基于物联网的异构学习增强头戴式个体监测与定位

《Internet of Things》:Head-Mounted Individual Monitoring and Finding with Heterogeneous Learning Enhancement Based on the Internet of Things

【字体: 大 中 小 】 时间:2026年08月28日 来源:Internet of Things 7.1

编辑推荐:

   摘要本文提出了头戴式个人监测与寻找(HIMF)框架,以实现基于物联网(IoT)的主动式个人安全与协助。HIMF是一个新颖的框架,具有以下功能特性:i)通过采集和分析惯性数据监测个人行为,在紧急情况下检测突发事件,并在日常使用中识别和纠正身体姿势;ii)探索异构学习注意力机制,

  

摘要

本文提出了头戴式个人监测与寻找(HIMF)框架,以实现基于物联网(IoT)的主动式个人安全与协助。HIMF是一个新颖的框架,具有以下功能特性:i)通过采集和分析惯性数据监测个人行为,在紧急情况下检测突发事件,并在日常使用中识别和纠正身体姿势;ii)探索异构学习注意力机制,开发头戴式活动识别模型,以准确识别个人状态;iii)在危险情况下,可以通过众包感知方式主动对目标个人进行紧急警报和位置追踪。特别地,我们实现了一个基于Android的头戴式个人监测与寻找物联网设备原型,以验证HIMF的可行性和性能。实验结果表明,HIMF的性能优于现有方法,能够高效地提供个人状态监测和众包目标定位。所开发的异构学习模型在HARSense数据集上达到了约98.2%的峰值识别准确率,在KU-HAR数据集上达到94.5%,在UMAFall数据集上达到89.2%。与表现最差的基线方法(CNN-LSTM)和最强竞争对手(DDC3N)相比,所开发的模型准确率分别提高了最多14.3%和1.5%。

引言

物联网(IoT)和移动互联网设备的快速发展使得无所不在的感知、计算和通信越来越可行。这些发展使得通过智能IoT和可穿戴设备对个人及个人财物进行远程关怀和监测成为可能[1]、[2]。尽管可穿戴技术(如健身追踪器和智能手表)已日益演变为支持通信和娱乐功能,但其在全面个人状态监测方面的能力仍然有限[3]。当前IoT和可穿戴架构的范式已大幅转向被动式健康遥测,例如持续心率监测和步数追踪。然而,一个关键的科学和社会性盲点在于:在局部、突发的紧急事件中的主动式个人保护(例如校园暴力导致的严重颅颈撞击[4],或老年人突然跌倒)。在这些高风险场景中,受影响者常常立即遭受身体或认知能力的丧失,使得传统的用户主动式紧急警报(如按下智能手机上的求救按钮)完全失效。这产生了一个紧迫的科学需求:一个自主的IoT框架如何能够在不需要人类明确干预的情况下,可靠地推断局部的、严重的生理 distress,并主动协调紧急响应?
为解决这一问题,必须应对两个基础性科学挑战。第一,跨域运动混叠问题:高加速度冲击事件(如直拳、勾拳或意外碰撞)与日常生活中高强度的良性运动(如快速转头、点头或跑步)具有重叠的频率和加速度幅值。区分这些混乱的、多阶段的惯性特征需要对时空依赖关系进行复杂建模,而传统的基于阈值的系统无法实现。第二,约束下的多目标优化问题:将高动态的碰撞检测与静态长期的微妙人体工学偏差(如通过颅颈和头部倾斜角区分前倾头姿和驼背)整合到一个头戴式框架中,会导致算法复杂度、识别准确率和误报率之间的严重权衡。
文献中已经研究了基于机器学习和深度学习的活动识别和/或众包感知方法。例如,Huang等人[5]提出了一种结合数据增强技术的人类活动识别解决方案,以提高模型在复杂行为模式和有限训练样本场景下的鲁棒性。Sousa等人[6]介绍了一种低功耗的、预冲击式跌倒检测系统,采用单个腰部佩戴的三轴加速度计,展示了轻量级可穿戴感知解决方案的可行性。在另一项研究中,Tammvee等人[7]开发了一种无碰撞路径规划算法,用于集成人类活动识别以增强行人安全的自动驾驶车辆。此外,Chen等人[8]系统地分类了不同众包环境下的目标定位基本挑战,并提出了一种基于移动iBeacon的方法来准确定位失踪目标。然而,如表1所总结的,现有文献仍然碎片化。先前的研究要么使用低功耗单点传感器进行跌倒检测,要么专门通过局部智能坐垫或脊柱标记进行姿势追踪,完全忽视了在GPS缺失环境中颅部冲击动力学与后续众包紧急定位的耦合。目前尚无任何单一框架探索通过异构学习注意力机制,将Transformer编码器、双向长短期记忆网络(BiLSTM)和密集块进行协同融合,以同时捕捉突发的瞬态冲击和稳定的姿势漂移。
在本研究中,我们设计了一个头戴式个人监测与寻找(HIMF)框架,通过IoT主动增强个人安全并提供协助服务。HIMF框架利用惯性数据持续监测用户行为,并采用深度学习技术检测跌倒、交通事故和肢体打击等关键事件。所开发的活动识别模型通过结合Transformer编码器、BiLSTM和密集连接卷积网络[9],探索异构学习注意力机制,从而实现个人状态的准确和鲁棒识别。除紧急检测外,HIMF还支持日常使用功能,通过识别不当坐姿并提供实时反馈来促进人体工学意识。在高风险场景中,HIMF能够自动发出警报并对目标个人进行位置追踪。
特别地,HIMF是一个新颖的框架,具有以下功能特性:i)通过采集和分析惯性数据监测个人行为,在紧急情况下检测突发事件,并在日常使用中识别和纠正身体姿势;ii)探索异构学习注意力机制,开发头戴式活动识别模型,以准确识别个人状态;iii)在危险情况下,可以通过众包感知方式主动对目标个人进行紧急警报和位置追踪。为评估HIMF的可行性和有效性,我们实现了一个包含头戴式IoT设备的基于Android的原型系统。实验结果表明,HIMF的性能优于现有方法,能够增强活动识别的精度和对潜在威胁的响应能力。
我们框架的贡献有四方面。第一,HIMF准确判断个人是否处于危险中,特别是在涉及头部创伤的情况下,并提供情境感知的警报和紧急通知。第二,HIMF利用颅颈和头部倾斜角准确识别不良坐姿,如弯腰驼背或前倾头姿,并发出实时纠正反馈。第三,通过探索具有异构学习注意力的深度学习,HIMF有效识别与暴力头部冲击相关的运动模式,增强事件检测能力。最后,在检测到攻击后,HIMF激活基于iBeacon的众包搜索机制,利用固定的iBeacon位置和移动iBeacon信号,以主动方式确定目标个人的精确位置。
本文其余部分组织如下。第2节讨论现有工作。第3节定义我们的个人状态监测与寻找问题。第4节提出我们的框架及其异构学习增强方法来解决该问题。第5节展示框架的原型实现。第6节讨论实验结果。最后,第7节总结全文。

章节摘要

相关工作

物联网已从基本的数据记录演变为用于复杂过程控制的高级信息物理框架[10],其在人机系统中的应用对于扩展职业安全可穿戴设备[11]变得至关重要,这些设备构成了连接传感器多流处理与机会性自组织紧急追踪的基础骨架。头戴式个人监测位于人体主要运动中心,消除了外周运动伪影,如

系统模型

图1展示了HIMF的系统架构,由头戴式IoT设备、专用服务器和用户智能手机组成。在HIMF中,用户配备一部智能手机和一个头戴式IoT设备,该设备集成了三轴加速度计、三轴陀螺仪和双模式蓝牙/iBeacon模块。该设备设计用于监测和纠正不当坐姿、检测针对用户的攻击行为、发送警报

头戴式个人监测与寻找

图2展示了HIMF的操作流程。头戴式IoT设备通过其集成的三轴加速度计和三轴陀螺仪持续采集惯性数据,并通过蓝牙将这些数据传输到用户智能手机。智能手机随后通过互联网将接收到的惯性数据中继到专用服务器,在服务器上对惯性数据进行分析以实现活动和姿势识别。在检测到异常事件(如头部撞击或不当坐姿)后,

系统实现

我们开发了一个基于Android的HIMF系统[32],利用基于Arduino Uno开发平台[33]定制的定制可穿戴设备,如图11(a)所示。该可穿戴设备集成了多个硬件组件,包括HM-10模块(双模式蓝牙/iBeacon),如图11(b)所示,以及GY-521 MPU6050三轴加速度计和陀螺仪模块,如图11(c)所示。这些组件通过面包板互连,作为原型

性能评估

在本节中,我们比较了所设计的检测机制和所开发的异构学习模型的性能,以验证在识别个人状态(包括头部打击、不当姿势、跌倒和日常活动)方面的有效性,其中使用了三个开放数据集(即HARSense[34]、KU-HAR[35]和UMAFall[36])以及我们收集的活动数据。HARSense数据集包含12名年龄23岁及以上且体重超过50

结论

本研究提出了基于IoT的头戴式个人监测与寻找框架,以增强个人安全和日常人体工学辅助。实验结果验证了所开发的DenseTransNet模型,该模型集成了融合Transformer编码器、BiLSTM和密集块的异构学习注意力机制,能够成功区分高动态、多阶段的头部冲击特征(如直拳、勾拳和上勾拳)与重叠的日常运动(如摇头)

CRediT作者贡献声明

Lien-Wu Chen(陈连武):写作–审阅与编辑,写作–原始草稿,监督指导,方法论,调查研究,形式化分析,概念化。Yu-Jie Wang(王宇杰):写作–原始草稿,可视化,验证,方法论,调查研究,形式化分析。Hao-Hsiang Yang(杨昊祥):可视化,验证,方法论,调查研究。

利益冲突声明

作者声明不存在任何可能影响本文所报告工作的已知竞争性财务利益或个人关系。
Lien-Wu Chen(陈连武)| Yu-Jie Wang(王宇杰)| Hao-Hsiang Yang(杨昊祥)
彰化大学资讯工程与计算机学系,台湾台中市407
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号