范江江，陳慶果

?

·運(yùn)動(dòng)人體科學(xué)·

加速度計(jì)測(cè)量體力活動(dòng)的算法研究進(jìn)展

范江江，陳慶果

近年來(lái)，由于加速度傳感器設(shè)備、算法體系的快速發(fā)展，它被廣泛應(yīng)用在體力活動(dòng)（Physical activity PA）研究中，以感應(yīng)、記錄、存儲(chǔ)機(jī)體活動(dòng)原始數(shù)據(jù)信號(hào)，采用不同算法處理數(shù)據(jù)信號(hào)進(jìn)而評(píng)估機(jī)體的能量消耗。為了客觀準(zhǔn)確評(píng)價(jià)體力活動(dòng)能量消耗（physical activity energyexpenditure PAEE），對(duì)原始數(shù)據(jù)信號(hào)進(jìn)行濾波處理、改變counts值切點(diǎn)、回歸分析以及動(dòng)作識(shí)別等不同方法計(jì)算PAEE監(jiān)測(cè)體力活動(dòng)。結(jié)合多種分析方法處理counts值，促進(jìn)了體力活動(dòng)研究的發(fā)展，欲更準(zhǔn)確評(píng)價(jià)PAEE需要從多個(gè)獨(dú)立的分析方法向多種方法的協(xié)同分析轉(zhuǎn)變。采用文獻(xiàn)資料法，對(duì)加速度傳感器的發(fā)展和不同的算法進(jìn)行比較綜述，以期為后續(xù)的研究提供參考。

加速度傳感器；PAEE；算法；活動(dòng)識(shí)別；進(jìn)展

隨著社會(huì)的發(fā)展科技的進(jìn)步，機(jī)械化程度的迅速增加，極大的方便了人們的日常生活，與體力活動(dòng)（PA）相關(guān)的日?；顒?dòng)明顯減少。1992年，體力活動(dòng)不足被美國(guó)心臟協(xié)會(huì)（American Heart Association）列為心臟病的第4大可改變危險(xiǎn)因子；2002年，體力活動(dòng)不足被WHO列為發(fā)達(dá)國(guó)家人口死亡的十大原因之一，每年由于體力活動(dòng)缺乏而死亡的人數(shù)大概為190萬(wàn)［1］。有規(guī)律適宜的體力活動(dòng)，能夠降低Ⅱ型糖尿病、心血管疾病以及骨質(zhì)疏松等慢性疾病的發(fā)病率，能夠降低成年人的早期死亡率20%-30%［2-3］，適量的體力活動(dòng)能夠促進(jìn)兒童的生長(zhǎng)發(fā)育，維持能量代謝平衡，還有利于兒童的心理健康［4］，減緩老年人生理機(jī)能的衰退，對(duì)心理健康等方面也有不可取代的作用［5］。為了客觀準(zhǔn)確測(cè)評(píng)體力活動(dòng)能量消耗，指導(dǎo)科學(xué)健身，需要科學(xué)、有效、精確的體力活動(dòng)測(cè)量方法。目前在眾多體力活動(dòng)的測(cè)量方法中，加速度計(jì)的測(cè)量結(jié)果表現(xiàn)出客觀、準(zhǔn)確、實(shí)用、可靠等諸多優(yōu)勢(shì)，被廣泛使用在流行病學(xué)、運(yùn)動(dòng)干預(yù)、體力活動(dòng)研究和人們?nèi)粘＝】倒芾碇小?/p>

1980s基于重力感應(yīng)設(shè)備的PA監(jiān)測(cè)器首次應(yīng)用在體育科研中［6］，1 990s加速度傳感器的種類(lèi)和數(shù)量快速增長(zhǎng)［7］。早期，雖然加速度傳感器在PA研究中廣泛使用，但存在測(cè)量技術(shù)的局限性、儀器成本高昂、信效度檢驗(yàn)困難等問(wèn)題，至2 000s加速度傳感器的使用（例如能量消耗預(yù)測(cè)方程推算、體力活動(dòng)水平分類(lèi)、信效度研究等）也存在眾多爭(zhēng)議［8］。以IDEEA為代表的五軸加速度計(jì)，還有在實(shí)驗(yàn)室條件下將氣壓計(jì)和三軸加速度計(jì)結(jié)合使用，可以精確測(cè)量身體重心的變化［9］。加速度傳感器由單軸發(fā)展到多軸及加速度傳感器和其他設(shè)備的聯(lián)合使用，促進(jìn)了加速度傳感器的發(fā)展，加速度傳感器小巧輕攜及其強(qiáng)大的存儲(chǔ)能力，可準(zhǔn)確采集自由活動(dòng)者數(shù)天的數(shù)據(jù)，引起了廣大PA研究者濃烈的興趣，所以使用加速度傳感器測(cè)量體力活動(dòng)的研究快速增長(zhǎng)。

1　加速度傳感器硬件設(shè)備的發(fā)展

隨著電子技術(shù)的發(fā)展，加速度傳感器和其它微電子技術(shù)有了很大進(jìn)步，加速度傳感器的內(nèi)存迅速擴(kuò)大而成本降低，采樣頻率也增加到了100Hz，下載速度有了很大的提高（7天采集的0.5G）［10］?，F(xiàn)在便攜式加速度傳感器具有采樣頻率高、內(nèi)存和電池容量大、加速度范圍廣、體積小、質(zhì)量輕、能耗低等優(yōu)點(diǎn)，同時(shí)研究人員也可以在開(kāi)發(fā)商特定計(jì)算數(shù)據(jù)的基礎(chǔ)上，從原始加速度信號(hào)獲得更多的信息［11］。隨著壓敏電阻和電容式加速度傳感器技術(shù)的日益成熟，通過(guò)原始信號(hào)的靜態(tài)雙流（直流電或直流信號(hào)）可以測(cè)出肢體角度推斷身體位置［12］。目前的硬件設(shè)備可以捕捉、存儲(chǔ)和下載大量的原始加速度信號(hào)，這些數(shù)據(jù)對(duì)PAEE的計(jì)算有積極作用，同時(shí)也對(duì)數(shù)據(jù)的處理和后期分析帶來(lái)了較大困難；研究者和開(kāi)發(fā)人員需要采用其他學(xué)科的交叉知識(shí)應(yīng)對(duì)數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)計(jì)算和數(shù)據(jù)分析的難題。

2　基于count值的算法的研究進(jìn)展

2.1基于count值的算法體系

Count值是加速度傳感器通過(guò)內(nèi)置的特定指標(biāo)體系選取和計(jì)算的數(shù)值，是從加速度傳感器輸出的原始結(jié)果被稱(chēng)作counts，它本身不具有真實(shí)的物理或生理學(xué)意義，各測(cè)量?jī)x器count值的計(jì)算方式各不相同，比如常見(jiàn)的有加速度信號(hào)與坐標(biāo)軸圍成的所有面積和［13］、加速度信號(hào)達(dá)到某一標(biāo)準(zhǔn)的次數(shù)［14］和加速度信號(hào)達(dá)到某一標(biāo)準(zhǔn)線(xiàn)產(chǎn)生峰值的次數(shù)［15］等等，因此count值的意義是根據(jù)特定的計(jì)算方式得到的。目前研究中常使用加速度信號(hào)與坐標(biāo)軸圍成的面積這一指標(biāo)。

2.2基于count值評(píng)估的能耗的方法

加速度傳感器產(chǎn)生的海量原始數(shù)據(jù)不便于計(jì)算分析，需先將數(shù)據(jù)按照一定方式進(jìn)行集約?；赾ounts值計(jì)算PAEE是目前最常使用的方法，眾多研究都是基于counts值來(lái)建構(gòu)計(jì)算模型，但原始加速度信號(hào)的過(guò)濾、修正和conuts的算法選擇都不相同，針對(duì)同一活動(dòng)計(jì)算數(shù)據(jù)差異大，各品牌的count數(shù)值在300-3000之間［16］，而在此基礎(chǔ)上的計(jì)算模型區(qū)別大，不同類(lèi)型的加速度計(jì)面對(duì)同一活動(dòng)的數(shù)據(jù)也無(wú)法直接比較。

雖然硬件監(jiān)控技術(shù)有很大的進(jìn)步，但目前的許多研究仍是基于早期的分析方法，如用線(xiàn)性回歸預(yù)測(cè)能量消耗、回歸分析等確定不同活動(dòng)強(qiáng)度的切點(diǎn)。國(guó)內(nèi)外研究人員和學(xué)者對(duì)基于count值的原始數(shù)據(jù)和能量消耗的模型進(jìn)行了較深的研究，采用回歸分析的方法對(duì)于各運(yùn)動(dòng)類(lèi)型的人群建立了相應(yīng)的能耗方程［17-18］，由于不同加速度計(jì)原始信號(hào)選取的指標(biāo)不同，導(dǎo)致輸出的count值也不一致，所以建立的能耗模型各有差異，使同一PA產(chǎn)生了不同活動(dòng)切點(diǎn)，這些不同的能耗方程和切點(diǎn)給PA研究帶來(lái)了很大的困難［19-20］，目前采用counts值作為標(biāo)準(zhǔn)輸出是限制加速度傳感器技術(shù)的主要因素，使不同設(shè)備采集的數(shù)據(jù)公開(kāi)透明，對(duì)統(tǒng)計(jì)分析模型進(jìn)行有效性研究和統(tǒng)一校準(zhǔn)，可提高對(duì)PAEE評(píng)價(jià)的客觀性。

雖然大多數(shù)校準(zhǔn)后的分析方程評(píng)估平均PAEE的效度比較好（正常健康成人和學(xué)生），但是對(duì)于個(gè)人和不同類(lèi)型活動(dòng)準(zhǔn)確的評(píng)估能量消耗存在較大的誤差［21］，個(gè)人運(yùn)動(dòng)能耗較大的測(cè)量誤差阻礙了加速度計(jì)在測(cè)量有較高要求 （飲食和體力活動(dòng)干預(yù)）研究中的應(yīng)用［22］；采用多重、交叉檢驗(yàn)的新模型可以提高數(shù)據(jù)分析的準(zhǔn)確度，這種模型需要建立在開(kāi)放、資源共享的平臺(tái)上，學(xué)術(shù)界、開(kāi)發(fā)商、科研部門(mén)互相協(xié)作尋找處理大量數(shù)據(jù)和相關(guān)傳感器（例如陀螺儀、心率表）數(shù)據(jù)的方式，這些系統(tǒng)的特點(diǎn)是對(duì)原始信號(hào)數(shù)據(jù)使用完全透明可定制化的分析方式處理。對(duì)原始數(shù)據(jù)信號(hào)分析方法的有效性研究，將會(huì)建立更準(zhǔn)確、客觀的分析模型。

在數(shù)據(jù)分析時(shí)，發(fā)現(xiàn)體力活動(dòng)的特征決定回歸模型的斜率和截距的變化，但是單一的回歸模型無(wú)法滿(mǎn)足所有的活動(dòng)類(lèi)型，因此用運(yùn)動(dòng)強(qiáng)度（活動(dòng)計(jì)數(shù)）代表能量消耗這樣的輸出結(jié)果是不準(zhǔn)確的，并且，系統(tǒng)無(wú)法識(shí)別不涉及全身的身體活動(dòng)和身體重心變化不明顯的運(yùn)動(dòng)（自行車(chē)運(yùn)動(dòng)），會(huì)導(dǎo)致或高或低的能耗估計(jì)誤差，所以這種算法的開(kāi)發(fā)應(yīng)該考慮到機(jī)體質(zhì)心對(duì)不同運(yùn)動(dòng)強(qiáng)度能耗的影響［23］。毫不奇怪，關(guān)于使用哪種加速度傳感器、佩戴的位置、如何計(jì)算原始數(shù)據(jù)都存在很大的爭(zhēng)論?，F(xiàn)在的技術(shù)進(jìn)步需要建立在過(guò)去經(jīng)驗(yàn)的基礎(chǔ)上，利用原始加速度信號(hào)數(shù)據(jù)的潛在優(yōu)勢(shì)，用新方法分析高分辨率的數(shù)據(jù)，能夠促進(jìn)設(shè)備和算法的發(fā)展及體力活動(dòng)的研究。

目前的難題是如何把加速度信號(hào)準(zhǔn)確的轉(zhuǎn)化為數(shù)值，客觀的測(cè)評(píng)不同類(lèi)型的PAEE，原始數(shù)據(jù)的分析模型和統(tǒng)計(jì)算法仍在不斷發(fā)展中，研究人員和軟件開(kāi)發(fā)商在繼續(xù)檢驗(yàn)和優(yōu)化多維算法；科研人員也設(shè)想用大數(shù)據(jù)的分析方法來(lái)分析原始數(shù)據(jù)信號(hào)，這些難題的解決需要交叉學(xué)科的知識(shí)和新研究方法的綜合使用。

近年來(lái)研究者對(duì)高分辨率、海量原始加速度信號(hào)的捕獲、存儲(chǔ)和傳輸以及建立恰當(dāng)?shù)哪芎挠?jì)算模型進(jìn)行了深入的研究，對(duì)PAEE的研究最顯著的變化是，從傳統(tǒng)的基于counts值的回歸分析方法向動(dòng)作識(shí)別的方法轉(zhuǎn)變，并對(duì)以人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)（Artificial neutral network）為代表的機(jī)械識(shí)別方式有了更深的研究，建立了更復(fù)雜的統(tǒng)計(jì)分析模型［24］。在建立能耗模型的過(guò)程中，研究人員發(fā)現(xiàn)PAEE不是唯一的結(jié)果變量，還可以提取與PAEE相關(guān)的原始信號(hào)數(shù)據(jù)。由于這些技術(shù)的發(fā)展，加速度傳感器廣泛使用在體質(zhì)監(jiān)測(cè)組群研究中，研究者對(duì)海量數(shù)據(jù)進(jìn)行特異化處理，促進(jìn)了加速度傳感器信號(hào)處理技術(shù)和算法體系的發(fā)展。

3　基于活動(dòng)識(shí)別的能耗評(píng)估方法

3.1運(yùn)動(dòng)方式識(shí)別的原理

運(yùn)動(dòng)方式識(shí)別是指在僅有運(yùn)動(dòng)數(shù)據(jù)的條件下，通過(guò)對(duì)數(shù)據(jù)進(jìn)行科學(xué)的分析，獲知體育運(yùn)動(dòng)類(lèi)型的方式［25］。目前，人們經(jīng)常使用視頻技術(shù)和便攜式設(shè)備技術(shù)進(jìn)行人體運(yùn)動(dòng)姿態(tài)識(shí)別?；谝曨l技術(shù)的動(dòng)作識(shí)別方式是從視頻序列中提取能夠反映人體動(dòng)作的信息（如：模型參數(shù)、形狀信息、運(yùn)動(dòng)信息以及方向信息等）進(jìn)行人體動(dòng)作匹配、判斷當(dāng)前體運(yùn)動(dòng)的類(lèi)別并進(jìn)行分類(lèi)；基于便攜式設(shè)備技術(shù)的動(dòng)作識(shí)別是先使用各種傳感器采集人體在運(yùn)動(dòng)過(guò)程中產(chǎn)生的數(shù)據(jù)，經(jīng)預(yù)處理采集到的數(shù)據(jù)、提取出特征項(xiàng)，最后使用分類(lèi)器分類(lèi)和識(shí)別人體當(dāng)前的運(yùn)動(dòng)姿態(tài)［26，28-29］。分類(lèi)器的原理分為基于模板和運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移兩種方式，基于模板的分類(lèi)方法一般會(huì)預(yù)先定義人體動(dòng)作的模板（2D/3D均可），然后通過(guò)比較從視頻序列中建立的人體動(dòng)作表示信息與人體動(dòng)作模板之間的相似度，選擇距離測(cè)試樣本最近的模板所代表的動(dòng)作類(lèi)別作為最終分類(lèi)結(jié)果；基于狀態(tài)轉(zhuǎn)移的分類(lèi)方法一般將每個(gè)靜態(tài)的人體動(dòng)作或姿勢(shì)作為一個(gè)狀態(tài)節(jié)點(diǎn)，隨著人體的運(yùn)動(dòng)，這些狀態(tài)節(jié)點(diǎn)通過(guò)時(shí)間關(guān)系可以聯(lián)合起來(lái)表示一個(gè)完整的人體動(dòng)作和行為。這種方法特別適用于復(fù)雜的人體動(dòng)作識(shí)別中。便攜式設(shè)備進(jìn)行動(dòng)作識(shí)別的原理是單片機(jī)控制傳感器采集人體當(dāng)前運(yùn)動(dòng)姿態(tài)的數(shù)據(jù)，并將采集到的數(shù)據(jù)直接存儲(chǔ)到微控制器自帶的內(nèi)存中，然后通過(guò)系統(tǒng)協(xié)議將數(shù)據(jù)上傳到上位機(jī)進(jìn)行數(shù)據(jù)預(yù)處理，進(jìn)行基于時(shí)域、頻域方法的數(shù)據(jù)分析［27］。

最近幾年，伴隨人機(jī)交互等技術(shù)的快速發(fā)展，在競(jìng)技體育、康復(fù)治療、體感游戲等各個(gè)方面，人體運(yùn)動(dòng)動(dòng)作識(shí)別技術(shù)得到了普遍應(yīng)用。目前在動(dòng)作識(shí)別方面人們普遍認(rèn)可的有固定閾值和基于參考模式的分類(lèi)方法，前者是通過(guò)相關(guān)動(dòng)作的閾值區(qū)分人體活動(dòng)狀態(tài)，此類(lèi)閾值是經(jīng)過(guò)多次反復(fù)試驗(yàn)得出的；后者是根據(jù)活動(dòng)時(shí)的樣本與模板樣本的相關(guān)程度來(lái)區(qū)別人體活動(dòng)狀態(tài)［28］。人體日?；顒?dòng)的識(shí)別和運(yùn)動(dòng)能耗對(duì)指導(dǎo)運(yùn)動(dòng)健身有著很大的意義，這種動(dòng)作的識(shí)別和運(yùn)動(dòng)能耗的檢測(cè)可以通過(guò)間接或直接的方法監(jiān)測(cè)，隨著各種算法和硬件手段的提高，直接監(jiān)測(cè)成了大家更為關(guān)注的方法。例如Kiani等［29］提出了應(yīng)用模糊控制、神經(jīng)網(wǎng)絡(luò)或者統(tǒng)計(jì)學(xué)等算法進(jìn)行活動(dòng)類(lèi)型的識(shí)別和運(yùn)動(dòng)能耗的檢測(cè)，神經(jīng)網(wǎng)絡(luò)，應(yīng)用于人體的活動(dòng)類(lèi)型識(shí)別，可以準(zhǔn)確區(qū)分人體的日?；顒?dòng)類(lèi)型，但是它的算法都需要在系統(tǒng)的MCU上實(shí)現(xiàn)，復(fù)雜度較高的算法（小波分析）在MCU上實(shí)現(xiàn)的難度較大。

3.2根據(jù)加速度特征值識(shí)別運(yùn)動(dòng)方式的能耗

新算法體系的開(kāi)發(fā)是基于識(shí)別身體活動(dòng)表現(xiàn)出的信號(hào)特征，確定預(yù)先定義組或群體活動(dòng)類(lèi)型，根據(jù)某種活動(dòng)方式使用各自特定類(lèi)型的算法模型，測(cè)評(píng)身體活動(dòng)能量消耗［30-34］。這些新算法體系的發(fā)展促進(jìn)了與其它使用加速度信號(hào)特征預(yù)測(cè)能量消耗的機(jī)械識(shí)別方式的發(fā)展［35］，例如使用加速度數(shù)據(jù)信號(hào)特征確定METs和身體活動(dòng)類(lèi)型的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的發(fā)展［30-36］，然而這些方法也受限于以計(jì)數(shù)為基礎(chǔ)的估算方法，它們不能解釋說(shuō)明在不同的活動(dòng)中加速度特征值和能量消耗之間的特殊關(guān)聯(lián)性［37］。最常用的身體活動(dòng)識(shí)別方式如下：

1）用METs量表確定活動(dòng)類(lèi)型的能量消耗：根據(jù)大量本研究確定的《體力活動(dòng)綱要》中每個(gè)組群的身體活動(dòng)所對(duì)應(yīng)的METs量表［38-39］，首先通過(guò)信號(hào)識(shí)別確定身體活動(dòng)類(lèi)型，再根據(jù)量表確定METs值進(jìn)而計(jì)算能量消耗［40］，文獻(xiàn)［41］引入人體形態(tài)指標(biāo)（BMI）和其他靜態(tài)指標(biāo)（安靜時(shí)的心率）確定不同個(gè)體動(dòng)作識(shí)別模型，提高了能量消耗評(píng)價(jià)的準(zhǔn)確性。

2）用加速度特征值估算能量消耗：為每種特定類(lèi)型的活動(dòng)方式建立回歸方程［33］；同時(shí)也把基于counts值進(jìn)行能耗評(píng)估的方法應(yīng)用到多組群中建立回歸模型；使用加速度計(jì)的特征變量和人體測(cè)量特征作為獨(dú)立的變量建立回歸模型［35］，這些方法的使用促進(jìn)了PAEE測(cè)量的準(zhǔn)確性。

Bonomi等［34］研究發(fā)現(xiàn)基于MET look up的方法評(píng)估活動(dòng)的能量消耗明顯優(yōu)于使用單個(gè)加速度計(jì)counts值的方法。F. Albinali［32］等建立了加速度計(jì)估算日?；顒?dòng)中安靜狀態(tài)下的能量消耗評(píng)價(jià)方法的模型［38］，引入安靜時(shí)的心率，METs量表評(píng)估能量消耗比基于counts值的方法評(píng)估能耗準(zhǔn)確性高了15%。研究者也建議結(jié)合兩種方式評(píng)測(cè)能量消耗，METs量表評(píng)估靜態(tài)時(shí)能耗，加速度計(jì)counts值評(píng)估運(yùn)動(dòng)類(lèi)活動(dòng)，兩種方法的聯(lián)合使用評(píng)估能量消耗準(zhǔn)確性更高。

3.3加速度特征值的影響因素

身體不同部位的加速度counts的可比性和準(zhǔn)確性對(duì)PA研究產(chǎn)生了很大影響。例如，來(lái)自臀部和手腕的單軸加速度記錄的counts和PAEE的相關(guān)性較低［42］，但是最近的一些研究表明利用三軸加速度計(jì)counts縮小了手腕和臀部數(shù)據(jù)的差距［43-44］，并且能區(qū)分久坐行為、家務(wù)、散步、跑等不同類(lèi)型的活動(dòng)［45］。從2003年起，美國(guó)將Actigraph加速度傳感器用在美國(guó)國(guó)家營(yíng)養(yǎng)和健康調(diào)查（NHANES）中監(jiān)測(cè)PAEE，NHANES中的評(píng)價(jià)系統(tǒng)首次選擇非優(yōu)勢(shì)手評(píng)定睡眠質(zhì)量及對(duì)腕部設(shè)備效度進(jìn)行研究［46］，但是手腕部并沒(méi)有被認(rèn)為是PA研究的標(biāo)準(zhǔn)部位。因此，早期的腕部加速度計(jì)校準(zhǔn)研究沒(méi)有確定左手或右手腕（主導(dǎo)或非慣用）對(duì)體力活動(dòng)監(jiān)測(cè)［37-39］，所以，選用優(yōu)勢(shì)或非優(yōu)勢(shì)手監(jiān)測(cè)PAEE仍是一個(gè)有待驗(yàn)證的問(wèn)題，很多研究者在PA領(lǐng)域用機(jī)械識(shí)別、統(tǒng)計(jì)學(xué)方法開(kāi)始探索腕部加速度信號(hào)的轉(zhuǎn)換公式并進(jìn)行體力活動(dòng)方式分類(lèi)。為了更準(zhǔn)確地對(duì)運(yùn)動(dòng)能耗進(jìn)行監(jiān)測(cè)，可以根據(jù)受試者特征、運(yùn)動(dòng)項(xiàng)目活動(dòng)類(lèi)型等因素來(lái)選擇最合理的采樣間隔、佩戴的時(shí)間及位置。

4　發(fā)展趨勢(shì)

本文對(duì)相關(guān)的加速度傳感器的算法進(jìn)行了綜述，通過(guò)大量研究證明，對(duì)原始加速度信號(hào)的處理方法達(dá)成共識(shí)將有利于PAEE的監(jiān)測(cè)，促進(jìn)PA領(lǐng)域的發(fā)展。不同設(shè)備的結(jié)果不能直接比較因此存在很多不同的算法，加強(qiáng)對(duì)原始加速度數(shù)據(jù)捕獲的研究，有希望對(duì)來(lái)自同一研究的不同設(shè)備的counts值進(jìn)行直接比較，促進(jìn)特定設(shè)備的counts值切點(diǎn)研究，提高PAEE監(jiān)測(cè)的透明性、客觀性、準(zhǔn)確性。注重對(duì)網(wǎng)絡(luò)程序、數(shù)據(jù)校準(zhǔn)研究或其他數(shù)據(jù)收集的標(biāo)準(zhǔn)化處理、選擇機(jī)械識(shí)別潛在的信號(hào)特征的方法和算法體系的開(kāi)發(fā)，將有利于加快加速度計(jì)算法的發(fā)展。

在硬件方面，對(duì)于運(yùn)動(dòng)中的能量消耗能夠通過(guò)顯示屏幕，告知攜帶者當(dāng)前運(yùn)動(dòng)的累計(jì)時(shí)間、距離、速度和卡路里數(shù)值，并能檢測(cè)位置信息和運(yùn)動(dòng)步伐，提供高精度的速度與距離數(shù)據(jù)，可以實(shí)時(shí)監(jiān)測(cè)各種狀態(tài)下的PAEE，反饋當(dāng)前運(yùn)動(dòng)信息，指導(dǎo)科學(xué)運(yùn)動(dòng)健身。加速度傳感器將逐步用來(lái)監(jiān)測(cè)個(gè)人和組群的PA模式，最終，促進(jìn)儀器設(shè)備測(cè)量與健康相關(guān)的運(yùn)動(dòng)指導(dǎo)方針的發(fā)展，能夠較易的對(duì)日常PA的推薦量進(jìn)行有效的追蹤和控制，因此用戶(hù)對(duì)加速度信號(hào)的分析提出了更高要求，所以需要通過(guò)協(xié)同一致的方法分析加速度數(shù)據(jù)，這樣彼此間的數(shù)據(jù)才具有直接比較性。

［1］Durstine J L，Gordon B，Wang Z，et al.Chronic disease and the link to physical activity［J］.Journal of Sport and Health Science，2013（1）.

［2］White J，Jago R.Fat distribution，physical activity and cardiovascular risk among adolescent girls［J］.Nutrition，Metabolism and Cardiovascular Diseases，2013，23（3）:189-195

［3］Lau XC，Chong KH，Poh BK，et al.Chapter Tw。Physical Activity，F(xiàn)itness and the Energy Cost of Activities:Implications for Obesity in Children and Adolescents in the Tropics［M］//JEYAKUMAR H.Advances in Food and Nutrition Research；Academic Press.2013:49-101

［4］Foy CG，Vitolins MZ，Case LD，et al.Incorporating prosocial behavior to promote physical activity in older adults:Rationale and design of the Program for Active Aging and CommunityEngagement （PACE）［J］.Contemporary Clinical Trials，2013，36（1）:284-297.

［5］Cheng S-J，Yu H-K，Chen Y-C，et al.Physical Activity and Risk of Cardiovascular Disease Among Older Adults［J］.International Journal of Gerontology，2013，7（3）:133-136

［6］Montoye H J，Washburn R，Servais S，et al.Estimation of energy expenditure by a portable accelerometer［J］.Medicine and Science in Sports and Exercise，1982，15（5）:403-407.

［7］Chen K Y，Bassett D R.The technology of accelerometry-based activity monitors:current and future［J］.Medicine and science in sports and exercise，2005，37（11）:S490.

［8］Troiano R P.A timely meeting:objective measurement of physical activity［J］.Medicine and Science in Sports and Exercise，2005，37 （11）:S487.

［9］陸姣姣，邱俊.加速度計(jì)在能量消耗預(yù)測(cè)中的應(yīng)用研究綜述［J］.南京體育學(xué)院學(xué)報(bào):自然科學(xué)版，2014（4）.

［10］Troiano R P，McClain J J，Brychta R J，et al.Evolution of accelerometer methods for physical activity research［J］.British journal of sports medicine，2014:bjsports-2014-093546.

［11］Chen K Y，Janz K F，Zhu W，et al.Re-defining the roles of sensors in objective physical activity monitoring［J］.Medicine and science in sports and exercise，2012，44:S13.-23

［12］Rowlands A V，Olds T S，Hillsdon M，et al.Assessing sedentary behavior with the GENEActiv:introducing the sedentary sphere ［D］.Lippincott Williams&Wilkins，2013.

［13］Kiani K，Snijders C J，Gelsema E S.Computerized analysis of daily life motor activity for ambulatory monitoring［J］.Technology and Health Care，1997（4）.

［14］Heinz E A，Kunze K S，Sulistyo S，et al.Experimental evaluation of variations in primary features used for accelerometric context recognition［M］//Ambient Intelligence.Springer Berlin Heidelberg，2003.

［15］Van Laerhoven K，Gellersen H W.Spine versus porcupine:A study in distributed wearable activity recognition［C］//Wearable Computers，2004.ISWC 2004 Eighth International Symposium on.IEEE，2004（1）.

［16］De Craemer M，De Decker E，Santos-Lozano A，et al.Validity of the Omron pedometer and the actigraph step count function in preschoolers［J］.Journal of Science and Medicine in Sport，2015 （3）.

［17］湯強(qiáng)，盛蕾，朱衛(wèi)紅.體力活動(dòng)研究中加速度計(jì)的應(yīng)用［J］.體育科學(xué)，2009（1）.

［18］戴劍松，孫 飆.體力活動(dòng)測(cè)量方法綜述［J］.體育科學(xué)，2005（9）.

［19］Matthew C E.Calibration of accelerometer output for adults［J］. Medicine and science in sports and exercise，2005（37）.

［20］Rothney M P，Schaefer E V，Neumann M M，et al.Validity of physical activity intensity predictions by ActiGraph，Actical，and RT3 accelerometers［J］.Obesity，2008（8）.

［21］Plasqui G，Bonomi A G，Westerterp K R.Daily physical activity assessment with accelerometers:new insights and validation studies ［J］.Obesity Reviews，2013（6）. Munguia Tapia E.Using machine learning for real-time activity recognition and estimation of energy expenditure［D］.Massachusetts Institute of Technology，2008.

［22］Welk G J.Principles of design and analyses for the calibration of accelerometry-based activity monitors［J］.Medicine and science in sports and exercise，2005，37（11 Suppl）:S501-11.

［23］Crouter S E，Kuffel E，Haas J D，et al.A refined 2-regression model for the ActiGraph accelerometer［J］.Medicine and science in sports and exercise，2010（5）.

［24］Liu S，Gao R，F(xiàn)reedson P.Computational methods for estimating energy expenditure in human physical activities［J］.Medicine and science in sports and exercise，2012（11）.

［25］王兆其，張勇東，夏時(shí)洪.體育訓(xùn)練三維人體運(yùn)動(dòng)模擬與視頻分析系統(tǒng)［J］.計(jì)算機(jī)研究與發(fā)展，2015（2）.

［26］張昕陽(yáng).運(yùn)動(dòng)方式識(shí)別和能量消耗模型的研究［D］.上海:華東師范大學(xué)，2015.

［27］黃仁，田豐，田維興.基于加速度傳感器的運(yùn)動(dòng)模式識(shí)別［J］. Computer Engineering And Applications，2015（6）.

［28］蘇婷.傳感器信息集成在人體運(yùn)動(dòng)姿態(tài)捕獲與識(shí)別中的應(yīng)用［D］.哈爾濱:哈爾濱理工大學(xué)，2015.

［29］Kiani K，Snijders C J，Gelsema E S.Computerized analysis of daily life motor activity for ambulatory monitoring［J］.Technology and health care:official journal of the European Society for Engineering and Medicine，1997，5（4）:307-318.

［30］Altini M，Penders J，Amft O.Energy expenditure estimation using wearable sensors:a new methodology for activity-specific models ［C］//Proceedings of the conference on Wireless Health.ACM，2012:1.

［31］Albinali F，Intille S，Haskell W，et al.Using wearable activity type detection to improve physical activity energy expenditure estimation ［C］//Proceedings of the 12th ACM international conference on U-biquitous computing.ACM，2010.

［32］Tapia E M.Using machine learning for real-time activity recognition and estimation of energy expenditure［D］.Massachusetts Institute of Technology，2008.

［33］Bonomi A G，Plasqui G，Goris A H C，et al.Improving assessment of daily energy expenditure by identifying types of physical activity with a single accelerometer［J］.Journal of Applied Physiology，2009 （3）.

［34］Hees V T，Lummel R C，Westerterp K R.Estimating Activity-related Energy Expenditure Under Sedentary Conditions Using a Triaxial Seismic Accelerometer［J］.Obesity，2009（6）.

［35］Freedson P S，Lyden K，Kozey-Keadle S，et al.Evaluation of artificial neural network algorithms for predicting METs and activity type from accelerometer data:validation on an independent sample ［J］.Journal of Applied Physiology，2011（6）.

［36］Rothney M P，Neumann M，Béziat A，et al.An artificial neural network model of energy expenditure using nonintegrated accelerationsignals［J］.Journal of applied physiology，2007（4）.

［37］Bonomi A G，Plasqui G.“Divide and conquer”:assessing energy expenditure following physical activity type classification［J］.Journal of applied physiology，2012（5）.

［38］Ainsworth B E，Haskell W L，Whitt M C，et al.Compendium of physical activities:an update of activity codes and MET intensities ［J］.Medicine and science in sports and exercise，2000，32（9；SUPP/1）:S498-S504.

［39］Ainsworth B E，Haskell W L，Whitt M C，et al.Compendium of physical activities:an update of activity codes and MET intensities ［J］.Medicine and science in sports and exercise，2000，32（9；SUPP/1）:S498-S504.

［40］Bonomi A G，Plasqui G，Goris A H C，et al.Improving assessment of daily energy expenditure by identifying types of physical activity with a single accelerometer［J］.Journal of Applied Physiology，2009 （3）.

［41］IARC Working Group on the Evaluation of Carcinogenic Risks to Humans，World Health Organization，International Agency for Research on Cancer.Non-ionizing Radiation:Static and extremely low-frequency（ELF）electric and magnetic fields［M］.World Health Organization，2002.

［42］Swartz A M，Strath S J，Bassett D R，et al.Estimation of energy expenditure using CSA accelerometers at hip and wrist sites［J］. Medicine and Science in Sports and Exercise，2000，32（9；SUPP/ 1）:S450-S456.

［43］Phillips L R S，Parfitt G，Rowlands A V.Calibration of the GENEA accelerometer for assessment of physical activity intensity in children［J］.Journal of Science and Medicine in Sport，2013（2）.

［44］Esliger D W，Rowlands A V，Hurst T L，et al.Validation of the GENEA Accelerometer［J］.2011.

［45］Zhang S，Rowlands A V，Murray P，et al.Physical activity classification using the GENEA wrist-worn accelerometer［D］.Lippincott Williams and Wilkins，2012.

［46］Pate R R，Pratt M，Blair S N，et al.Physical activity and public health:a recommendation from the Centers for Disease Control and Prevention and the American College of Sports Medicine［J］.Jama，1995（5）.

Study of the Calculating Methods on Physical Activities with Acceleration

FAN Jiangjiang，CHEN Qingguo

With the development of acceleration sensory and the calculation methods，the researchers widely apply these new means to the study of physical activities.The energy expenditure of physical activity is evaluated by the original data signals，which primarily is reacted，recorded and stored by the equipment，and then handled according to the different calculation methods.In order to get the objective and accurate result of the energy expenditure of physical activity，many kinds of methods such as signal filtering processing，changes the value of count point-cut，regression analysis，action recognition of translation，are all conducted.The development of research on physical activity is based on a lot of ways to deal with the counts.Moreover，the ways of analysis must be changed from the unconnected condition to the integration，which is good for evaluating the APPE exactly.The paper depicts the development of the acceleration sensor and makes a comparison on the different calculating methods，which provides a reference for the follow-up research.

accelerometer；PAEE；logistics；activity-specific；evolution

G80-05

A

1003-983X（2016）07-0595-04

2016-05-13

范江江（1991-），男，甘肅莊浪人，在讀碩士，研究方向：體力活動(dòng)測(cè)量與評(píng)價(jià).

四川師范大學(xué)體育學(xué)院，四川成都610068 Physical Education College，Sichuan Normal University，Chengdu Sichuan，610068