电子学报 ›› 2018, Vol. 46 ›› Issue (3): 659-664.DOI: 10.3969/j.issn.0372-2112.2018.03.022

• 学术论文 • 上一篇    下一篇

面向帕金森病的多模态异构协同感知方法

杨晓东1,2,3,4, 陈益强1,2,3, 于汉超1,3,4,6, 张迎伟1,2,3,4, 钟习1,2,3,4, 胡子昂1,2,3,4, 刘弘5,6   

  1. 1. 中国科学院计算技术研究所, 北京 100190;
    2. 中国科学院大学, 北京 100049;
    3. 移动计算与新型终端北京市重点实验室, 北京 100190;
    4. 帕金森病研究北京市重点实验室, 北京 100053;
    5. 山东师范大学信息科学与工程学院, 山东济南 250358;
    6. 山东省分布式计算机软件新技术重点实验室, 山东济南 250014
  • 收稿日期:2016-11-11 修回日期:2017-05-04 出版日期:2018-03-25 发布日期:2018-03-25
  • 通讯作者: 陈益强
  • 作者简介:杨晓东,男,1991年生于山东威海.现为中国科学院计算技术研究所博士研究生.主要研究方向为人机交互与普适计算.E-mail:yangxiaodong@ict.ac.cn;于汉超,男,1985年生于山东潍坊.现为中国科学院计算技术研究所助理研究员.主要研究方向为人机交互与普适计算.E-mail:yuhanchao@ict.ac.cn;张迎伟,女,1992年生于山东菏泽.现为中国科学院计算技术研究所硕士研究生.主要研究方向为人机交互与普适计算.E-mail:zhangyingwei@ict.ac.cn;钟习,女,1991年生于山东枣庄.现为中国科学院计算技术研究所硕士研究生.主要研究方向为人机交互与普适计算.E-mail:zhongxi@ict.ac.cn;胡子昂,男,1991年生于内蒙古巴彦淖尔.现为中国科学院计算技术研究所硕士研究生.主要研究方向为人机交互与普适计算.E-mail:huziang@ict.ac.cn;刘弘,女,1955年生于山东泰安.现为山东师范大学信息科学与工程学院教授,山东省分布式计算机软件新技术重点实验室主任.主要研究方向为人工智能与计算机辅助设计.E-mail:hongliu@sdnu.edu.cn
  • 基金资助:
    国家自然科学基金(No.61502456,No.61572471);北京市科学技术委员会资助(No.Z161100000216140,No.Z171100000117013);国家重点研发计划(No.2016YFB1001401)

Multimode Heterogeneous Collaborative Sensing Method for Parkinson's Disease

YANG Xiao-dong1,2,3,4, CHEN Yi-qiang1,2,3, YU Han-chao1,3,4,6, ZHANG Ying-wei1,2,3,4, ZHONG Xi1,2,3,4, HU Zi-ang1,2,3,4, LIU Hong5,6   

  1. 1. Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China;
    2. University of Chinese Academy of Sciences, Beijing 100049, China;
    3. Beijing Key Laboratory of Mobile Computing and Pervasive Device, Beijing 100190, China;
    4. Beijing Key Laboratory for Parkinson's Disease, Beijing 100053, China;
    5. School of Information Science and Engineering, Shandong Normal University, Jinan, Shandong 250358, China;
    6. Shandong Provincial Key Laboratory for Novel Distributed Computer Software Technonogy, Jinan, Shandong 250014, China
  • Received:2016-11-11 Revised:2017-05-04 Online:2018-03-25 Published:2018-03-25

摘要: 利用多模态异构传感器组成身体感知网络(body sensing networks),是连续感知用户日常行为的重要方法之一,但是能源消耗问题一直是限制其发展的主要原因。本文提出了一种面向帕金森病的多模态异构协同感知方法,以降低用户日常行为感知过程中的功耗.该方法将行为感知分为行为识别与状态监测,基于信息论确定识别或监测不同行为的最优传感器组合,进而利用一个多分类器建模的行为识别模型与多个二分类器建模的状态监测模型感知用户行为.通过在公开两个数据集上的实验可以看出,与传统的传感器全部持续工作的方法相比,该方法能够在保证对用户行为有效感知的同时,降低了数据传输和模型计算的功耗(MHEALTH上约40%,PAMAP2上约15%),从而延长感知网络的寿命,实现长时间持续的用户日常行为感知.

关键词: 普适计算, 协同感知, 行为识别, 帕金森病, 多模态异构, 传感器, 物联网

Abstract: Using multimodal heterogeneous sensors to form body sensing networks (BSNs) is one of the most important ways to continuously sensing users' daily activities,but high energy consumption is the main reason for restricting its development.This paper presents a multimode heterogeneous collaborative sensing method for Parkinson's disease to reduce the energy consumption in sensing the daily activities by BSNs.The proposed method divides activity recognition into two sub-tasks which contain activity detection and status monitoring.And it uses one multi-classifier to model activity detection task and several binary classifiers to model status monitoring tasks,which are based on the chosen optimal sensor sets.Experimental results on two public dataset show that comparing with the conventional method whose sensors run all the time,the energy consumption on data transportation and model computation is reduced by 40% in MHEALTH and 15% in PAMPA2 approximately without losing activity-sensing accuracy.Thus it can help extend the lifetime of BSNs to sense users' daily activities long-termly and continuously.

Key words: pervasive computing, collaborative sensing, activity recognition, Parkinson's disease, multimode heterogeneous, sensors, Internet of things

中图分类号: