使用智能手表惯性传感器识别和区分汽车驾驶员与乘客
作者
人体姿态与行为识别生物传感器与生理监测
人们越来越多地在驾驶时与智能手机上的社交媒体或其他应用程序进行交互。这显然是一个主要的安全问题,目前仍不清楚如何避免或限制这种交互。我们通过人类活动识别(HAR)来研究这个问题,开发了一个名为IRIS的系统,该系统收集智能手表加速度计数据,并通过机器学习分析数据,预测数据来自驾驶员还是乘客。我们报告了一项涉及24名参与者作为驾驶员或乘客的现场实验,结果达到了87%的总体预测准确率。我们进一步发现,不同道路段对准确率的影响低于预期,但我们也发现乘客任务对识别准确率有负面影响。我们讨论了这些发现的几点启示。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
量化犬类:从可穿戴设备推断狗的性格
CHI '23· 人体姿态与行为识别 +1
- 100%
HotFoot:使用热成像的基于脚的用户识别
CHI '23· 人体姿态与行为识别 +1
- 100%
ExpresSense:使用声学传感探索独立智能手机从面部表情感知用户参与度
CHI '23· 人体姿态与行为识别 +1
- 100%
通过语言、姿态和合成IMU的联合表示增强基于惯性传感器的手部人体活动识别
UbiComp '24· 人体姿态与行为识别 +1
- 100%
MLP-HAR:利用纯全连接层提升边缘设备人体活动识别模型的性能与效率
UbiComp '24· 人体姿态与行为识别 +1
- 67%
从野外的智能手机触摸和传感器数据预测情感状态
CHI '22· 人体姿态与行为识别 +2
- 67%
坐姿识别与反馈:文献综述
CHI '24· 人体姿态与行为识别 +2
- 67%
PiaMuscle: 通过低成本估计和可视化微型手肌肉活动来提高钢琴技能获取
CHI '25· 人体姿态与行为识别 +1
- 67%
VAX: 使用现有基于视频和音频的活动识别模型引导隐私敏感传感器
UbiComp '23· 人体姿态与行为识别 +2
- 67%
PyroSense:使用热释电红外传感进行3D姿势重建
UbiComp '24· 人体姿态与行为识别 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
AutoUI
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
人体姿态与行为识别、生物传感器与生理监测
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文