Análisis de datos de acelerometría para determinar niveles de actividad física

Abstract

En la actualidad estamos sufriendo un “boom” en la tecnología aplicada a la salud y al deporte. Comienzan a emerger nuevas aplicaciones software y hardware que tratan de mejorar muchos aspectos de nuestras vidas, entre ellas, una mayoría basada en la monitorización de la actividad física. Este enorme crecimiento y evolución es debido al interés médico y científico que deriva de la actividad física, la profesionalización de las disciplinas deportivas a través de la monitorización y por último el gran interés personal en conocer nuestros límites y nuestros propios registros. Por todos estos motivos se desarrollan cada vez más sistemas y Apps que nos aportan información sobre la actividad física que hemos realizado, como por ejemplo el control del pulso en tiempo real, el cálculo de distancias recorridas, la monitorización del sueño y otras muchas. Entre ellas nos centraremos en las utilizadas para la diferenciación o detección de distintas actividades mediante el uso de acelerómetros, sensores que detectan movimientos al llevarlos incorporados. Gracias a estos sensores, se convierte en una tecnología muy accesible para casi todos los públicos ya que hoy en día todos los SmartPhones integran un acelerómetro. Esta demanda hace que el control y seguimiento de la actividad física tengan que perfeccionarse para buscar una solución óptima y precisa. Para resolver este problema es necesario desarrollar numerosos algoritmos que analicen las señales procedentes de estos dispositivos. De todo ello surge este Trabajo de Fin de Grado, cuyo objetivo principal ha sido analizar las señales de estos sensores y poder distinguir tanto el nivel de actividad física de un sujeto como especificar qué actividad básica está realizando. Para llegar a estas metas, en el transcurso del presente trabajo se han estudiado distintos métodos y se han realizado numerosas pruebas. Finalmente, el sistema desarrollado se basa en el tratamiento de la señal de acelerometría y la extracción de sus características para su posterior análisis y comparación mediante métodos de distancias estadísticas.

Currently we are suffering a "boom" in technology applied to health and sport. New software and hardware applications are appearing that treat to improve many aspects from our lives, many of them are based on physical activity monitoring. This huge growth and evolution is due to medical and scientist interest derived from physical activity, the professionalization of sports disciplines through human monitoring and finally, the great personal interest in knowing our limits as well as our own records. For all this reasons, a great number of applications have been developed to provide us information about our physical activity. For example, Apps ranging from the control pulse in real time, calculating distances, monitoring sleep and many others. Among them, we will focus on differentiation or detection of various activities using accelerometers, sensors that detect movements when they are incorporated into daily life. Thanks to these sensors, it becomes a very accessible technology for nearly all public since today all SmartPhones integrate an accelerometer. This demand makes the control and monitoring of physical activity have to be refined to an optimum and accurate solution. To solve this problem many algorithms that analyze the signals from these devices need to be developed. Therefore this Final Degree Thesis arises, whose main aim has been to analyze signals from these sensors and to be able to distinguish both the level of physical activity and specify which basic daily activity is being performed. In order to achieve these goals, in the course of this thesis we have studied different methods and there have been numerous tests. Finally, the developed system is based on treating the accelerometer signal and extracting its features for further analysis and comparison using statistical distances methods.