面向通用化液体摄入检测：腕戴式传感器与自适应分割方法

过去十年，移动技术的进步使得开发能够识别和建模各种健康相关人类行为的智能系统成为可能。虽然基于被动传感器的自动饮食监测多年来一直是研究日益活跃的领域，但关于液体摄入追踪的研究却相对较少。在本工作中，我们将自适应分割技术应用于从实用的现成腕戴式设备捕获的连续惯性数据流，以被动检测液体摄入动作。我们在30名参与者参与的研究中评估了我们的方法，记录了561次饮水实例。使用留一被试法（LOPO），我们能够以90.3%的精确率和91.0%的召回率检测饮水事件，证明了我们的方法的通用性。除了我们提出的方法外，我们还贡献了一个匿名化和标记的饮水与非饮水手势数据集，以促进该领域的进一步研究。