FORTH-TRACE Dataset version 1.0

该数据集由15名参与者佩戴5个Shimmer传感器节点收集，位于特定身体位置。参与者执行了16种活动（7种基本活动和9种姿势转换）。数据包括3轴加速度计、3轴陀螺仪和3轴磁力计的信号，采样率为51.2 Hz。数据文件格式为CSV，包含设备ID、传感器数据和活动标签。

This dataset was collected by 15 participants wearing 5 Shimmer sensor nodes positioned at specific body locations. The participants performed 16 activities (7 basic activities and 9 posture transitions). The data includes signals from a 3-axis accelerometer, a 3-axis gyroscope, and a 3-axis magnetometer, sampled at a rate of 51.2 Hz. The data files are in CSV format, containing device IDs, sensor data, and activity labels.

原始信息汇总

FORTH-TRACE Dataset version 1.0 概述

实验设置

• 参与者数量：15人
• 传感器配置：每位参与者佩戴5个Shimmer传感器节点，位置包括左腕、右腕、躯干、右大腿和左踝（具体位置见Table 1）。
• 活动类型：共16种活动，包括7种基本活动和9种姿势转换（具体活动见Table 2）。
• 信号类型：
  • 3-轴加速度计
  • 3-轴陀螺仪
  • 3-轴磁力计
• 采样率：51.2 Hz

数据集文件

• 文件结构：每个参与者（ID为X）的数据分为5个文件（partX/partXdev1.csv至partX/partXdev5.csv），对应5个传感器节点。
• 文件格式：
  • 列1：设备ID
  • 列2-4：加速度计x, y, z
  • 列5-7：陀螺仪x, y, z
  • 列8-10：磁力计x, y, z
  • 列11：时间戳
  • 列12：活动标签

活动标签（Table 2）

• 基本活动：站立、坐下、坐着交谈、行走、行走交谈、上下楼梯、上下楼梯交谈
• 姿势转换：站立到坐下、坐下到站立、站立到坐着交谈、坐着交谈到站立、站立到行走、行走到站立、站立到上下楼梯、上下楼梯到行走、上下楼梯交谈到行走交谈

许可信息

• 引用要求：使用此数据集的出版物必须引用以下文献：
  • Katerina Karagiannaki, Athanasia Panousopoulou, Panagiotis Tsakalides. A Benchmark Study on Feature Selection for Human Activity Recognition. ACM International Joint Conference on Pervasive and Ubiquitous Computing (UbiComp), ACM, 2016.

搜集汇总

数据集介绍

构建方式

FORTH-TRACE数据集的构建是基于15名参与者所穿戴的5个Shimmer传感器节点所收集的信号。这些节点被放置在参与者的左腕、右腕、躯干、右大腿和左脚踝等部位。参与者执行了包括7种基本活动和9种姿态过渡在内的16种活动，通过三轴加速度计、三轴陀螺仪和三轴磁力计记录信号，设备采样率为51.2 Hz，确保了信号的准确性与实时性。

特点

本数据集的特点在于其综合性的信号采集与细致的活动分类。它不仅包含了基本的人体活动，还涵盖了活动间的过渡状态，共计16种不同的活动标签。数据以.csv格式存储，每名参与者的数据都根据其ID和设备ID进行了分类，便于研究者在进行人类活动识别研究时能够方便地检索和分析。

使用方法

使用该数据集时，研究者可以根据需要选择特定参与者或设备的数据。每个.csv文件中包含了设备ID、三轴加速度、三轴角速度、三轴磁场强度以及时间戳和活动标签等信息。在分析和应用这些数据前，建议仔细阅读数据集的README文件，了解数据格式和采集细节，以便正确地解读和使用数据集。引用此数据集的研究应当遵循相应的版权声明，并在论文中引用相关文献。

背景与挑战

背景概述

FORTH-TRACE数据集1.0版本，由Katerina Karagiannaki、Athanasia Panousopoulou以及Panagiotis Tsakalides等研究人员在信号处理实验室（SPL）和克里特大学计算机科学系共同构建。该数据集的创建旨在为人类活动识别领域提供一种基准研究工具，收录了15名参与者在执行16种活动时，由5个Shimmer传感器节点所采集的三轴向量的原始信号数据，包括加速度、角速度和磁场强度。该数据集自2016年发布以来，已成为相关领域研究的重要资源，对推动特征选择方法在人类活动识别中的应用与评估具有显著影响。

当前挑战

在研究领域，FORTH-TRACE数据集面临的挑战主要包括：如何准确识别复杂的人体姿态和活动过渡，特别是在信号噪声干扰和个体差异下；此外，构建过程中也遇到了传感器节点放置位置、数据采集质量保证以及数据标注一致性等实际技术挑战。这些挑战不仅考验着数据集的泛化能力，也对其在真实世界应用中的有效性和可靠性提出了更高的要求。

常用场景

经典使用场景

在人类行为识别的研究领域，FORTH-TRACE数据集以其详尽的信号采集和多样的活动类型，成为了一个经典的使用案例。该数据集通过15名参与者在身上佩戴5个Shimmer传感器节点，收集了包括3轴加速度计、3轴陀螺仪和3轴磁力计在内的多种生理信号，为研究者提供了一个全面的数据基础，以探究和识别不同的人类活动与姿态转变。

衍生相关工作

基于FORTH-TRACE数据集，学术界衍生出了许多相关工作，如特征选择方法的研究、不同算法在活动识别中的应用比较，以及数据融合技术的探索。这些研究进一步扩展了该数据集的应用领域，推动了人类行为识别技术的成熟与发展。

数据集最近研究

最新研究方向

在人类行为识别领域，FORTH-TRACE数据集以其细致的实验设置和全面的信号捕获，成为学者们深入研究的宝贵资源。近期研究集中于利用该数据集对特征选择方法进行基准测试，旨在提升活动识别的准确度与效率。此类研究不仅对可穿戴设备的人机交互具有重要意义，也助力于智能健康监测与智能家居技术的发展。