基于智能手机数据集的人类活动识别，六项行为数据(步行、上楼、下楼、坐、站、躺)

Data Set Information: 实验是由30名年龄在19-48岁之间的志愿者进行的。每个人在腰部佩戴智能手机（三星Galaxy S II），进行六项活动（步行、上楼、下楼、坐、站、躺）。使用其嵌入式加速度计和陀螺仪，我们以50Hz的恒定速率捕获了3轴线加速度和3轴角速度。实验已被录像，以手动标记数据。获得的数据集被随机分成两组，其中70%的志愿者被选择用于生成训练数据，30%的志愿者被选择用于生成测试数据。 传感器信号（加速计和陀螺仪）通过应用噪声滤波器进行预处理，然后在2.56秒和50%重叠的固定宽度滑动窗口中采样（128个读数/窗口）。传感器加速度信号包含重力和身体运动分量，使用巴特沃斯低通滤波器将其分离为身体加速度和重力。假设重力只有低频分量，因此使用了截止频率为0.3 Hz的滤波器。从每个窗口，通过从时域和频域计算变量获得特征向量。 Check the README.txt file for further details about this dataset. A video of the experiment including an example of the 6 recorded activities with one of the participants can be seen in the following link: [Web link] An updated version of this dataset can be found at [Web link]. It includes labels of postural transitions between activities and also the full raw inertial signals instead of the ones pre-processed into windows. Attribute Information: For each record in the dataset it is provided: - Triaxial acceleration from the accelerometer (total acceleration) and the estimated body acceleration. - Triaxial Angular velocity from the gyroscope. - A 561-feature vector with time and frequency domain variables. - Its activity label. - An identifier of the subject who carried out the experiment. Relevant Papers: Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra and Jorge L. Reyes-Ortiz. Human Activity Recognition on Smartphones using a Multiclass Hardware-Friendly Support Vector Machine. International Workshop of Ambient Assisted Living (IWAAL 2012). Vitoria-Gasteiz, Spain. Dec 2012 Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra, Jorge L. Reyes-Ortiz. Energy Efficient Smartphone-based Activity Recognition using Fixed-Point Arithmetic. Journal of Universal Computer Science. Special Issue in Ambient Assisted Living: Home Care. Volume 19, Issue 9. May 2013 Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra and Jorge L. Reyes-Ortiz. Human Activity Recognition on Smartphones using a Multiclass Hardware-Friendly Support Vector Machine. 4th International Workshop of Ambient Assited Living, IWAAL 2012, Vitoria-Gasteiz, Spain, December 3-5, 2012. Proceedings. Lecture Notes in Computer Science 2012, pp 216-223. Jorge Luis Reyes-Ortiz, Alessandro Ghio, Xavier Parra-Llanas, Davide Anguita, Joan Cabestany, Andreu Català. Human Activity and Motion Disorder Recognition: Towards Smarter Interactive Cognitive Environments. 21th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, ESANN 2013. Bruges, Belgium 24-26 April 2013. Citation Request: Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra and Jorge L. Reyes-Ortiz. A Public Domain Dataset for Human Activity Recognition Using Smartphones. 21th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, ESANN 2013. Bruges, Belgium 24-26 April 2013. Jorge L. Reyes-Ortiz(1,2), Davide Anguita(1), Alessandro Ghio(1), Luca oneto(1) and Xavier Parra(2) 1 - Smartlab - Non-Linear Complex Systems Laboratory DITEN - Università degli Studi di Genova, Genoa (I-16145), Italy. 2 - CETpD - Technical Research Centre for Dependency Care and Autonomous Living Universitat Politècnica de Catalunya (BarcelonaTech). Vilanova i la Geltrú (08800), Spain activityrecognition '@' smartlab.ws

数据集信息：
本实验由30名年龄介于19至48岁的志愿者参与完成。所有受试者均将智能手机（三星Galaxy S II）佩戴于腰部，完成6类活动：步行、上楼梯、下楼梯、坐姿、站姿与躺卧。借助设备内置的加速度计（accelerometer）与陀螺仪（gyroscope），我们以50Hz的恒定采样率采集三轴加速度与三轴角速度数据。实验过程已全程录像，用于人工标注数据。所得数据集经随机划分：70%的志愿者数据用于构建训练集，剩余30%用于构建测试集。

传感器信号（加速度计与陀螺仪数据）经噪声滤波预处理后，以2.56秒为固定宽度、50%重叠率的滑动窗口（sliding window）进行采样，每个窗口包含128个读数。传感器采集的原始加速度信号同时包含重力分量与人体运动加速度分量，我们采用巴特沃斯低通滤波器（Butterworth low-pass filter）将二者分离：假设重力仅包含低频分量，故选用截止频率为0.3Hz的滤波器完成分离。从每个滑动窗口中，通过时域与频域特征计算，得到特征向量（feature vector）。

如需了解该数据集的更多细节，请查阅README.txt文件。本次实验的录像片段（包含一名志愿者完成6类活动的示例）可通过以下链接观看：[网络链接]。该数据集的更新版本可于[网络链接]获取，其包含活动间姿态转换的标签，且提供完整的原始惯性传感器信号，而非经滑动窗口预处理后的信号。

属性说明：
数据集中的每条记录包含以下内容：
- 加速度计采集的三轴总加速度与估算得到的人体运动加速度
- 陀螺仪采集的三轴角速度
- 包含时域与频域特征的561维特征向量
- 对应活动类别标签
- 参与实验的受试者编号

相关学术论文：
1. Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra 与 Jorge L. Reyes-Ortiz. 《基于智能手机的人类活动识别：面向硬件友好的多分类支持向量机（Support Vector Machine）》. 国际辅助生活研讨会（IWAAL 2012），西班牙维多利亚-加斯泰斯，2012年12月
2. Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra、Jorge L. Reyes-Ortiz. 《基于定点运算的节能型智能手机活动识别》. 《环球计算机科学期刊》，辅助生活家庭护理特刊，第19卷第9期，2013年5月
3. Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra 与 Jorge L. Reyes-Ortiz. 《基于智能手机的人类活动识别：面向硬件友好的多分类支持向量机》. 第4届国际辅助生活研讨会（IWAAL 2012），西班牙维多利亚-加斯泰斯，2012年12月3-5日，会议论文集，《计算机科学讲义》，2012年，第216-223页
4. Jorge Luis Reyes-Ortiz, Alessandro Ghio, Xavier Parra-Llanas, Davide Anguita, Joan Cabestany, Andreu Català. 《人类活动与运动障碍识别：迈向更智能的交互式认知环境》. 第21届欧洲人工神经网络、计算智能与机器学习研讨会（ESANN 2013），比利时布鲁日，2013年4月24-26日

引用要求：
Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra 与 Jorge L. Reyes-Ortiz. 《面向智能手机人类活动识别的公有领域数据集》. 第21届欧洲人工神经网络、计算智能与机器学习研讨会（ESANN 2013），比利时布鲁日，2013年4月24-26日。

Jorge L. Reyes-Ortiz(1,2), Davide Anguita(1), Alessandro Ghio(1), Luca Oneto(1) 与 Xavier Parra(2)
1 - 智能实验室非线性复杂系统研究室
DITEN - 热那亚大学，热那亚（意大利I-16145）
2 - CETpD - 护理与自主生活技术研究中心
加泰罗尼亚理工大学（巴塞罗那科技学院），比利亚诺瓦伊拉尔特鲁（西班牙08800）
activityrecognition '@' smartlab.ws

搜集汇总

背景与挑战

背景概述

该数据集包含30名志愿者进行六项日常活动（步行、上楼、下楼、坐、站、躺）时通过智能手机传感器收集的3轴加速度和角速度数据，经过预处理后用于人类活动识别研究。数据集已划分为训练集和测试集，适用于机器学习模型的开发和评估。