[论文解读] FaceOff: Detecting Face Touching with a Wrist-Worn Accelerometer

Xiang Chen|arXiv (Cornell University)|Aug 4, 2020

Tactile and Sensory Interactions参考文献 17被引用 7

一句话总结

FaceOff 提出了一种基于腕戴式加速度计的系统，通过分析手部抬高动作的独特运动模式来检测触摸面部的行为。通过在1.5秒的滑动窗口内对加速度计数据进行时间集成的随机森林分类器，该系统在初步研究中对三名参与者检测了89次面部触摸事件，检测率达到92%，误报率为0.59%。

ABSTRACT

According to the CDC, one key step of preventing oneself from contracting coronavirus (COVID-19) is to avoid touching eyes, nose, and mouth with unwashed hands. However, touching one's face is a frequent and spontaneous behavior---one study observed subjects touching their faces on average 23 times per hour. Creative solutions have emerged amongst some recent commercial and hobbyists' projects, yet most either are closed-source or lack validation in performance. We develop FaceOff---a sensing technique using a commodity wrist-worn accelerometer to detect face-touching behavior based on the specific motion pattern of raising one's hand towards the face. We report a survey (N=20) that elicits different ways people touch their faces, an algorithm that temporally ensembles data-driven models to recognize when a face touching behavior occurs and results from a preliminary user testing (N=3 for a total of about 90 minutes).

研究动机与目标

• 为减少病原体（如SARS-CoV-2）传播的主要途径——面部触摸行为，提出检测手部向面部移动的方案。
• 探索使用市售腕戴式加速度计在无需身体植入或专用硬件的情况下检测面部触摸行为的可行性。
• 为未来非侵入式面部触摸检测研究建立系统化的数据采集、训练和测试协议。
• 通过检测黏膜和非黏膜面部触摸事件，即使未确认实际接触，也能促进行为意识。

提出的方法

• 利用腕戴式加速度计捕捉手部向面部移动时的惯性数据。
• 采用1.5秒时长、83.33%重叠（每秒四帧）的滑动窗口方法，处理实时运动模式。
• 应用数据驱动的随机森林分类器的时间集成方法，以提升时间窗口内的检测准确性。
• 基于同步的振动触觉提示和加速度计数据的手动标注对面部触摸事件进行标记。
• 使用单名用户的数据进行模型训练，并在受控的、有提示的环境中对另外三名参与者进行测试。
• 通过完整窗口（1.5秒）和早期投票（最早1.3秒）两种分类策略评估性能，以衡量检测速度与准确性之间的关系。

实验结果

研究问题

• RQ1 仅基于运动模式，市售腕戴式加速度计能否可靠检测面部触摸行为？
• RQ2 使用加速度计数据时，随机森林分类器的时间集成在检测面部触摸事件方面的有效性如何？
• RQ3 在实时面部触摸检测中，检测速度（早期投票）与准确性之间的权衡是什么？
• RQ4 主要的误报来源是什么？是否可以在保持高检测灵敏度的同时加以缓解？
• RQ5 该系统在未检测到实际接触的情况下，能在多大程度上促进行为意识？

主要发现

• 在三名参与者的初步研究中，FaceOff 检测到82次面部触摸事件（召回率92%），表现出强大的检测能力。
• 系统实现了0.59%的低误报率，表明在区分面部触摸与类似非触摸动作方面具有高度特异性。
• 多数投票在1.5秒窗口的1.3秒处即已形成，实现了接近实时的响应。
• 仅使用最后1.5秒数据的召回率略低（80/89），相比集成方法，证实了时间集成的优势。
• 误报主要源于与面部触摸相似的行为，如调整眼镜或饮水，表明需要引入额外的传感模态。
• 结果支持使用腕戴式加速度计实现非侵入式、低成本的面部触摸行为检测，以促进卫生意识。