Sistema de Monitoreo de Actividades y Pulso Cardíaco en una Plataforma Móvil.

Abstract

Con el avance de la tecnología, el reconocimiento de actividades humanas (HAR) ha ido evolucionando y aumentando su área de desempeño en especial en el área de la salud y del deporte. Se diseñó un sistema para monitorear en el celular 10 actividades prestablecidas y a su vez, medir el pulso cardíaco. Para esto, se diseñaron dos wearables; uno con un acelerómetro de tres ejes, y otro con un sensor de pulso cardíaco, ubicados a un lado de la cintura y en la muñeca respectivamente. La comunicación entre los wearables y el celular se hace mediante el protocolo de comunicación Bluetooth Low Energy (BLE) con el fin de disminuir el consumo de energía. A su vez, se realizó una medición de consumo de potencia de ambos wearable para obtener una aproximación promedio de la duración de las baterías de celda (CR2032). Para entrenar el clasificador se creó un set de datos utilizando 7 sujetos de prueba para que realicen las actividades preestablecidas. Se probaron 3 clasificadores; Random Forest, k vecinos cercanos (K-NN) y Naive baiyes, y se escogió K-NN debido a su mayor rendimiento (98.5%). El sistema es capaz de clasificar las actividades y mostrar el pulso cardíaco, además, se puede visualizar los históricos de las actividades realizadas en el pasado y su pulso cardíaco promedio por sesión.

With the advancements of technology, the human activity recognition (HAR) have been evolving and widening its area of applications, especially in health and sports. A mobile monitoring system was designed. This system recognizes 10 pre-established activities as well as monitoring the subjects heart rate. Two wearable components were assembled, one with a 3-axis accelerometer and another with a heart rate sensor, located on the side of the hip and wrist, respectively. The communication between cellphone and wearable component used is the Bluetooth Low Energy (BLE) protocol with the objective of having a low power consumption. Meanwhile, both wearables were subjected to power consumption measurements with the objective of calculating an approximate duration of coin cell batteries used (CR2032). To train the classifier, a data set was record that consisted of 7 test subjects that performed the pre-established activities. Three different classifier algorithms are tested, Random Forest, K-Nearest Neighbor and Naive Bayes. The K-Nearest Neighbor was chosen due to its accuracy of 98.5%. The system is capable of classifying the activities and showing the heart rate, it’s also possible to visualize the subjects historical activities performed in the past in relation with the heart rate.