使用基于线程的传感器和机器学习算法进行头部运动分类

由美国国家科学基金会（NSF），陆军作战能力发展司令部士兵中心资助，美国塔夫茨大学的研究人员创建并展示了基于螺纹的柔性传感器，该传感器可以测量颈部的运动，并提供有关头部的方向，旋转角度和位移程度的数据，可以连接到皮肤上以实时测量运动的线程，这可能对跟踪健康状况和性能产生影响。相关论文发表在《Scientific Report》上。

头部运动的监视在包括人类行为研究在内的许多应用中可能非常有用，例如，它可以改善我们对一个人的注意力，注意力和情绪状态的理解。在教室里，头部的动作可以转化为学生的视线方向，并有助于检测学生在上课期间的注意力。类似地，该技术可以应用于驾驶情况，在这种情况下，可以通过检测头部运动异常来提醒分心或疲倦的驾驶员。

目前已经开发了许多头部和颈部运动监测系统，用于测量颈椎运动范围（CROM），以诊断颈部疼痛。这些设计中的大多数采用惯性测量单元（IMU）来获得基础应用所需的高精度测量。但在某些非医学情况下，需要常规的运动监视而不是运动角度的精确测量。基于智能线程的传感器将以高度的灵活性和高效率为当前的头部运动监控方法提供另一种可能性。先前塔夫茨大学的研究人员已经开发了一种碳涂层应变传感器，并证明了其在步态监测中的应用。

这里，他们将基于线程的传感器的使用纳入头部运动的监视和收集中。这样就可以实现一种经济高效，灵活且可移植的方法，并具有很高的可用性，可用于日常和大规模监控。该设计包括两个以交叉“ X”形布置的碳涂层螺纹基应变传感器，用于数据收集的电子接口以及可以接近实时确定头部方向的数据处理方法。传感器放置在脖子的后面，可以被隐藏起来，这样就可以实现一种经济高效，灵活且可移植的方法，并具有很高的可用性，可用于日常和大规模监控。传感器涂有导电的碳基油墨，当螺纹弯曲时会检测到运动，从而产生应变，从而改变了导电方式。当受试者进行一系列头部运动时，电线将信号发送到一个小型蓝牙模块，该模块再将数据无线传输到计算机或智能手机进行分析。传入的数据被过滤，标准化并被分为固定长度的段，从中提取时间序列的特征以将头部方向分类为九个位置之一。具体来说，以左右旋转为水平轴，上下弯曲为垂直轴，可以根据沿水平或垂直轴的位置对捕获的运动进行分类。数据分析涉及复杂的机器学习方法，以解释信号并将其转换为实时定量的头部运动，准确度达93％。这样，传感器和处理器就可以跟踪运动，而不会受到电线，笨重设备的干扰，同时也不会受到诸如使用摄像机或限制在房间或实验室空间之类的限制条件的干扰。

这种基于螺纹的传感器，可以很容易地复制此设计，以用于其他运动检测和监视。而且，该平台还对可能的放置不精确性表现出很高的容忍度，而不会牺牲运动分类的准确性。 研究人员表示，尽管算法需要针对身体上的每个位置进行专门化，但原理证明表明，可以使用螺纹传感器来测量其他肢体的运动。包含线的皮肤补丁或什至合身的衣服可用于跟踪测量最相关的环境中的运动，例如在野外，工作场所或教室中。

这些传感器可以织入纺织品，测量环境中的气体和化学物质或汗液中的代谢物。还可以测量运动表现，监测工人或驾驶员的疲劳程度，协助进行物理治疗，增强虚拟现实游戏和系统以及改善计算机生成的图像。

“这是一个有前途的演示，说明了我们如何制造一种以非侵入性的方式监测我们的健康，性能和环境的传感器。” “需要做更多的工作来提高传感器的范围和精度，在这种情况下，这可能意味着要从规则排列或排列成一排的较大数量的线程中收集数据，并开发改进关节运动量化的算法。”