基于可佩戴传感器的饮食习惯监控方法研究

摘要

目前，饮食营养相关疾病是人类健康生活的一个主要威胁，给人类健康和医疗保健带来了巨大的挑战。解决问题的关键之一是进一步精确和方便地监视一个人的日常食物的摄入量。为此，我们提出了可穿戴式系统监测和识别在日常生活中的食物摄入。 本论文提出了一种嵌入式硬件原型并利用喉麦收集进食时的数据，它是一个戴在用户颈部的高保真麦克风，以一种非侵入性的方式精确地记录的声信号，声音数据在硬件平台上进行简单的预处理后，然后通过蓝牙设备发送到智能手机，在那里进行食物类型的识别。具体来说，我们使用隐马尔可夫模型从一段进食信号中检测咀嚼或吞咽事件，然后提取进食事件的时域、频域和非线性特征。最后应用决策树技术来识别摄入食物的类型，并且检测，识别结果通过智能手机给用户提供友好的交互方式并提出相应的健康饮食建议，进而帮助用户形成更好的饮食习惯和营养平衡。实验表明，本文提出的系统对进食事件的检测正确率能够达到86.6％，食品类型识别的准确率是84.9％，而那些对液体和固体食物的摄入量分别达到97.6％和99.7％。

目录

声明

摘要

第1章绪论

1．1．1研究背景

1．1．2本文的研究意义

1．2国内外研究动态

1．3本文工作及内容安排

第2章饮食习惯监控系统

2．1硬件系统描述

2．1．1传感器的选择和比较

2．1．2硬件系统整体描述

2．2基于IOS系统的应用平台描述

2．3本章小结

第3章基于HMM的进食事件检测

3．1 HMM介绍

3．1．1 HMM基本描述

3．1．2 HMM基本算法

3．2 MFCC特征介绍

3．2．1 MFCC基本原理

3．2．2 MFCC求解过程

3．3基于HMM的进食事件检测系统

3．4．1实验数据采集

3．4．2检测正确率实验结果

3．4．3 ROC曲线分析

3．5本章小结

第4章基于决策树的食物种类识别

4．1食物种类识别整体框架

4．2进食事件特征提取

4．2．1进食事件时域特征提取

4．2．2进食事件频域特征提取

4．2．3进食事件非线性特征提取

4．3决策树分类技术

4．3．1决策树结构和基本思想

4．3．2决策树学习和ID3算法

4．4实验结果与分析

4．4．1不同测试者实验结果

4．4．2食物种类实验结果

4．4．3固、液体食物识别实验结果

4．4．4特征敏感度分析

4．5本章小结

第5章结论与展望

参考文献

攻读硕士期间取得的学术成果

致谢