Разработка структуры информационной системы мониторинга данных о физической активности человека

Цель исследования заключается в проектировании информационной системы с учетом сформулированных требований и критериев, основанной на использовании новых методов и модулей обработки данных с датчиков смартфона, предназначенной для мониторинга физической активности и факторов риска для здоровья человека.

Методы. Работа системы мониторинга данных о физической активности человека базируется на методах распознавания простых и сложных видов физической активности человека с помощью датчиков носимых устройств, персонализированном анализе факторов риска и их влиянии на здоровье, отличающемся постоянным мониторингом за выполняемыми видами физической активности и окружающим пространством человека, на применении технологии, позволяющей совмещать выполняемую активность с элементами игры, а также интеллектуальных напоминаниях человеку о необходимости обратить внимание на свое здоровье, которые формируются с учетом физического состояния человека и окружающих факторов риска для его здоровья.

Результаты. Приведена структура предлагаемой системы и описан функционал программного обеспечения.

Заключение. Спроектированная система поможет осуществить разработку информационной системы мониторинга данных о физической активности человека.

1. Занятия физической культурой и спортом и заболеваемость (в %) // Федеральная служба государственной статистики. URL: www.rosstat.gov.ru (дата обращения: 01.09.2021).

2. Godwin Ogbuabor and Robert La. 2018. Human Activity Recognition for Healthcare using Smartphones. In Proceedings of the 2018 10th International Conference on Machine Learning and Computing (ICMLC 2018). ACM, New York, NY, USA, 41-46.

3. Jordao, Artur & Antonio C. Nazare, Jr &Sena de Souza, Jessica & Schwartz, William. Human Activity Recognition Based on Wearable Sensor Data: A Standardization of the State-of-the-Art. 2018

4. Hasan S.S. et al. Human Activity Recognition using Smartphone Sensors with Context Filtering // ACHI 2016: The Ninth International Conference on Advances in ComputerHuman Interactions. 2016. Vol. 571–572. P. 1019–1029.

5. Attila Reiss. Personalized mobile physical activity monitoring for everyday life (Doctoral Thesis, Technical University of Kaiserslautern). 2014

6. Jorge Luis Reyes Ortiz. Smartphone-based human activity recognition (Doctoral Thesis, Universitat Politècnica de Catalunya). 2015

7. He Y., Li Y. Physical activity recognition utilizing the built-in Kinematic sensors of a smartphone // International Journal of Distributed Sensor Networks. SAGE Publications Sage UK: London, England, 2013. Vol. 2013. № 4. P. 481-580.

8. Miao F. et al. Identifying typical physical activity on smartphone with varying positions and orientations // Biomed. Eng. Online. BioMed Central, 2015. Vol. 14, № 1. P. 32-46.

9. Fitbit SmartTrack // Fitbit (дата обращения: 01.09.2021).

10. Mi Fit // Google Play Market (дата обращения: 01.09.2021).

11. Urban fit // Google Play Market (дата обращения: 01.09.2021).

12. Liangying Peng, Ling Chen, Zhenan Ye, and Yi Zhang. 2018. AROMA: A Deep Multi-Task Learning based Simple and Complex Human Activity Recognition Method Using Wearable Sensors. Proceedings of the ACM on Interactive Mobile Wearable and Ubiquitous Technologies. 2, 2, Article 74 (June 2018), 16 pages.

13. Li Liu, Yuxin Peng, Ming Liu, Zigang Huang, Sensor-based human activity recognition system with a multilayered model using time series shapelets. Knowledge-Based Systems. 2015. Vol. 90. P. 138-152.

14. Sakr N.A., Abu-Elkheir, M &Atwan, A & Soliman H.H. Current trends in complex human activity recognition // Journal of Theoretical and Applied Information Technology. 2018. № 96. Р. 4564-4583.

15. Higgins J.P. Smartphone applications for patients’ health and fitness // Am J Med. 2016; 129(1): 11–9.

16. Buller D.B., Borland R., Bettinghaus E.P. et al. Randomized trial of a smartphone mobile application compared to text messaging to support smoking cessation // Telemed J E Health. 2014; 20(3): 206–14.

17. Vohralik S.L., Bowen A.R., Burns J. et al. Reliability and validity of a smartphone app to measure joint range // Am J Phys Med Rehabil 2015; 94(4): 325–30.

18. Показатели сердечно-сосудистой системы при физических нагрузках у спортсменов / Д.А. Усанов, А.А. Протопопов, А.В. Скрипаль и др. // Саратовский научно-медицинский журнал. 2013; 9(1): 64–8.

19. Rosney D.M., Horvath P.J. Exergaming Intervention in Sedentary Middle-Aged Adults Improves Cardiovascular Endurance, Balance and Lower Extremity Functional Fitness // Heal. Sci J. 2018. Vol. 12, № 6. P. 601.

20. YMohan T., Binti AIahad N. A Model for Mobile Exergame Development to Promote Anti-Sedentary Behaviour // J. Inf. Syst. Res. Innov. 2017. Vol. 11, № 3. P. 1–6.