基于加速度计数据的儿童身体活动类型识别模型构建与应用

摘要

目的 通过构建高准确率、高时间分辨率的儿童身体活动类型识别模型,展示活动类型、活动时间、活动强度深度融合的身体活动评价方式,为实现身体活动评价的多视角、可视化、可追踪提供思路.方法 基于10种儿童身体活动的公开数据集,使用Python 3.8、Tensorflow 2.4构建识别身体活动类型的残差卷积神经网络模型并进行评估;将模型应用于自主设计的身体活动评价程序,基于活动类型识别、活动强度计算输出身体活动案例评价结果.结果 残差卷积神经网络模型在区分跳绳与走上楼梯、静止、快跑、慢跑、走下楼梯、快走、慢走、坐下去、站起来等9种儿童身体活动类型时准确率达到99.3％,模型识别活动案例的准确率也达到99.1％,模型时间分辨率为2.8 s.结论 模型的高准确率、高时间分辨率为儿童身体活动类型识别在身体活动评价中发挥重要作用奠定了坚实基础,可以促使身体活动评价更加全面、直观、精准.