Abbildung 1: Anbringung des Inertialsensors an einer Versuchsperson. Daumen und Zeigefingerr zeigen die Position und Größe des Sensors.
Die Überwachung und Bewertung der Aktivität älterer Menschen wird aufgrund des demografischen Wandels immer wichtiger. Immer häufiger werden Inertialsensoren verwendet, um Aktivitäten des täglichen Lebens aus einem Langzeitdatensatz zu erfassen. Diese Daten geben Informationen über die Aktivität, die täglichen Routinen und z.B. das potenzielle Sturzrisiko älterer Menschen. Das Ziel dieses Forschungsprojektes war die Entwicklung eines Algorithmus zur automatischen Erkennung komplexer Bewegungsmuster, wie dem Aufstehen und Hinsetzen, aus einem (Langzeit-) Datensatz. Die Aufnahme dieser Aktivitäten erfolgte mit Hilfe eines Inertialsensors (humotion GmbH, Münster, Deutschland). Diese Sensoren zeichnen sich dadurch aus, dass sie klein, leicht, energieeffizient und kostengünstig sind. Sie können dementsprechend an fast allen Stellen des Körpers angebracht werden, ohne dass sie den Menschen in seiner Bewegungsfreiheit einschränken. In diesem Fall wurde der Sensor in einen handelsüblichen Gürtel integriert.
Die Abbildung 1 zeigt die Anbringung des Sensors an einer Versuchsperson. Daumen und Zeigefingerr zeigen die Position und Größe des Sensors. Ein speziell für diese Studie entwickelter Parcours mit 15 Stationen bildete die Grundlage für die Aufnahme alltäglicher Bewegungsmuster und Haltungsänderungen. Dabei wurde für die Bewegungserkennung ein Algorithmus mit Hilfe des modified qualitative pattern matchings entwickelt und über 32 Probanden validiert.
Die Abbildung 1 zeigt die Anbringung des Sensors an einer Versuchsperson. Daumen und Zeigefingerr zeigen die Position und Größe des Sensors. Ein speziell für diese Studie entwickelter Parcours mit 15 Stationen bildete die Grundlage für die Aufnahme alltäglicher Bewegungsmuster und Haltungsänderungen. Dabei wurde für die Bewegungserkennung ein Algorithmus mit Hilfe des modified qualitative pattern matchings entwickelt und über 32 Probanden validiert.
Abbildung 2: Sensordaten für verschiedene Bewegungsabläufe. Die roten Kreise markieren die Stellen, die zur Identifikation der Bewegung herangezogen werden.
Die Abbildung 2 zeigt die Sensordaten für die Bewegungen Sitzen, Aufstehen, Gehen und Hinsetzen (Beschleunigungsdaten Reihe 1-3, Gyroskopdaten Reihe 4-6). Die roten Kreise zeigen Merkmale die zur Identifizierung der Bewegungen herangezogen wurden. Für das Hinsetzen wurden eine Sensitivität von 72 % und eine Spezifität von 89 % erreicht. Ferner konnte für das Aufstehen eine Sensitivität von 77 % und eine Spezifität von 95 % erreicht werden. Mit nur einem Sensor am unteren Rückenbereich konnte ein robuster Algorithmus entwickelt werden, der die untersuchten Bewegungen aus einem Datensatz mit vielen verschiedenen Aktivitäten des täglichen Lebens detektiert.