System do monitorowania ruchu i zachowań osób starszych

• Autorzy: Kołakowski J. , Berezowska M. , Radecki K. , Djaja-Jośko V. , Michnowski R. , Cichocki J. , Badawika A. , Malicki Ł.

Warianty tytułu

EN

System for elderly persons mobility and behaviour monitoring

• Języki publikacji: PL

Abstrakty

PL

Radiowe systemy lokalizacyjne i czujniki MEMS stanowią skuteczne narzędzie do monitorowania ruchu i zachowań osób starszych. Opisano architekturę zrealizowanego systemu oraz technikę lokalizacji. Zamieszczono szczegółowy opis konstrukcji poszczególnych elementów systemu: etykiet, węzłów i sterownika. Przedstawiono również przykładowe wyniki zarejestrowane podczas wstępnych badań systemu przeprowadzonych z udziałem osób starszych, a także przykłady wykorzystania tych wyników do analizy ruchu i zachowań.

EN

Radio positioning systems and MEMS sensors are an efficient tool for of elderly persons mobility and behaviour. The paper contains a description of system architecture and localization techniques. It presents a detailed design of system components: tag, anchor node and system controller. The exemplary results gathered during preliminary tests sessions carried out with participation of elderly persons are presented. Exemplary use of results in mobility and behaviour analysis are also included.

Słowa kluczowe

PL

monitorowanie ruchu; monitorowanie zachowań; systemy lokalizacyjne; czujnik MEMS

EN

mobility monitoring; behaviour analysis; positioning systems; MEMS sensors

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2015
• Tom: nr 6
• Strony: 603--608
• Opis fizyczny: Bibliogr. 32 poz., rys., tab.

Twórcy

autor

Kołakowski J.

• Instytut Radioelektroniki, Wydział Elektroniki i Technik Informacyjnych Politechniki Warszawskiej

autor

Berezowska M.

• Instytut Radioelektroniki, Wydział Elektroniki i Technik Informacyjnych Politechniki Warszawskiej

autor

Radecki K.

• Instytut Radioelektroniki, Wydział Elektroniki i Technik Informacyjnych Politechniki Warszawskiej

autor

Djaja-Jośko V.

• Instytut Radioelektroniki, Wydział Elektroniki i Technik Informacyjnych Politechniki Warszawskiej

autor

Michnowski R.

• Instytut Radioelektroniki, Wydział Elektroniki i Technik Informacyjnych Politechniki Warszawskiej

autor

Cichocki J.

• Instytut Radioelektroniki, Wydział Elektroniki i Technik Informacyjnych Politechniki Warszawskiej

autor

Badawika A.

• Instytut Radioelektroniki, Wydział Elektroniki i Technik Informacyjnych Politechniki Warszawskiej

autor

Malicki Ł.

• Stowarzyszenie Społeczeństwa Wiedzy

Bibliografia

• [1] Monekosso D.: Behavior Analysis for Assisted Living, IEEE Transactions on Automation science and Engineering, vol. 7, no. 4, October 2010
• [2] Raisberg et al.: The Alzheimer's disease activities of daily living international scale. International Psychogeriatrics, vol. 13, no 2
• [3] Katz S.: Assessing self-maintenance: Activities of daily Iiving, mobility, and instrumental activities of daily living. Journal of the American Geriatrics Society,vol.31,no.12
• [4] Ni Scanaill C. et al.: A Review of Approaches to Mobility Telemonitoring of the Elderly in Their Living Environment, Annals of Homedical Engineering, Vol. 34, No. 4, April 2006
• [5] Wang Z. et al.: A system of human vital signs monitoring and activity recognition based on Body Sensor Network, Sensor Review, Vol. 34 Iss: 1,2014
• [6] Siirtola R, Roning J.: Ready-to-Use Activity Recognition forSmartphones, IEEE Symposium on Computational Intelligence and Data Mining (CDIM), 16-19 April 2013
• [7] Schindhelm C. K.: Activity Recognition and Step Detection with Smartphones: Towards Terminal Based Indoor Positioning System, 2012 IEEE 23rd International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC)
• [8] Yi He and Ye Li:Physical Activity Recognition Utilizingthe Built-ln Kinematic Sensors of a Smartphone, Hindawi Publishing Corporation, International Journal of Distributed Sensor Networks Volume 2013
• [9] Khan A. M.etal.: Wearable recognition system for physical activities, 9th International Conference on Intelligent Environments 2013
• [10] Ugilino W. et al.: Human Activity Recognition using On-body Sensing, Proceedings of III Symposium of the Brazilian Institute for Web Science Research, Vol. 1. Rio de Janeiro: PUC-Rio, 2012
• [11] Preece S. J, et al.: Activity Identification using body-mounted sensors-a review of classification techniques Physiol. Meas. 30 (2009)
• [12] Lara O. D., Labrador M.: A Survey on Human Activity Recognition using wearable sensors, IEEE Communications Surveys & Tutorials, vol. 15, no. 3, third quarter 2013
• [13] Garcia E. Geja: Long-Term Activity Recognition from Accelerometer Data, The 2013 Iberoamerican Conference on Electronics Engineering and Computer Science, Procedia Technology 7 (2013)
• [14] Che-HangYang, Ych-Liang Hsu: A Review of Accelerometry-Based Wearable Motion Detectors for Physical Activity Monitoring, Sensors 2010,10
• [15] Bonomi A. G.: Physical activity recognition using a wearable accelerometer, PhD thesis, Maastricht University, 2010
• [16] Frank K. et al.: Comparison of exact static and dynamie Bayesian context inference methods for activity recognition, IEEE International Conference on Petvasive Computing and Communications Workshops (PERCOM Workshops)
• [17] Tapia E. M. et al.: Real-time recognition of physical activities and their intensities using wireless accelerometers and a heart monitor, Proc. International Symposium on Wearable Computers, 2007
• [18]Chuenuraj T et al: Implementation of RSSI-Based 3D Indoor Localization using Wireless Sensor Networks Based on ZigB-ee Standard, Journal of Information Science and Technology,Vol 3, Issue 2, Jul-Dec., 2012
• [19] Ming Zhu et al.: Possibility studies of Integrated INS/RFID Positioning Methods for Personal Positioning Applications, IGNSS 2009
• [20] Zwirello Ł. et al: UWB Localization System for Indoor Applications: Concept, Realization and Analysis, Journal of Electrical and Computer Engineering Vol. 2012
• [21] Wang Z. et al.: A system of human vital signs monitoring and activity recognition based on Body Sensor Network, Sensor Review, Vol. 34 Iss: 1,2014
• [22] He Z. Y and Jin L. W: Activity recognition from acceleration data using AR model representation and SVM, International Conference on Machine Learning and Cybernetics, vol. 4, 2008
• [23] Hanai Y et al.: Haar-like fittering for human activity recognition using 3D accelerometer, IEEE 13th Digital Signal Processing Workshop and 5th IEEE Signal Processing Education Workshop, 2009
• [24] Rashidi P and Cook D.: A Method for Mining and Monitoring Human Activity Patterns in Home-based Health Monitoring Systems, ACM Transactions on Intelligent Systems and Technology, Vol. 9, No. 4, Artide 39, March 2011
• [25] Sarkar J. et eb.:Naïve Bayes-Based Classifier for Activity Recognification IETE Tech. Rev. 2010. Vol. 27
• [26] ZHe and Jin L.: Activity recognition from acceleration data based on Discrete Cosine Transform and SVM, IEEE International Conference on Systems, Man and Cybernetics, 2009
• [27] Valentin N. Z.: Multisensorfusion for monitoring elderly activties at home, Universite de Nice, PhD thesis, 2009
• [28] Lara O. D. and Labrador M. A.: A mobile platform for real time human activity recognition, Proc. IEEE Conference on Consumer Communications and Networks, 2012
• [29] Riboni D. and Bettini C.: Cosar:hybrid reasoning for context-aware activity recognition, Personal and Ubiguitous Cbmputing, vol. 15, 2011
• [30] Berezowska M., Kotakowski J.: System rejestracji ruchu osób starszych", Przegląd Telekomunikacyjny i Wiadomości Telekomunikacyjne Rocznik LXXXVIII nr 6/2014
• [31] Strona projektu NITICS: http://www.nitics.eu/
• [32] DW1000 IEEE 8 02.15.4-2011 UWB Transceiver Datasheet, DecaWave, 2014