Aktivitätserkennung

CSL-SHARE: Sensor-based Human Activity Recordings

Der CSL-SHARE Datensatz beinhaltet 22 Aktivitäten von 20 Versuchsteilnehmer:innen. Die Teilnehmer:innen trugen eine mit 19 kanäligen Sensoren bestückte Kniebandage zur Erfassung der Daten.

Das Paper zu diesem Datensatz beschreibt detailliert die Zusammensetzung und die Verwendungsmethode (siehe unten).

Den Datensatz finden Sie hier.

 

Datenschutz und Datensicherheit:

Die Einwilligungserklärung des Teilnehmers sieht vor, dass die Verwendung der Daten auf nicht-kommerzielle Forschungszwecke beschränkt ist und die Datennutzer garantieren, dass sie nicht versuchen, die teilnehmenden Personen zu identifizieren. Darüber hinaus garantieren die Datennutzer, die Daten (oder daraus abgeleitete Daten) nur an Dritte weiterzugeben, die an die gleichen Nutzungsregeln gebunden sind (für nicht-kommerzielle Forschungszwecke, keine Identifizierungsversuche, eingeschränkte Weitergabe). Datennutzer, die gegen die oben genannte Nutzungsordnung verstoßen, tragen die Rechtsfolgen selbst, für die der Datensatzherausgeber keine Verantwortung übernimmt.

 

Zitationsanfrage:

Dieser Datensatz ist für die nicht-kommerzielle akademische Forschung frei verfügbar. Wir würden uns freuen, auf die folgenden Veröffentlichungen Bezug zu nehmen, wenn Sie diesen Datensatz oder die damit verbundenen Implementierungsansätze verwenden:

Der CSL-SHARE Datensatz und der halbautomatische Segmentierungs- und Annotaionsmechanismus:

Statistische Details und Aktivitätsdaueranalyse des CSL-SHARE Datensatzes:

 

Aktivitätserkennungsforschungen zum CSL-SHARE Datensatz:

Umfassende Forschung zum CSL-SHARE Datensatz:

Ausführlichere Informationen zu den Geräten, den Sensoren, der Bandage und der implementierten Software, die bei der Datenerfassung verwendet werden:

HAR-Forschungspipeline

Beispiele für Merkmalsextraktion aus dem CSL-SHARE Datensatz mit der Open-Source Time Series Feature Extraction Library (TSFEL):

High-Level Merkmalsextraktion in CSL-SHARE und anderen Datensätzen:

  • Interpretable High-Level Features for Human Activity Recognition (Yale Hartmann, Hui Liu, Steffen Lahrberg, Tanja Schultz), In Proceedings of the 15th International Joint Conference on Biomedical Engineering Systems and Technologies - Volume 4: BIOSIGNALS, pages 40-49, 2022 (Best Student Paper Award Nomination).

Merkmal-Dimensionalitätsstudien in CSL-SHARE und anderen Datensätzen:

    Neuartige Methode zur Modellierung menschlicher Aktivitäten von Motion Units auf dem CSL-SHARE Datensatz:

    Echtzeit-HAR-System:

    Algorithmen für die Signalverarbeitung und automatische Segmentierung:

     

    Allgemeine Studie zur Erkennung menschlicher Aktivitäten: