.本公开的各种实施例提供了用于使用模型来评价人类身体活动和姿势的系统、方法和装置，所述模型是使用来自对象上的主要(目标)位置的数据创建和先前训练的，而不管对象上的可穿戴传感器的实际位置是否与主要位置匹配。也就是说，当传感器的实际位置与主要位置匹配时，使用由应用于预先训练的模型的传感器收集的原始数据来确定身体活动和姿势。然而，当传感器的实际位置与主要位置不匹配(即，实际位置是次要位置)时，使用应用于预先训练的模型的映射数据来确定身体活动和姿势，其中，映射数据通过映射由次要位置处的传感器收集并使用基于机器学习的算法映射到主要位置的原始数据来获得。例如，根据各种实施例，基于机器学习的算法可以将在对象的腕部(次要位置)处记录的传感器原始数据映射到对象的胸部(主要位置)，以应用于高度准确的预先训练的模型。而且，在这种情况下，可以存储映射数据以用于重新训练预先训练的模型，以改进预先训练的模型的效率和准确性。例如，这使得在一个研究中记录的数据能够在另一个研究中使用。
18.图1图示了根据代表性实施例的被配置用于使用可穿戴传感器来评价对象的系统的简化框图。参考图1，被配置为执行本文描述的用于评价对象106的方法和/或模型的系统100包括物理上位于对象106的身体105上的可穿戴传感器110。评价包括识别对象106的身体活动和姿势。可穿戴传感器110可以是可附接到身体105的用于通过监测身体105的一个或多个特性和/或环境状况来收集原始数据的任何设备。例如，可穿戴传感器110可以包括加速度计、陀螺仪、心率传感器、温度计、气压计和麦克风中的一个或多个，以便提供与对象106相关联的特性有关的各种原始数据，例如，取决于可穿戴传感器110的能力和位置，诸如加速度、物理移动、身体位置、心率、温度、大气压力以及心音和肺音，如下所述。例如，可穿
戴传感器110可以是商业可穿戴设备，诸如可穿戴在对象106的腕部上的apple watch或fitbit、或可穿戴在对象106的胸部上或周围的philips lifeline。原始数据可以由可穿戴传感器110本身、以及由身体105上的远离可穿戴传感器110的各种远程位置处的远程传感器(未示出)收集，远程传感器通过无线和/或有线连接与可穿戴传感器110通信。值得注意的是，数据在可穿戴传感器处收集，但是可以在可穿戴传感器110中本地地保存/处理、或在云和/或远程服务器中远程地保存/处理。
19.取决于其设计，可穿戴传感器110可以在各种位置之一处附接到身体105。例如，可穿戴传感器110可以在主要位置111处可附接到对象106的胸部，或在次要位置112处可附接到对象106的腕部。主要位置111通常更适合于从对象106收集原始数据。例如，可穿戴传感器110可以访问在次要位置112处不可获得的在主要位置111处的额外信息(诸如心音和肺音)，以用于评价对象106。而且，对象106的加速度、物理移动和身体位置可以由可穿戴传感器110在主要位置111处更准确且可靠地检测，而不是必须根据可穿戴传感器110可以以其他方式附接到的四肢(例如，腕部、脚踝)(例如，次要位置112)的更复杂的相对移动来确定这些特性。例如，对象106仰卧的姿势更容易从主要位置111检测到，因为当身体105仰卧时胸部是水平的，而当身体105仰卧时四肢可以相对于水平布置在各种取向处。
20.系统100还可以包括例如经由至少一个系统总线115互连的处理器120、存储器130、用户接口140、通信接口145、模型数据库150和扩充数据库155。应当理解，在某些方面中，图1构成了简化的抽象，并且系统100的部件的实际组织可以比所图示的更复杂。此外，可穿戴传感器110被示出为通过虚线连接到系统总线115，指示处理器120、存储器130、用户接口140、通信接口145、模型数据库150和扩充数据库155中的全部或一些的任何组合可以被并入到穿戴在对象106的身体105上的可穿戴传感器110本身中。例如，在实施例中，处理器120、存储器130、用户接口140和通信接口145可以位于可穿戴传感器110中，使得能够对由可穿戴传感器110收集的原始数据进行局部处理，而模型数据库150和扩充数据库155可以位于可穿戴传感器110经由通信接口145通过无线网络或无线连接可访问的(一个或多个)远程服务器或云中。备选地，在另一实施例中，通信接口145可以与基本处理和用户接口能力一起位于可穿戴传感器110中，以实现基本通信，诸如发送原始数据和接收处理结果。同时，处理器120、存储器130、模型数据库150和扩充数据库155可以位于远程位置，诸如在可穿戴传感器110经由通信接口145通过无线网络或无线连接可访问的(一个或多个)远程服务器和/或云中，使得能够远程处理由可穿戴传感器110收集的原始数据。该实施例可以允许更有效的处理和扩展的存储。在不脱离本教导的范围的情况下，可以并入处理器120、存储器130、用户接口140、通信接口145、模型数据库150和扩充数据库155的位置的其他组合，包括在本地和远程位置之间划分相应的功能。
21.处理器120可以是能够执行存储在存储器130、模型数据库150和扩充数据库160中的指令并且以其他方式处理原始数据的任何硬件设备。因此，处理器120可以包括微处理器、现场可编程门阵列(fpga)专用集成电路(asic)或其他类似设备，如下面关于图4的图示性计算机系统400中的处理器410所讨论的。处理器120可以执行指令以实施本文描述的方法的部分或全部内容。另外，处理器120可以分布在多个设备之间，例如，以适应必须以需要多组存储器/处理器组合的分布式方式实施的方法。
22.存储器130可以包括各种存储器，例如高速缓存或系统存储器。因此，存储器130可
以包括静态随机存取存储器(sram)、动态ram(dram)、闪存存储器、只读存储器(rom)或其他类似的存储器设备，如下面关于图4的图示性计算机系统400中的主存储器420和/或静态存储器430所讨论的。显而易见的是，在处理器包括以硬件方式实施本文描述的一个或多个功能的一个或多个asic(或其他处理设备)的实施例中，可以省略在其他实施例中被描述为对应于这样的功能的软件。也就是说，存储器130可以存储由处理器120执行的指令和/或处理器120可以操作的数据。
23.用户接口140可以包括用于实现与用户(例如对象106、临床医生、技术人员、医生和/或其他医学专业人员)的通信的一个或多个设备。在各种实施例中，如上所述，用户接口140可以完全或部分地包括在可穿戴传感器110上，以供对象106立即访问，并且可以包括用于接收用户命令的显示器和键、按钮和/或触摸板或触摸屏。备选地或另外地，用户接口140可以包括可以经由通信接口145呈现给远程终端的命令行接口或图形用户接口。这种远程终端可以包括用于接收用户命令的显示器、触摸板或触摸屏、鼠标和键盘。
24.通信接口145(网络接口)可以包括使得能够由可穿戴传感器110与其他硬件设备进行通信的一个或多个设备。例如，通信接口145可以包括被配置为根据以太网协议进行通信的网络接口卡(nic)。另外，例如，通信接口145可以实施用于根据tcp/ip协议进行通信的tcp/ip栈，使得能够根据局域网(诸如蓝牙(例如，ieee 802.15)和wi-fi(例如，ieee 802.11))和/或广域网的各种标准进行无线通信。用于通信接口145的各种备选或额外硬件或配置将是显而易见的。
25.模型数据库150和扩充数据库155中的每一个可以包括一个或多个机器可读存储介质，诸如只读存储器(rom)、随机存取存储器(ram)、磁盘存储介质、光存储介质、闪存设备或类似的存储介质。在各种实施例中，模型数据库150和扩充数据库155可以存储由处理器120执行的指令或处理器120可以(单独或与存储器130配合)操作的数据。例如，模型数据库150可以存储用于确定对象(例如，诸如对象106)的身体活动和/或姿势的一个或多个预先训练的模型。通常，基于由安装在训练对象的胸部上的传感器采集的训练数据或其模拟来训练每个模型，因为来自胸部传感器的数据更准确并且倾向于实现高性能。也就是说，训练数据将被记录在与身体105上的主要位置111相对应的训练位置处。当然，在不脱离本教导的范围的情况下，可以从除胸部之外的训练位置采集训练数据，在此情况下，用于随后确定对象的身体活动和姿势的可穿戴传感器110的主要位置将对应于从其采集训练数据的位置。
26.值得注意的是，模型训练可以在计算机中使用例如windows、mac或linux进行一次。模型的信息(例如，神经网络的权重)与评价代码一起保存。新数据被馈送到评价代码，并且该代码使用保存的模型以用于活动/姿势识别。
27.为了训练模型的目的，可以从实际对象106或从表示对象的总体的测试对象收集训练数据。备选地或额外地，可以模拟训练数据。如上所述，训练数据是从对应于主要位置111的位置收集的，因为与从次要位置(例如，诸如次要位置112)获得的信息相比，关于对象106的移动和定位的信息倾向于更准确。而且，在主要位置111处可获得要不然从次要位置112不可获得的更多信息，诸如心音和肺音、胸部移动、身体位置和取向、核心温度等。预先训练的模型中的每一个可以包括用于基于应用于模型的训练数据来确定身体活动和姿势的处理器可执行指令。例如，模型可以是具有长短期记忆(lstm)单元的循环神经网络模型。
28.根据某些代表性实施例，通过将训练数据分成至少训练集和测试集来训练模型并验证其性能，其中，训练集用于训练模型，并且测试集用于测试训练模型的性能。可以使用训练数据的不同子采样来创建训练集和测试集。例如，占训练数据的30％的保持集可以被留出作为测试集，并且训练数据的剩余70％可以用作训练集。数据分裂、模型训练和模型验证的过程可以重复多次(例如，100次)以收集模型的性能统计。性能统计可以包括但不限于例如准确度、灵敏度、特异性和精度。当模型具有超参数(例如，包括多个层和激活函数的神经网络分类器的架构)时，训练数据的一部分可以用作验证集来调整这些超参数。
29.扩充数据库155收集并存储已经从次要位置112映射到主要位置111的数据，以便使用从存储在模型数据库150中的预先训练的模型中选择的模型来确定对象106的身体活动和姿势。例如，映射数据可以是下面讨论的传感器数据映射模块133的输出。下面讨论使用选定的模型在传感器之间映射数据的过程。然后可以使用来自扩充数据库155的映射数据来重新训练选定的模型。然后可以将重新训练的(或扩充的)选定的模型再次存储在模型数据库150中，其中，它可用于另一研究。重新训练存储在模型数据库150中的模型可以改进系统100的未来性能。存储器130可以包括各种模块，每个模块包括与系统100的特定功能相对应的一组相关的处理器可执行指令。例如，在所描绘的实施例中，存储器130包括传感器定位模块131、身体活动/姿势识别模块132和传感器数据映射模块133。传感器定位模块131包括用于确定可穿戴传感器110在对象106的身体105上的物理位置和用于使用由可穿戴传感器110收集的原始数据来确定可穿戴传感器110的物理位置的变化的处理器可执行指令。在所描绘的示例中，在不脱离本教导的范围的情况下，传感器定位模块131使得能够确定可穿戴传感器110是被穿戴在主要位置111还是次要位置112处，但是可以确定其他位置。例如，由可穿戴传感器110收集的原始数据以及原始数据(诸如气压)的趋势或趋势变化可以用作识别可穿戴传感器110的位置的任何变化的分类器模型中的潜在特征。在检测到可穿戴传感器110的位置的可能变化之后，传感器定位模块131可以利用另一模型(诸如另一分类器模型)来检测可穿戴传感器110在身体105上的新位置，所述另一模型接收输入数据(例如，气压)并且在输出中提供类别(例如，腕部、脚踝或胸部)。
30.检测可穿戴传感器110的位置的另一种方式是利用上面提到的麦克风。也就是说，当由麦克风捕获提供心音和/或肺音的音频数据时，它指示可穿戴传感器110被穿戴在胸部(例如，主要位置111)上。否则，可穿戴传感器110可以在腕部(例如，次要位置112)、脚踝或远离对象106的心脏和肺的其他位置上。此外，例如，可以通过从可穿戴传感器110上的加速度计和/或陀螺仪接收加速度数据来检测可穿戴传感器110的位置，该加速度数据指示传感器相对于对象106的身体105的移动，这将指示可穿戴传感器110的位置在四肢上。身体活动/姿势识别模块132包括上面讨论的用于基于可穿戴传感器110位于身体105上的主要位置111处的假设使用从模型数据库150检索的选定的预先训练的模型来检测对象106的身体活动和姿势的处理器可执行指令。预先训练的模型例如由用户(例如，对象106或其他人)通过用户接口140选择，或可以基于来自如上所述的传感器定位的信息自动选择。传感器数据映射模块133包括用于每当由传感器定位模块131确定的可穿戴传感器110的实际位置在次要位置112而不是主要位置111处时将原始数据从身体105上的次要位置112(或其他次要位置)映射到主要位置111的处理器可执行指令。因此，最终，身体活动/姿势识别模块132就好像可穿戴传感器110在主要位置111处一样来检测对象106的身体活动和姿势，要么通过在
可穿戴传感器110实际位于主要位置111处时直接处理原始数据要么通过在可穿戴传感器110位于次要位置112处时处理来自传感器数据映射模块133的映射数据。可以由身体活动/姿势识别模块132经由用户接口140输出检测到的身体活动和姿势中的一个或多个。例如，用户接口140可以连接到显示器，在该显示器上可以显示一个或多个检测到的身体活动和姿势。额外输出可以包括对应于各种检测到的身体活动和姿势的警告设备或信号。例如，当输出指示检测到的身体活动或姿势变化与对象的跌倒一致时，可以触发听觉警报或视觉指示器。在实施例中，传感器数据映射模块133使用基于机器学习的算法将原始数据从次要位置112(其是所确定的可穿戴传感器110的物理位置)映射到主要位置111以提供映射数据。这可以在对象106继续将可穿戴传感器110穿戴在次要位置112处时完成。例如，传感器数据映射模块133可以使用具有例如将源时间序列映射到目标时间序列的长短期记忆(lstm)单元的循环神经网络。由于两个不同传感器位置(例如，主传感器位置111和次传感器位置112)之间的对应轴线可能由于设备(例如，可穿戴传感器110中的加速度计)、所利用的传感器或对象106正在如何穿戴可穿戴传感器110的差异而改变，因此使用诸如相关性的方法来找到两个传感器位置中的对应轴线将改进性能。例如，还可以基于从加速度计导出或由加速度计捕获的角速度来完成传感器的局部坐标系的对准。运动学身体模型还可以用于基于传感器所附接于的两个身体部分之间的运动学链接和结合将一个传感器的坐标系转移到另一个传感器。该图示性方法通常是机器人和多体机械系统领域的普通技术人员已知的，其中，每个身体独立于另一个身体移动，并且其运动可以在其自己的局部坐标系或另一身体的局部坐标系内描述。
31.将显而易见的是，被描述为存储在模型数据库150和/或扩充数据库155中的信息可以额外地或备选地存储在存储器130中。也就是说，尽管被单独地描绘，但是模型数据库150和扩充数据库155可以被包括在相同的物理数据库中或在存储器130中。在这方面，存储器130也可以被认为构成“存储设备”，并且模型数据库150和/或扩充数据库155可以被认为是“存储器”。各种其他布置将是显而易见的。此外，存储器130、模型数据库150和扩充数据库155均可以被认为是“非瞬态机器可读介质”。如本文所使用的，术语“非瞬态”将被理解为不包括瞬态信号但包括所有形式的存储，包括易失性和非易失性存储器。
32.尽管系统100被示出为包括每个所描述的部件之一，但是在各种实施例中可以复制各种部件。例如，处理器120可以包括多个微处理器，其被配置为独立地执行本文描述的方法，或被配置为执行本文描述的方法的步骤或子例程，使得多个处理器协作以实现本文描述的功能。此外，在计算机系统400在云计算系统中实施的情况下，各种硬件部件可以属于单独的物理系统。例如，处理器120可以包括第一服务器中的第一处理器和第二服务器中的第二处理器。
33.图2是示出根据代表性实施例的用于使用对象身体上的可穿戴传感器来评价对象的过程的流程图，该过程可以由本文描述的各种系统执行。传感器可以穿戴在身体上的各种不同位置处，但是可能位置之一(主要位置)向传感器提供比(一个或多个)其他可能位置((一个或多个)次要位置)更好的原始数据和/或由传感器提供比(一个或多个)其他可能位置((一个或多个)次要位置)更好的分析。
34.参考图2，例如，可以由图1中的处理器120与存储器130(和相关联的模块)、模型数据库150和扩充数据库155一起执行全部或部分步骤。在框s211中，模型数据库由一个或多
个预先训练的模型填充。模型通常使得能够确定什么身体活动和姿势对应于由传感器收集的各种数据。如上所述，利用从训练对象(其也可以是最终监测和评价的对象)的身体在训练对象的身体上对应于主要位置的位置处收集的训练数据对模型进行预先训练。也就是说，训练位置(和主要位置)可以在训练对象的胸部周围，因为在胸部处采集的原始数据倾向于提供身体活动和姿势的非常准确的确定，因为在其他位置处不可用的额外数据的可用性并且因为胸部的移动和位置与未被捕获的身体的移动和位置之间的实质统一。预期了其他位置。预先训练的模型可以由模型数据库150存储和提供，以根据由可穿戴传感器110捕获的原始数据来确定身体活动或姿势。
35.在框s212中，在附接到对象的传感器处收集指示对象身体的特性和/或环境状况的原始数据。例如，原始数据可以包括加速度、物理移动、身体位置、心率、温度、大气压力和/或心音和肺音。在框s213中，可以至少部分地基于在框s212中在传感器处收集的原始数据、针对传感器定位训练的模型以及从原始数据导出的数据趋势和/或数据趋势的变化来确定传感器在身体上的物理位置以及传感器的物理位置的变化。例如，检测到心脏和/或肺音并且检测到与呼吸一致的小节律移动指示传感器穿戴在对象的胸部上，而不存在心脏和/或肺音并且检测到与手臂运动一致的大的不规则移动指示传感器穿戴在对象的腕部上。
36.在框s214中，确定传感器的物理位置是否与对象的身体上的主要位置匹配。主要位置对应于在身体上收集用于训练预先训练的模型的训练数据的位置，例如，该预先训练的模型已经被存储在模型数据库150中。出于本文讨论的目的，传感器可以位于的对象身体上的任何其他位置将被认为是次要位置。
37.当确定传感器的物理位置与主要位置匹配时(框s214：是)，在框s215中，根据从预先训练的模型中选择并从模型数据库检索的模型使用在传感器处收集的原始数据来确定对象的身体活动和姿势中的至少一个。换句话说，不需要将原始数据映射到任何其他位置以便执行数据分析来识别对象的身体活动和姿势。
38.当确定传感器的物理位置与主要位置不匹配时(框s214：否)，在框s216中将原始数据从传感器的实际物理位置(其是次要位置)映射到主要位置以提供映射数据。映射调节原始数据以考虑传感器实际定位于的次要位置与预先训练的模型(包括选定的模型)所基于的主要位置之间的位置差异。可以使用基于机器学习的算法来完成映射，其示例在下面参考图3进行描述。在框s217中，根据从模型数据库检索的选定的模型使用映射数据来确定对象的身体活动和姿势中的至少一个。也就是说，使用与框s215中使用的相同的选定的模型，映射数据被视为好像它是由主要位置处的传感器收集的原始数据。而且，任选地，在框s218中，可以将映射数据记录在扩充数据库中，并且在框s219中，可以使用记录在扩充数据库中的映射数据和训练数据来重新训练选定的模型。
39.图3图示了示出根据代表性实施例的用于使用基于机器学习的算法将原始数据从传感器的实际物理位置映射到主要位置的过程的简化流程图，该过程可以由本文描述的各种系统执行。也就是说，图3示出了实施图2中的框s216的示例。
40.参考图3，在框s311中，创建用于训练映射模型以将原始数据从对象身体上的一个(次要)位置映射到对象身体上的主要位置的数据集，所述主要位置是已经针对其训练了用于确定身体活动和/或姿势的一个或多个预先训练的模型的位置。可以通过同时记录对象
的次要位置和主要位置处的原始数据来创建数据集。值得注意的是，可以预先用不同的对象记录数据集。本教导还预期从同一对象收集数据并训练对象特异性模型。
41.在框s312中将数据集分成训练数据和测试数据，其中，在框s313中使用训练数据来训练映射模型，并且在框s314中使用测试数据来评价经训练的映射模型。映射模型初始地从训练阶段中的训练数据学习和获得。映射模型包括基于机器学习的算法，因为经训练的映射模型从框s313输出，并且在框s314中使用测试数据进行评价。指示基于评价的映射模型的性能的框s314的输出可以被框s313用于优化映射模型的训练，通过虚线来指示，从而改进映射模型的性能。
42.例如，当在框s214中已经确定传感器的实际物理位置与主要位置不匹配时，来自框s313的经训练的映射模型输出也被提供给图2中的框s216，以使得能够将原始数据从传感器的实际物理位置映射到主要位置。而且，图3示出了包括在框s216之前的额外框s216’的图示性实施例，其中，在实际(次要)物理位置处的传感器和在主要位置处的参考传感器的传感器轴线匹配。在这种情况下，在传感器处收集的原始数据的参考系与用于开发映射模型的训练数据的参考系对准，例如，以便最小化传感器旋转和传感器坐标系中的未对准的影响。如上所述，将映射数据从框s216提供给框s217，以用于确定对象的身体活动和姿势中的至少一个。
43.再次参考图2，在框s220中，在传感器可访问的显示器上显示所确定的对象的身体活动和姿势中的至少一个。例如，传感器可以包括显示身体活动和/或姿势的集成显示器。此外，传感器可以包括使得传感器能够连接到远程计算机(诸如pc或工作站)的无线接口，诸如蓝牙或wi-fi。在这种情况下，身体活动和/或姿势可以显示在远程计算机上。如上所述，确定身体活动和/或姿势以及确定传感器在身体上位于何处(框s214)并且如果需要则将传感器的物理位置映射到主要位置(框s216)可以由包括在传感器中的处理器执行。在这种情况下，身体活动和/或姿势可以直接提供给传感器显示器以供查看，或经由无线网络连接传输到远程计算机以供额外查看。在备选实施例中，原始数据可以经由无线网络连接传输到远程计算机以便进行处理，在此情况下，确定身体活动和/或姿势以及确定传感器在身体上位于何处(框s214)并且如果需要则将传感器的物理位置映射到主要位置(框s216)可以由远程计算机执行。在这种情况下，身体活动和/或姿势可以直接提供给远程计算机显示器以供查看，或经由无线网络连接传输回传感器以供在传感器显示器上查看。
44.因此，通过将由次要位置处的传感器收集的原始数据映射到主要位置，与仅使用次要位置相比，用于建模的(映射)数据的质量和对应建模结果的质量得到了改进(但是最佳结果仍然基于在预先训练的模型所基于的相同部位处收集的原始数据)。下面的表1比较了当(a)在用于确定身体活动和/或姿势的选定的模型所基于的相同的、最准确的位置(胸部)处收集原始数据，(b)在用于确定身体活动和/或姿势的选定的模型所基于的相同的、更不期望的位置(腕部)处收集原始数据，以及(c)在更不期望的位置(腕部)处收集原始数据并将其映射到用于确定身体活动和/或姿势的选定的模型所基于的更好的位置(胸部)时的结果的准确度。关于(c)，将左腕部原始传感器数据映射到胸部传感器数据的lstm回归模型。我们可以实现0.12
±
0.02的低归一化均方根。下表展示了针对所提出的测试数据集估计躺卧姿势的平均准确度、平衡准确度(特异性和灵敏度的平均值)和f1分数。在表中，我们比较了三种不同情形中躺卧姿势估计的性能：
45.表1
[0046][0047]
参考表1，在胸部处收集传感器数据并且预先训练的模型基于胸部位置的情形是最佳情形。这是因为胸部预先训练的模型是非常准确的，并且由安装在胸部上的传感器收集的原始数据为该模型提供了最准确的数据。该条目是可以实现的准确度的上限。在从腕部收集原始数据并且预先训练的模型基于腕部的情况下，提供基线准确度。当在腕部处收集的传感器数据被映射到胸部时，在腕部和胸部训练数据集上训练基于回归lstm的模型，以能够将来自腕部传感器的当前可用数据映射到胸部传感器数据，使得从可用的腕部传感器数据估计胸部数据。应用在来自胸部的先前数据上训练的准确模型以实现比基线更高的准确度并且接近上限的准确度。如表1所示，该实施例平均上将基线性能改进了约7.5％。
[0048]
图4图示了根据代表性实施例的通用计算机系统，在该通用计算机系统上可以实施使用可穿戴传感器来评价对象的方法。
[0049]
参考图4，计算机系统400可以包括其可以被执行以引起计算机系统400执行本文公开的任何一种或多种方法或基于计算机的功能的一组指令。计算机系统400可以作为独立设备操作，或可以例如使用网络401连接到其他计算机系统或外围设备。
[0050]
在联网部署中，计算机系统400可以以服务器的身份运行，或者在服务器-客户端用户网络环境中作为客户端用户计算机而运行，或者在对等(或分布式)网络环境中作为对等计算机系统而运行。计算机系统400还能够被实施为各种设备或与之集成在一起，这些设备例如为固定计算机、移动计算机、个人计算机(pc)、膝上型计算机、平板计算机、无线智能电话、个人数字助理(pda)或能够运行指令集(顺序指令或其他指令)的任何其他机器，这些指令指定该机器要进行的动作。计算机系统400能够被结合为设备或者被结合在设备中，该设备继而又处于包括额外设备的集成系统中。在实施例中，计算机系统400能够使用提供语音、视频或数据通信的电子设备来实施。另外，虽然以单数形式示出了计算机系统100，但是术语“系统”也应被认为包括独立地或联合地运行一个或多个指令集以执行一种或多种计算机功能的系统或子系统的任何集合。
[0051]
如图4所示，计算机系统400包括处理器410，所述处理器是有形的且非瞬态的，并且表示一个或多个处理器。本文使用的术语“非瞬态”不应被解读为永恒的状态的特性，而应被解读为将持续一段时间的状态的特性。术语“非瞬态”特别否认短暂的特性，例如，在任何时间任何地点仅短暂存在的载波或信号或其他形式的特性。处理器是制造品和/或机器部件。用于计算机系统400的处理器410被配置为运行软件指令以执行如本文的各个实施例中所描述的功能。处理器410可以是通用处理器，或者可以是专用集成电路(asic)的部分。处理器410还可以是微处理器、微型计算机、处理器芯片、控制器、微控制器、数字信号处理器(dsp)、状态机或可编程逻辑设备。处理器410还可以是(或包括)逻辑电路，包括可编程门阵列(pga)(例如，现场可编程门阵列(fpga))或包括离散门和/或晶体管逻辑单元的另一种类型的电路。处理器410可以是中央处理单元(cpu)、图形处理单元(gpu)或这两者。另外，本
文描述的任何处理器可以包括多个处理器、并行处理器或这两者。多个处理器可以被包括在单个设备或多个设备中或者被耦合到单个设备或多个设备。
[0052]
此外，计算机系统400可以包括主存储器420和/或静态存储器430，其中，存储器可以经由总线108彼此通信。本文描述的存储器是能够存储数据和可执行指令的有形存储介质，并且在指令被存储在存储器中时该存储器是非瞬态的。本文使用的术语“非瞬态”不应被解读为永恒的状态的特性，而应被解读为将持续一段时间的状态的特性。术语“非瞬态”特别否认短暂的特性，例如，在任何时间任何地点仅短暂存在的载波或信号或其他形式的特性。本文描述的存储器是制造品和/或机器部件。本文描述的存储器是计算机可读介质，计算机能够从该计算机可读介质中读取数据和可执行指令。本文描述的存储器可以是随机存取存储器(ram)、只读存储器(rom)、闪速存储器、电可编程只读存储器(eprom)、电可擦除可编程只读存储器(eeprom)、寄存器、硬盘、可移动磁盘、磁带、压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、软盘、蓝光盘或本领域已知的任何其他形式的存储介质。存储器可以是易失性的或非易失性的，安全的和/或加密的，不安全的和/或未加密的。
[0053]
如图所示，计算机系统400还可以包括视频显示单元450，例如，液晶显示器(lcd)、有机发光二极管(oled)、平板显示器、固态显示器或阴极射线管(crt)。另外，计算机系统400可以包括输入设备460(例如，键盘/虚拟键盘或触敏输入屏或具有语音识别功能的语音输入部)和光标控制设备470(例如，鼠标或触敏输入屏或垫)。计算机系统400还能够包括磁盘驱动器单元480、信号生成设备490(例如，扬声器或遥控器)以及网络接口设备440。
[0054]
在实施例中，如图4中所描绘的，磁盘驱动器单元480可以包括计算机可读介质482，能够将一个或多个指令集484(例如，软件)嵌入在计算机可读介质482中。能够从计算机可读介质482中读取指令集484。另外，指令484在由处理器运行时能够用于执行本文描述的方法和过程中的一个或多个。在实施例中，在计算机系统400的运行期间，指令484可以完全或至少部分地驻留在主存储器420、静态存储器430中和/或处理器410中。
[0055]
在备选实施例中，能够构建专用硬件实施方式(例如，专用集成电路(asic)、可编程逻辑阵列和其他硬件部件)来实施本文描述的方法中的一种或多种方法。本文描述的一个或多个实施例可以使用两个或更多个特定的互连硬件模块或设备来实施功能，这两个或更多个特定的互连硬件模块具有能够在模块之间并通过模块进行通信的相关的控制信号和数据信号。因此，本公开内容涵盖软件、固件和硬件实施方式。本技术中的任何内容都不应被解读为仅由软件而不是由硬件(例如，有形的非瞬态处理器和/或存储器)来实施或可实施的。
[0056]
根据本公开内容的各种实施例，可以使用运行软件程序的硬件计算机系统来实施本文描述的方法。另外，在示例性非限制性实施例中，实施方式能够包括分布式处理、部件/对象分布式处理以及并行处理。能够将虚拟计算机系统处理构建为实施本文描述的方法或功能中的一个或多个，并且本文描述的处理器可以用于支持虚拟处理环境。
[0057]
本公开内容预想到计算机可读介质482，计算机可读介质482包括指令484或者响应于传播的信号而接收并运行指令484，使得连接到网络401的设备能够通过网络401进行语音、视频或数据通信。另外，可以经由网络接口设备440在网络401上发送或接收指令484。
[0058]
如上所述，本公开内容不限于在本技术中描述的特定实施例，该特定实施例仅旨在说明各个方面。显而易见的是，能够在不脱离本公开内容的精神和范围的情况下进行许
多修改和变化。根据前面的代表性说明，除了本文列举的方法和装置之外，在本公开内容的范围内的功能上等效的方法和装置可以是显而易见的。这样的修改和变化旨在落入代表性权利要求的范围内。本公开内容仅由代表性权利要求的术语以及这样的代表性权利要求所享有的等同物的全部范围来限定。还应当理解，本文使用的术语仅出于描述特定实施例的目的，而并不旨在进行限制。
[0059]
关于本文中对基本上任何复数和/或单数术语的使用，本领域技术人员能够在对背景和/或应用适当的情况下将复数转变为单数和/或将单数转变为复数。为了清楚起见，可以在本文中明确地阐述各种单数/复数置换。
[0060]
本领域技术人员应当理解，一般而言，在本文中(特别是在权利要求书中)使用的术语(例如，权利要求的主体)通常旨在作为“开放式”术语(例如，术语“包括”应当被解读为“包括但不限于”，术语“具有”应当被解读为“至少具有”，术语“包含”应当被解读为“包含但不限于”等)。本领域技术人员还应当理解，如果意图引入一定数量的权利要求，则可以在权利要求中明确地记载这种意图，并且在没有这样的记载的情况下就不存在这样的意图。例如，为了帮助理解，权利要求可以包含对介绍性短语“至少一个”和“一个或多个”的使用以引入权利要求的记载。然而，使用这样的短语不应被解释为暗示由词语“一”或“一个”引入的权利要求记载将任何包含这样引入的权利要求记载的特定权利要求限制到仅包含一个这样的记载的实施例，即使当相同权利要求包括介绍性短语“一个或多个”或“至少一个”以及诸如“一”或“一个”之类的不定冠词时也是如此(例如，“一”和/或“一个”应当被解读为“至少一个”或“一个或多个”)；对用于引入权利要求记载的定冠词的使用也是如此。
[0061]
另外，即使明确记载了具体数量的引入的权利要求记载，这样的记载也应被解读为至少意味着所记载的数量(例如，对“两个记载”的纯记载而没有其他修饰语意味着至少两个记载或两个或更多个记载)。此外，在使用类似于“a、b和c中的至少一个等”的约定的情况下，这样的构造意指本领域技术人员理解该约定的意义(例如，“具有a、b和c中的至少一个的系统”将包括但不限于单独具有a的系统、单独具有b的系统、单独具有c的系统、具有a和b的系统、具有a和c的系统、具有b和c的系统和/或具有a、b和c的系统等)。在使用类似于“a、b或c中的至少一个等”的约定的情况下，这样的构造意指本领域技术人员理解该约定的意义(例如，“具有a、b或c中的至少一个的系统”将包括但不限于单独具有a的系统、单独具有b的系统、单独具有c的系统、具有a和b的系统、具有a和c的系统、具有b和c的系统和/或具有a、b和c的系统等)。本领域技术人员还应当理解，实际上无论是在说明书、权利要求书还是附图中，呈现两个或更多个替代术语的任何分隔性词语和/或短语都应但被理解为预想到包括这些术语中的一个，这些术语中的任一个或这些术语两者的可能性。例如，短语“a或b”可以被理解为包括“a”或“b”或“a和b”的可能性。
[0062]
仅出于说明的目的呈现了前面的描述及其相关联的实施例。它不是穷举性的，且并不将本文公开的构思限于所公开的精确形式。根据以上描述，本领域技术人员可以意识到，可以根据以上教导进行修改和变化，或者可以从实践所公开的实施例中获取修改和变化。例如，所描述的步骤不必以所讨论的相同顺序或以相同的分离度来执行。同样，可以根据需要省略、重复或组合各个步骤以实现相同或相似的目标。因此，本公开内容不限于上述实施例，而是根据权利要求的等同物的全部范围来限定。
[0063]
在上文中，已经参考附图描述了各种优选实施例。然而，显而易见的是，在不脱离
如权利要求书所阐述的本文公开的发明构思的宽泛范围的情况下，可以对实施例进行各种修改和变化，并且可以实施额外的实施例。因此，说明书和附图被认为是说明性的而非限制性的。
[0064]
尽管已经参考多个图示性实施例描述了使用可穿戴传感器来评价对象的系统和方法，但是应当理解，已经使用的词语是描述和图示的词语，而不是限制性的词语。可以在所附权利要求的范围内进行改变，如目前陈述和修改的，而在其各个方面中不脱离光学传感器放置的系统和方法的范围和精神。尽管已经参考具体模块、材料和实施例描述了光学传感器放置的系统和方法，但是光学传感器放置的系统和方法并不旨在限于所公开的细节；而是使用可穿戴传感器来评价对象的系统和方法扩展到所有功能上等效的结构、方法和用途，例如在所附权利要求的范围内的。
[0065]
本文描述的实施例的说明旨在提供对各种实施例的结构的一般理解。这些说明并不旨在用作对本文描述的本公开内容的所有元件和特性的完整描述。在阅读本公开内容之后，许多其他实施例对于本领域技术人员而言可以是显而易见的。可以利用其他实施例并且从本公开内容中导出其他实施例，使得可以在不脱离本公开内容的范围的情况下做出结构和逻辑上的替换和改变。另外，这些说明仅是代表性的，并且可能没有按比例绘制。图中的某些比例可能被放大，而其他比例可能被最小化。因此，本公开内容和附图应被认为是说明性而非限制性的。
[0066]
在本文中，仅出于方便的目的，可以用术语“发明”来单独和/或共同指代本公开内容中的一个或多个实施例，而无意将本技术的范围限制为任何特定的发明或发明构思。此外，虽然本文已经说明和描述了特定实施例，但是应当理解，针对所示的特定实施例，被设计为实现相同或相似目的的任何后续布置可以被代替。本公开内容旨在覆盖各种实施例的任何和所有后续的调整或变化。在阅读说明书之后，以上实施例的组合以及在本文中未具体描述的其他实施例对于本领域技术人员来说将是显而易见的。
[0067]
本公开内容的摘要被提供为符合37c.f.r.
§
1.72(b)，并且在提交时应被理解为不会将其用于解读或限制权利要求的范围或含义。另外，在前面的具体实施方式中，为了精简本公开内容的目的，可以将各种特征分组在一起或者在单个实施例中描述各种特征。本公开内容不应被解读为反映以下意图：所要求保护的实施例需要比每个权利要求中明确记载的特征更多的特征。相反，如权利要求所反映的，发明主题可以指向少于所公开的实施例中的任一个的所有特征。因此，权利要求被并入具体实施方式中，每个权利要求书独立定义单独要求保护的主题。
[0068]
所公开的实施例的前述描述被提供为使得本领域的任何技术人员都能够实践本公开内容中描述的构思。正因如此，以上公开的主题应被认为是说明性的，而不是限制性的，并且权利要求旨在覆盖落入本公开内容的真实精神和范围内的所有这样的修改、增强和其他实施例。因此，在法律允许的最大范围内，本公开内容的范围将由权利要求及其等同物的最广泛的允许解读内容来确定，并且不应由前述具体实施方式来限制。