Avaluació de la intensitat de l'actividat física basada en els sensors del smartphone

The accuracy of physical activity intensity (PAI) quantifiers that rely solely on smartphone accelerometers is nowadays very poor. The addition of complementary information such as that provided by the magnetometer, gyroscope, GPS and/or barometer may improve the PAI evaluation hence improving the quantification, characterization and classification of PAI (according to the World Health Organization) as Very Low, Low, Moderate or Vigorous. A better evaluation would provide improved indicators of healthy lifestyles.There are several devices on the market that use the accelerometer to quantify physical activity as a health indicator. Since the introduction of smartphones, with its built-in sensors and its great computational power, many investigations began on the development of quantization indices of physical activity. In this project led to this development, there has been a database of 20 subjects with a total of 480 records of accelerometry with 6 different physical activities. Each volunteer had two smartphones (one placed in his pocket and another in a backpack). In addition, new processing indices were developed to make a classification of the intensity of physical activity. Accelerometer signals were also processed to give the best index and, at the same time, meet the best location for the mobile device. This proved to be the area of TAT (Time Above Threshold) with a success rate of 90% classification when the mobile was located in the backpack.Existen varios dispositivos en el mercado que utilizan el acelerómetro para cuantificar la actividad física como un indicador de salud. Desde que aparecieron los smartphones, con sus sensores incorporados y su gran poder computacional, se empezó a investigar en el desarrollo de índices de cuantificación de actividad física. En el presente proyecto dirigido a dicho desarrollo, se ha realizado una base de datos de 20 sujetos con un total de 480 registros de acelerometría de 6 actividades físicas diferentes. Cada voluntario llevaba dos smartphones (uno colocado en su bolsillo y otro en una mochila). Además, se desarrollaron nuevos índices de procesado para hacer una clasificación de la intensidad de actividad física. También se procesaron las señales de acelerometría para dar con el mejor índice y, a la vez, conocer la mejor ubicación para el dispositivo móvil. Éste resultó ser el Área del TAT (Time Above Threshold) con una tasa de acierto de clasificación del 90 % cuando el móvil está situado en la mochila.Existeixen diversos dispositius al mercat que utilitzen l’acceleròmetre per a quantificar l’activitat física com un indicador de la salut. Des que van aparèixer els smartphones, amb els seus sensors incorporats i el seu gran poder computacional, es va començar a investigar sobre el desenvolupament d’índexs de quantificació d’activitat física. En el present projecte dirigit a l’esmentat desenvolupament, s’ha realitzat una base de dades de 20 voluntaris amb un total de 480 registres d’accelerometría de 6 activitats físiques diferents. Cada voluntari portava dos smartphones (un situat a la butxaca i l’altre a una motxilla). A més, es van desenvolupar nous índexs de processat per realitzar una classificació de la intensitat d’activitat física. També es van processar els senyals d’accelerometría per aconseguir el millor índex i, a la vegada, conèixer la millor ubicació per al dispositiu mòbil. Aquest va resultar ser l’Àrea del TAT (Time Above Threshold) amb una taxa d’encert de classificació del 90% quan el mòbil està situat a la motxilla