sedentary behaviors classification dataset

该数据集包括30名受试者的数据，他们在佩戴商业可穿戴设备、携带智能手机和其他设备的情况下执行了23种久坐行为。此外，使用6个蓝牙低能耗信标来获取人们在执行每种久坐行为时的室内位置信息。

This dataset comprises data from 30 participants who engaged in 23 sedentary behaviors while wearing commercial wearable devices, carrying smartphones, and utilizing other equipment. Additionally, six Bluetooth Low Energy (BLE) beacons were employed to capture indoor location information as individuals performed each sedentary activity.

原始信息汇总

数据集概述

数据集名称

New Dataset for Sedentary Behaviors Recognition

数据集构建

• 设备集成：通过Android应用程序集成Microsoft Band和Estimote beacons。
• 数据来源：收集生理和环境数据，用于改进传统的久坐行为分类。

数据集内容

• 参与者数量：30名受试者。
• 行为类型：记录了23种久坐行为。
• 设备配置：受试者佩戴商业可穿戴设备于手腕，携带智能手机于腰部和包内。
• 环境定位：使用6个蓝牙低能耗信标获取室内位置信息。

数据集可用性

• 数据集位置：Dataset
• 包含内容：数据集、统计数据及描述。

搜集汇总

数据集介绍

构建方式

针对久坐行为识别，本数据集的构建采取了一项集成Microsoft Band和Estimote信标技术的Android应用。该应用搜集了参与者的生理及环境上下文数据，旨在提升传统久坐行为分类的准确性。30名受试者在佩戴手环、腰间放置智能手机、包内携带其他设备的情况下执行了23种久坐行为，同时6个蓝牙低功耗信标用于捕捉受试者在执行每种行为时的室内位置信息。

特点

该数据集涵盖了30名受试者的丰富生理及环境数据，具有高度的现实代表性。数据采集过程中，受试者执行了多种日常久坐行为，确保了数据的多样性和广泛性。此外，结合了室内定位信息，进一步丰富了数据集的维度，为久坐行为分类研究提供了全新的视角。

使用方法

用户可通过提供的链接访问并下载该数据集，其中包括数据统计描述和详细的数据集说明。数据集以文件夹形式组织，每个文件夹包含对应受试者的数据。用户需根据数据集说明进行适当的预处理，以便在研究或开发中有效利用这些数据，进行久坐行为的分类和识别研究。

背景与挑战

背景概述

随着现代社会生活方式的转变，长时间静态行为（sedentary behaviors）对健康的负面影响日益受到重视。sedentary behaviors classification dataset的构建旨在推动对此类行为识别的研究。该数据集由一个跨学科研究团队开发于近年，依托于Android应用程序与Microsoft Band可穿戴设备、Estimote beacon技术的集成，收集了30位参与者在进行23种静态行为时的生理及环境上下文数据。此数据集的开源发布，为静态行为分类研究提供了重要资源，对公共卫生、人机交互等领域具有显著影响。

当前挑战

该数据集面临的挑战主要体现在两个方面：一是领域问题上的挑战，如何准确区分多种静态行为，尤其是在数据采集的多样性和准确性上；二是构建过程中的挑战，包括不同设备间数据同步、隐私保护、以及确保数据采集过程中的一致性和可靠性。这些挑战对于提升数据集的质量、促进相关领域研究的深入至关重要。

常用场景

经典使用场景

在研究领域内，该sedentary behaviors classification dataset数据集的典型应用场景在于对久坐行为的分类研究。研究者利用该数据集，可以深入挖掘个体的生理及环境上下文数据，从而提高对久坐行为的识别精度。

实际应用

在实际应用中，该数据集可用于开发智能健康监测系统，通过实时监测个体的久坐行为，提供健康建议，进而促进用户的健康生活方式。

衍生相关工作

基于该数据集，研究者们已衍生出一系列相关工作，如久坐行为识别算法改进、智能健康系统设计等，为相关领域的研究提供了重要的基础数据和参考。