Classificazione delle attivit` a

Il riconoscimento delle attivit`a svolte da un soggetto permette la valu- tazione delle performance e il monitoraggio di alcuni parametri fisiologici, come l’ECG. In letteratura si trovano molti articoli relativi a questa anali- si, che utilizzano come segnale di base proprio quello estratto da uno o pi`u accelerometri che possono essere posizionati in diversi punti del corpo [18], [19], [20]. Nel caso della scarpa FootMoov, oltre all’accelerometro triassiale sulla punta, sono presenti anche due sensori di forza che risulteranno molto utili per fare una migliore classificazione. Le attivit`a riconosciute da questo programma e tutte associate all’apparato locomotore sono: cammino nor- male, cammino da fermo, corsa, scale e sedersi/alzarsi da una sedia. Per tutte queste attivit`a sono state svolte delle prove, chiamate di ’training’, di

cui sono stati analizzati i dati e dalla cui valutazione `e stato implementato l’algoritmo di classificazione, di tipo euristico. I valori estratti dall’analisi dei segnali acquisiti da FootMoov che sono risultati utili per effettuare questa discriminazione sono:

• SMA, Signal Magnitude Area: calcolato a partire dai dati acquisiti dall’accelerometro filtrati sulla componente continua, utilizzando un filtro passa alto di ordine tre con frequenza di taglio pari a 0.01 Hz

• Dati estratti dal sensore di forza posizionato sotto la pianta

• Dati estratti dal sensore di forza posizionato sotto il tallone

L’indice SMA [18] si calcola a partire dai dati acquisiti dall’accelerometro posizionato sulla punta della scarpa. La formula usata per calcolare questo parametro `e la seguente:

SM A =

N

X

i=1

(|x(i)|) + (|y(i)|) + |z(i)|)

con x(i), i valori estratti dall’accelerometro corrispondenti all’asse X, y(i), quelli corrispondenti all’asse Y e z(i), quelli corrispondenti all’asse Z, tutti valutati per l’istante i-esimo e filtrati sulla componente continua.

Dall’analisi dei valori dell’ SMA, `e stato visto che questa assume valori differenti per le diverse attivit`a studiate e questo fattore risulter`a molto utile

3.2 Software ’FootMoov Analysis’

per effettuare la classificazione. In particolare, questo indice assume valori molto diversi nel caso in cui si vada a confrontare prove di tipo dinamico con quelle di tipo statico.

Figura 3.5: Metodo di ricerca delle soglie

Oltre all’SMA, sono stati anche analizzati i dati campionati acquisiti dai sensori di forza posizionati sotto la pianta e il tallone. Questi assumono valori diversi a seconda del soggetto analizzato e del tipo di attivit`a valutata.

Come mostrato in Fig. 3.5, partendo dai segnali estratti da FootMoov per ogni prova di ’training’ relativa ad una specifica attivit`a, sono stati trovati tre valori. Due valori sono relativi alla media dei massimi dei dati estratti dai sensori di forza, mentre l’altro `e associato alla media dei valori dell’SMA. Da queste tre informazioni infine sono state trovate due soglie: SH, alta, e SL, bassa. A partire da questi valori estratti dalle prove di ’training’, se viene caricata in questo software una prova ancora non riconosciuta, l’algoritmo che permette la sua classificazione `e quello mostrato in Fig. 3.6.

Figura 3.6: Algoritmo di classificazione delle prove

3.2 Software ’FootMoov Analysis’

Dai dati FootMoov associati alla prova caricata, vengono calcolati tre va- lori: la media dell’ SMA e le medie dei massimi dei dati estratti dai sensori di forza. Come `e possibile vedere nel blocco decisionale di sinistra, questi tra parametri estratti dalla prova che si vuole andare a riconoscere, vengono confrontati con le soglie associate ad una delle prove di ’training’. Se tutte le condizioni presenti in questo primo blocco decisionale si verificano, allora la prova viene riconosciuta e si trova una corrispondenza tra la prova caricata e la prova di ’training’ confrontata. Se almeno una delle condizioni non si verifica, i dati vengono inviati al blocco decisionale di destra associato alle prova sedersi/alzarsi; se le condizioni di questo secondo blocco si verificano tutte l’algoritmo associa la prova all’attivit`a sedersi/alzarsi. Se almeno una di queste ipotesi non si verifica e l’algoritmo non trova corrispondenza, allo- ra torna ad effettuare un nuovo confronto tra i tre valori relativi alla prova caricata e le soglie della prova di ’training’ successiva. Come si pu`o vede- re in figura, nell’interfaccia del software ’FootMoov Analysis’ questa parte dedicata alla classificazione `e mostrata in Fig. 3.7.

Nella parte in alto a sinistra dell’interfaccia, vi `e la casella dedicata alle istruzioni, che devono essere seguite dall’utente per utilizzare il software in modo corretto. Sotto questa casella vi `e il tasto ’Inserisci caratteristiche Sog- getto’ che permette di scegliere il file ’Caratteristiche’, dove si trova l’elenco delle propriet`a principali del soggetto che si vuole analizzare (nome, et`a, peso e altezza). Una volta scelto questo file le caratteristiche vengono mostrate

Figura 3.7: Layout del classificatore

nella tabella posta sotto questo pulsante.

In Fig. 3.7 vengono anche mostrati i tasti principali associati alla clas- sificazione delle attivit`a, che sono: ’Inserisci Prova’ e ’Riconosci Prova’. Il primo bottone serve per andare a caricare la prova che si vuole riconoscere, contenuta nella cartella del soggetto scelto, che una volta selezionata, nella casella ’Nome Prova’, apparir`a il nome del file della prova che `e stata appena caricata dall’utente. Il secondo tasto `e proprio quello relativo all’attivazio- 54

3.2 Software ’FootMoov Analysis’

ne dell’algoritmo di classificazione. La casella ’Tipo Attivit`a’ alla destra del tasto appena descritto mostrer`a il nome dell’attivit`a riconosciuta dal classifi- catore stesso. Nel caso in cui non si abbia nessuna corrispondenza, in questa casella appena descritta, apparir`a il testo: ’Nessuna Prova Riconosciuta’.

In conclusione dai risultati ottenuti dal classificatore, si ottiene un rico- noscimento del 100 % delle prove associate al cammino e alla prova seder- si/alzarsi e il riconoscimento delle altre attivit`a `e buono.