Fitbyte متصل به عینک برای پیگیری رژیم غذایی خود را

پوشیدنی جدید می تواند کمک به مردم خود را پیگیری عادات غذایی با وفاداری بالا, محققان گزارش.

FitByte یک غیر تهاجمی پوشیدنی سنجش سیستم ترکیبی از تشخیص صدا و حرکت برای افزایش دقت و کاهش مثبت کاذب. این آهنگ الگوهای رفتاری برای کمک به کاربران در رسیدن به اهداف سلامت خود را با ارائه یک راه برای درک رابطه بین رژیم غذایی و بیماری و نظارت بر اثربخشی درمان است.

آهنگ دستگاه تمام مراحل از مصرف مواد غذایی. آن را تشخیص جویدن بلع دست به دهان و حرکات و تصاویری از مصرف است و می تواند متصل به هر جفت از مصرف کننده عینک.

“اولیه سنسور در دستگاه شتاب سنج و ژیروسکوپ است که تقریبا در هر دستگاه در این مرحله مانند تلفن های خود را و خود را تماشا می گوید:” Mayank Goel, دستیار استاد در این موسسه برای نرم افزار پژوهش و تعامل انسان و کامپیوتر موسسه در دانشگاه کارنگی ملون.

چگونه Fitbyte کار می کند

مادون قرمز سنسور تشخیص دست به دهان حرکات. برای شناسایی جویدن سیستم مانیتور فک متحرک با استفاده از چهار ژیروسکوپ در اطراف پوشنده لباس را گوش. سنسور پشت گوش برای پیگیری خم از زمانی عضله به عنوان کاربر حرکت فک خود را.

با سرعت بالا شتاب سنج قرار داده شده در نزدیکی عینک’ واضحی درک گلو ارتعاشات هنگام بلع. تکنولوژی جدید آدرس دیرینه چالش های دقیق تشخیص نوشیدن و مصرف نرم چیزهایی مانند ماست و بستنی.

یک دوربین کوچک در جلوی عینک امتیاز رو به پایین را به تصرف خود فقط منطقه اطراف دهان و تنها در زمانی که مدل تشخیص کاربر خوردن یا نوشیدن.

“برای رسیدگی به مسائل مربوط به حریم خصوصی ما در حال حاضر پردازش همه چیز نیست می گوید:” Abdelkareem Bedri یک HCII دانشجوی دکتری. “اسیر تصاویر به اشتراک گذاشته نمی شود در هر جایی به جز گوشی کاربر است.”

در این مرحله سیستم متکی به کاربران برای شناسایی مواد غذایی و نوشیدنی در عکس. اما این تیم تحقیقاتی قصد دارد برای یک آزمون بزرگتر استقرار آن عرضه خواهد شد داده های یادگیری عمیق مدل نیاز به طور خودکار تشخیص نوع مواد غذایی.

در داخل خانه و خارج از منزل

محققان آزمایش FitByte در پنج نامحدود موقعیت های از جمله یک جلسه ناهار, تماشای تلویزیون, داشتن یک غذای سبک و سریع, ورزش در یک باشگاه ورزشی و پیاده روی در خارج از منزل. مدل سازی در سراسر چنین پر سر و صدا داده ها اجازه می دهد تا الگوریتم به تعمیم در سراسر شرایط.

“تیم ما می تواند داده های حسگر و پیدا کردن الگوهای رفتاری. در چه موقعیت هایی را مردم مصرف ترین ؟ آنها در غذا خوردن شراب خواری? آیا خوردن آنها بیشتر زمانی که آنها به تنهایی و یا با سایر افراد ، ما در حال همکاری با پزشکان و پزشکان بر مشکلات آنها می خواهم به آدرس” Goel می گوید.

این تیم را همچنان در حال توسعه این سیستم اضافه کردن بیشتر غیر تهاجمی سنسور است که اجازه خواهد داد که این مدل برای شناسایی سطح گلوکز خون و دیگر مهم فیزیولوژیکی اقدامات است. این محققان همچنین ایجاد یک رابط کاربری برای یک برنامه تلفن همراه است که می تواند به اشتراک گذاری اطلاعات با کاربران در زمان واقعی است.

این کنفرانس عوامل انسانی در محاسبات سیستم های (چی 2020), برنامه ریزی شده برای این ماه اما لغو شد با توجه به COVID-19 گیر پذیرش مقاله برای ارائه.

منبع: Carnegie ملون

tinyurlis.gdclck.ruulvis.netshrtco.de

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>