[論文レビュー] A systematic review of human activity recognition using smartphones.

Marcin Strączkiewicz, Jukka‐Pekka Onnela|arXiv (Cornell University)|Oct 7, 2019

Human Mobility and Location-Based Analysis参考文献 56被引用数 5

ひとこと要約

本システマティックレビューでは、スマートフォンを用いた人間の活動認識（HAR）に関する72件の研究を分析し、データ収集、前処理、特徴抽出、分類手法の各段階を検討した。本研究では、一般的な実践手法を特定し、アルゴリズムのばらつきを評価するとともに、消費者用スマートフォンのデータを信頼性の高い研究用の身体活動パターンに変換するための今後の研究の方向性を提示した。

ABSTRACT

Smartphones have become a global communication tool and more recently a technology for studying human behavior. Given their numerous built-in sensors, smartphones are able to capture detailed and continuous observations on activities of daily living. However, translation of measurements from these consumer-grade devices into research-grade physical activity patterns remains challenging. Over the years, researchers have proposed various human activity recognition (HAR) systems which vary in algorithmic details and statistical principles. In this paper, we summarize existing approaches to smartphone-based HAR. We systematically screened the literature on Scopus, PubMed, and Web of Science in the areas of data acquisition, data preprocessing, feature extraction, and activity classification. We ultimately identified 72 articles on smartphone-based HAR. To provide an understanding of the literature, we discuss each of these areas separately, identify the most common practices and their alternatives, and propose possible future research directions for this interesting and important field.

研究の動機と目的

• スマートフォンを用いた人間の活動認識（HAR）におけるデータ収集、前処理、特徴抽出、分類の各段階の既存のアプローチを統合する。
• 消費者用スマートフォンを用いたHARの各段階で最も一般的で効果的な実践手法を特定する。
• HARシステムにおける現在のアルゴリズムおよび統計的手法の長所と短所を評価する。
• スマートフォンを用いたHARの信頼性と妥当性を向上させるための実行可能な今後の研究の方向性を提案する。

提案手法

• スコパス、PubMed、Web of Scienceを対象としたシステマティックな文献スクリーニングを通し、スマートフォンを用いたHAR研究に焦点を当てた。
• データ収集法、前処理技術、特徴抽出戦略、分類アルゴリズムに基づいて研究を分類する。
• 72件のHARパイプラインに同定された研究において、アルゴリズムの多様性と統計的原則を分析する。
• 各HAR部品における一般的な実践手法と代替アプローチを比較し、性能と信頼性を評価する。
• 統合された知見をもとに、スマートフォンを用いたHARにおけるトレンド、ギャップ、メソドロジカルなトレードオフを明らかにする。
• システマティックなメソドロジカル選択の分析に基づき、研究ギャップを特定し、今後の研究の方向性を策定する。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンを用いたHAR研究で最も一般的に使用されているデータ収集法は何か？
• RQ2 どの前処理および特徴抽出技術が最も頻繁に適用されており、それらはどのように比較されるか？
• RQ3 異なる分類アルゴリズムは、さまざまな活動認識タスクにおいてどのように性能を発揮するか？
• RQ4 スマートフォンセンサーデータを研究用の身体活動パターンに変換するうえでの主なメソドロジカルな課題は何か？
• RQ5 スマートフォンを用いたHARの妥当性と信頼性を向上させるために、最も有望な今後の研究の方向性は何か？

主な発見

• 本レビューでは、データ収集、前処理、特徴抽出、分類の各段階において顕著なメソドロジカルな多様性を示す72件のスマートフォンを用いたHAR研究を同定した。
• 加速度計を用いたデータ収集が、人間の活動信号を捉えるために最も一般的に用いられた手法であった。
• 時間領域および周波数領域の特徴抽出法が、最も頻繁に使用された特徴抽出手法であった。
• SVM、ランダムフォレスト、k-NNなどの機械学習分類器が、活動分類の目的で頻繁に使用された。
• 広く使用されているにもかかわらず、多くの研究で標準化された評価プロトコルが欠如しており、研究間の比較可能性が制限されている。
• 本レビューでは、HARシステムの信頼性を向上させるために、より厳密な検証と標準化の必要性を明らかにした。