FitByte:在无约束情况下使用眼镜上的多模态传感进行自动饮食监测
作者
饮食追踪与营养管理医生、护士、临床医生消费者与购物者
为了帮助用户达到健康目标并让从业者理解饮食与疾病之间的关系,研究人员提出了许多可穿戴系统来自动监测食物摄入。当一个人进食时,他会将食物靠近嘴巴,喝一口或咬一口并咀嚼,然后吞咽。大多数饮食监测方法都集中在食物摄入的某一方面,但这种狭隘的依赖性需要高精度,并且在日常生活中常见的嘈杂和不受限制的情况下往往失败。在本文中,我们介绍了FitByte,这是一种安装在眼镜上的多模式感应方法,可以跟踪食物摄入的所有阶段。FitByte包含一套惯性和光学传感器,使其能够在嘈杂的环境中可靠地检测食物摄入事件。它还配备了一个摄像头,可以有机会捕捉用户在进食时的食物视觉图像。我们在两项研究中对系统进行了评估,参与者为23人,研究中环境约束逐渐减少。平均而言,FitByte在检测进食和饮水事件方面达到了89%的F1分数。
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。
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376869
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
饮食追踪与营养管理
work
职业/产业
医生、护士、临床医生、消费者与购物者
article
内容状态
仅摘要
hub
相关论文
2 篇相关论文