SwePub
Sök i LIBRIS databas

  Utökad sökning

onr:"swepub:oai:DiVA.org:mau-18565"
 

Sökning: onr:"swepub:oai:DiVA.org:mau-18565" > Open source step co...

LIBRIS Formathandbok  (Information om MARC21)
FältnamnIndikatorerMetadata
00003368naa a2200373 4500
001oai:DiVA.org:mau-18565
003SwePub
008201008s2020 | |||||||||||000 ||eng|
0247 a https://urn.kb.se/resolve?urn=urn:nbn:se:mau:diva-185652 URI
0247 a https://doi.org/10.1145/3423423.34234312 DOI
040 a (SwePub)mau
041 a engb eng
042 9 SwePub
072 7a ref2 swepub-contenttype
072 7a kon2 swepub-publicationtype
1001 a Brondin, Annau Malmö universitet,Institutionen för datavetenskap och medieteknik (DVMT)4 aut
2451 0a Open source step counter algorithm for wearable devices
264 c 2020-10-07
264 1a New York, United States :b ACM Digital Library,c 2020
338 a electronic2 rdacarrier
520 a Commercial wearable devices and fitness trackers are commonly sold as black boxes of which little is known about their accuracy. This poses serious issues especially in health-related contexts such as clinical research, where transparency about accuracy and reliability are paramount.We present a validated algorithm for computing step counting that is optimised for use in constrained computing environments. Released as open source, the algorithm is based on the windowed peak detection approach, which has previously shown high accuracy on smartphones. The algorithm is optimised to run on a programmable smartwatch (Pine Time) and tested on 10 subjects in 8 scenarios, with varying varying positions of the wearable and walking paces.Our approach achieves a 89% average accuracy, with the highest average accuracy when walking outdoor (98%) and the lowest in a slow-walk scenario (77%). This result can be compared with the built-in step counter of the smartwatch (Bosch BMA421), which yielded a 94% average accuracy for the same use cases. Our work thus shows that an open-source approach for extracting physical activity data from wearable devices is possible and achieves an accuracy comparable to the one produced by proprietary embedded algorithms.
650 7a TEKNIK OCH TEKNOLOGIERx Elektroteknik och elektronikx Signalbehandling0 (SwePub)202052 hsv//swe
650 7a ENGINEERING AND TECHNOLOGYx Electrical Engineering, Electronic Engineering, Information Engineeringx Signal Processing0 (SwePub)202052 hsv//eng
653 a step-counter
653 a signal-processing
653 a open-source
7001 a Nordström, Marcusu Malmö universitet,Institutionen för datavetenskap och medieteknik (DVMT)4 aut
7001 a Olsson, Carl Magnusu Malmö universitet,Institutionen för datavetenskap och medieteknik (DVMT),Internet of Things and People (IOTAP)4 aut0 (Swepub:mau)ab2383
7001 a Salvi, Dariou Malmö universitet,Internet of Things and People (IOTAP),Institutionen för datavetenskap och medieteknik (DVMT)4 aut0 (Swepub:mau)aj6373
7102 a Malmö universitetb Institutionen för datavetenskap och medieteknik (DVMT)4 org
7730 t Companion Proceedings of the 10th International Conference on the Internet of Things (IoT 2020)d New York, United States : ACM Digital Libraryz 9781450388207
8564 u https://mau.diva-portal.org/smash/get/diva2:1474455/FULLTEXT01.pdfx primaryx Raw objecty fulltext:preprint
8564 8u https://urn.kb.se/resolve?urn=urn:nbn:se:mau:diva-18565
8564 8u https://doi.org/10.1145/3423423.3423431

Hitta via bibliotek

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...
Brondin, Anna
Nordström, Marcu ...
Olsson, Carl Mag ...
Salvi, Dario
Om ämnet
TEKNIK OCH TEKNOLOGIER
TEKNIK OCH TEKNO ...
och Elektroteknik oc ...
och Signalbehandling
Artiklar i publikationen
Companion Procee ...
Av lärosätet
Malmö universitet

Sök utanför SwePub

Wikipedia om författaren:
Anna_Brondin
Brondin, Anna
en

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy