智能鞋垫识别老人活动，双侧传感F1达0.980，跌倒预防新利器！
Smart Insole Human Activity Recognition for Continuous Monitoring in Elderly Care
📖 AI 总结
本研究针对老年人跌倒前常出现的步态与平衡变化，开发了一套无线智能鞋垫平台及配套机器学习流程，用于识别坐、站、行走和不稳定行走四种活动状态。鞋垫集成16个主动压力传感点与六维惯性测量单元，采集15名健康成年人、80赫兹的数据并切分为重叠窗口。研究先通过分层十折交叉验证筛选窗口长度与候选模型，再采用参与者独立的五折分层分组交叉验证评估性能，确保同一参与者的所有窗口不跨折。结果显示，基于直方图的梯度提升模型在左右脚分别取得0.954和0.959的宏F1分数，双侧传感融合后提升至0.980；同等条件下紧凑型一维卷积神经网络未显著优于该模型。研究表明，低轮廓足部传感可对训练中未出现的参与者推断活动状态，为老年人活动监测与跌倒预防提供了可行基础。
🔑 关键词速览
| 智能鞋垫 | 一种嵌入压力传感器和惯性测量单元的可穿戴设备，用于采集足底压力和运动数据。 |
| 基于直方图的梯度提升（HGB） | 一种高效的梯度提升决策树算法，通过直方图分箱加速训练，适用于分类任务。 |
| 一维卷积神经网络（1D-CNN） | 一种专门处理序列数据（如时间序列信号）的深度学习模型，通过一维卷积核提取局部特征。 |
| 分层组交叉验证 | 一种交叉验证方法，确保同一组（如参与者）的数据不会同时出现在训练集和测试集中，以评估模型泛化能力。 |
| 宏F1分数 | 一种多分类评估指标，计算每个类别的F1分数后取算术平均，平等对待每个类别。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅