对监控和老年人锻炼依从性增加机器人干预:一个概念验证研究

文摘

社会辅助机器人有可能提高老年人的生活质量,鼓励和引导他们的康复练习的表现而提供认知刺激和陪伴。本研究着重于开发和测试一个交互式的早期阶段的私人教练机器人监控,增加老年人锻炼依从性。机器人身体展示锻炼用户跟踪和监控用户的使用视觉处理单元检测到面部和手部运动。当用户成功完成移动,机器人给积极的反馈,开始下一个重复。可用性测试的结果与10个参与者支持这种方法的可行性。进一步扩展计划来评估一个完整的运动项目对提高老年人的身体的活动范围在一个受控的实验中有三个条件:一个私人教练机器人,屏幕上的人物,一个私人教练和纸笔锻炼计划。

1。介绍

1.1。人形机器人对老年人的好处

年龄在65岁或以上的成年人的比例一直在稳步增加一个多世纪以来,在大多数发达国家。在美国,它已经从4.1%上升(3.1毫升)到1900年的8.1%(12.6毫升)到1950年的12.4%(34.6毫升),2000年预计将达到20.6%(82毫升)2050年(1]。这陡峭的增加引起了关注老年人的生活。1992年的一项研究发现大多数人喜欢“老化,”,剩下的在家里很少或根本没有监督(2,3]。虽然衰老的一些优势,比如增加自主权和维护熟悉的环境,一个潜在的缺点是很少有机会接受鼓励参与体育活动。

体力活动可能会推迟发病物理赤字导致脆弱。这些赤字包括骨骼肌肉力量下降、步态速度、肌肉骨骼的灵活性,范围的关节运动,姿势稳定性(包括平衡、协调和反应时间),和心血管反应(4]。这些条件导致显著的功能限制。例如,15%的人年龄在75年到84年无法爬楼梯,和大部分健康老年人步态速度的限制,防止他们足够迅速地穿过一个十字路口遵守交通信号(4,5]。增加体力活动,例如通过日常锻炼计划,可以减少身体疾病和提高强度和流动性(5- - - - - -7]。然而,锻炼是有益的只有当后定期和持续;生活条件和其他因素可能阻碍项目坚持(8- - - - - -11]。例如,老年人住在家里通常减少访问医疗和卫生干预措施相比,那些生活在长期护理在养老院12]。此外,雇佣live-in-care员工可以是昂贵的。没有监督和鼓励护理人员,居家老年人的风险增加不坚持锻炼计划13]。

老化的另一个潜在的缺点在与集团生活设施相比常规的机会少了,有意义的人际关系。友谊具有重要的健康老年人的年龄。例如,住在一起与另一个人明显减少老年人孤独的感觉(14]。当人类的陪伴不在,一个动物或机器人伴侣可以减少孤立的感觉,在一定程度上给的物理和社会存在(15- - - - - -17]。动物伙伴积极影响社会孤立的个体,可以产生长期的健康积极的对老年人的健康和行为的影响18,19]。当伴侣动物是不可行的,机器人可能取代;这反复出现的成本降低的好处,一个低负担的关心和责任,和更大的卫生。机器人也引发了类似的姑息结果当代替伴侣动物(20.- - - - - -22]。

然而,很少有研究了如何使用机器人或机器人治疗改善身心健康或老年人的生活质量20.- - - - - -24]。关闭这个研究缺口,社会领域的辅助机器人已经出现。社会辅助机器人已经被应用在某些情况下帮助恢复通过社交互动25]。机器人的交互样式可以由人类用户的个性(通知26),运动,或物理方向(27]。

社会辅助机器人可以相对便宜和简单易用。帕罗(15,28),例如,用于养老院在日本,美国和欧洲的陪伴和刺激病人之间的社会互动17,20.,22]。帕罗,它看起来像一只海豹宝宝,旨在为老年人痴呆症患者提供治疗。其传感器使其响应触摸和演讲的方式类似于驯养动物伙伴。

尽管帕罗的认知能力极其有限,相对于那些人,动物宠物,甚至其他机器人,非语言暗示,如看向说话的人或应对被抚摸可以传达一种物理和社会存在,进而减少孤独感和鼓励分享感受17]。帕罗和其他类似机器人可以提供舒适给人的印象,“有人有。“他们成功在某种程度上他们能够“按达尔文按钮”主要通过模仿无意识的人类和其他动物的行为引发的用户亲社会行为,如人类欲望培养和培养(16]。帕罗的成功作为一个伙伴机器人可能源于其拟人化,特别是眼睛的包容,支持这样的结论的发现几个不相关的实验(29日- - - - - -31日]。特别是,这些发现支持这一理论,人类继承了一个自动的,无意识的神经机制,赋予他们的祖先选择优势通过提高亲社会行为时被观察到。因此,交互技术可以改造利用无意识的机制来促进坚持体育锻炼项目或任何其他类型的活动受到社会期望的支持。

仿人机器人同伴的一个优势是,他们不仅可以赋予社会智力但外表也提供自动感知的社会智能。因此,当机器人的外观、行为或提出了人类、社会实体,他们更有可能引起美国其他人类引起的响应(32]。这种影响一直是衡量人际互动合作伙伴的有意识的行为,无意识的行为(例如,凝视)[33),归因的思想、感情和意图,并坚持建议(34,35]。拟人化的物理化身人形机器人可能有重大影响的患者坚持physician-prescribed锻炼计划。Shinozawa et al。34)发现,参与者更容易跟随机器人的推荐比一个屏幕上的字符。布雷西亚基德和还(35)发现,参与者跟踪他们的锻炼和卡路里的消耗几乎两倍的时间与一个机器人与电脑或纸和铅笔。他们也开发一个更紧密的与机器人的关系。

1.2。负担得起的互动练习系统

尽管技术迅速的发展,并有效地检测人类的脸和手,直到最近,这些技术被应用到监控运动性能和提供反馈36]。系统已经开发,示范练习(37]或提供反馈和鼓励执行中风康复练习(38,39)或身心按钮完成任务(40]。2011年,Respondesign MayaFit虚拟健身教练(41),实现PrimeSense OpenNI框架,结合锻炼依从性监测和动画屏幕群品格指导健康个体通过一系列个性化的运动锻炼,跟踪他们的进展,并提供反馈。(MayaFit使用相同的三维动作捕捉技术,微软的Kinect (42]。)然而,这些都是专门的硬件和软件。应该有可能鼓励锻炼更实惠,批量生产的设备(43]。

总之,老年人,特别是老化,受生理和心理问题,大大降低他们的生活质量(44]。为了减少这些问题,交互式系统可以指导,监督,鼓励老年人在physician-prescribed演习的性能。这样一个系统将提供一个组合不同的优势与平时相比paper-and-pencil-based材料或一个自动电话提醒系统。交互系统执行演习前的参与者;系统提供连续即时反馈和鼓励在练习;系统提供了更多的可负担得起的替代人类的私人教练;系统提供灵活的运动指导;系统可以提高依从性,由于把自己作为一个人类,社会实体;该系统可以向医生报告结果返回。

交互式技术可以展示他们的人类机构通过屏幕上的虚拟化身字符或物理化身人形机器人。每种方法都有其优点。一个屏幕上字符的优点,只需要一台电脑,一台摄像机固定焦距(即。,a webcam), and software, are numerous: low purchase and maintenance costs, high portability (for notebook computer models), high reliability (as compared with robots, which are animated by motors that can jam and break), and the absence of safety risks related to physical contact (e.g., fingers pinched by a robot joint) [45]。交互式机器人的优点也很多:机器人具有高度社会性,因为它持久的拟人化和物理存在,这可能会增加坚持治疗包括运动(34,35];甚至简单的机器人可以提供一种陪伴(16,17];机器人经常流动,使他们在自主环境(23,46),因此可以陪主人散步;更容易看到和理解运动由一个机器人在三维空间中执行比在二维屏幕上的一个角色,因为前提供由双目视差和运动视差深度知觉。

2。原型交互设计和系统设计和实现

这项研究的长期目标是提高依从性65岁以上的成年人中,physician-prescribed锻炼计划通过与一个私人教练互动机器人在自己家里。这种技术适用于老年人久坐不动的生活方式。充分发展系统应该便宜,实时与老年人沟通,并报告结果医生通过医院的网络服务器。

本研究仿人机器人的设计与用户启动一个练习会话,并帮助他们坚持预定的时间表。当用户准备好了,机器人演示了第一个规定运动通过移动它的身体部位。如果用户执行正确行使,机器人赞扬了用户,开始下一个重复。与用户沟通,机器人使用合成语言除了手势描述每个运动运动。机器人也承认手和头部动作监控用户的进步通过锻炼和估计用户的活动水平(图1)。

2.1。软件组件的私人教练机器人原型

软件是由一个视觉处理单元和一个锻炼依从性单位,相互沟通来确定和实施机器人的下一步行动。交互原型检测用户的实际存在和识别用户的手势(即。,运动运动)。它决定了用户是否已经成功演示的运动移动机器人执行的。接下来,锻炼依从性单元获得的头和上臂位置跟踪视觉处理单元,并相应地提供适当的语音指令(图2)。

2.1.1。视觉处理单元

视觉处理单元使用广角USB摄像机。相机捕捉视频,然后处理在本土的大小。感兴趣的系统设置两个不同的区域(roi)来表示最有可能的位置特点:一脸,另一个用于手。脸和手检测然后执行各自的roi。

鼓励用户坐在一定距离摄像机,视频帧的中心位置。最优距离是由用户的高度。最初,鼓励用户完成试验过程中移动在镜头前要检查用户是否在举手的位置适合视频帧。照明条件符合一个明亮的房间应该在整个施工过程中保持足够的光落在脸和手的准确检测。

2.1.2。人脸检测和跟踪

人脸检测是目标识别研究的一部分(47,已经进行了大量的工作,它成立以来的视觉处理。土耳其和Pentland48基于eigenfaces)开发了一个自动识别系统相比,新面孔的特点已知的面孔。刘(49]应用贝叶斯判别正面人脸检测功能,而汉et al。50)设计了一个基于实例的算法。中提琴和琼斯51]机器学习技术和Haar-like功能用于快速、精确的人脸检测和后添加一组倾斜Haar-like特性来提高检测(52]。

当前的研究建立在之前的研究通过使用分类器和一组扩展的Haar-like特性,包括边缘,线,和center-surround特性快速的人脸检测和定位(51,52]。Haar-like特性测试的脸面临每一帧的ROI。级联分类器是用来提高检出率。一旦发现,面对有限的矩形区域内提取,计算矩形的形心和持续跟踪。

哈雾的脸和手分类器是通过一个培训过程使用OpenCV库。培训哈雾分类器是一个CPU时间和内存密集型的过程需要的样本图像的感兴趣的对象(正面形象)和其他对象(负面形象)。提高分类精度,20-stage哈雾的级联分类器训练与温柔学习演算法(53使用5000 6500正面和负面形象。训练需要18天,进行电脑的英特尔奔腾4处理器(2.2 GHz)和2 GB的RAM。

要提高系统的分类精度,用户定位中心的视频帧。因为用户的高度在这项研究中不同165至188厘米,他们第一次被要求坐在镜头前,这样可以计算近似区域的脸和一个能获得ROI。根据这些计算,面对ROI起源点向右是200像素和100像素从左上角的原始框架(例如,= 200,= 100)。一个ROI 340像素宽,300像素高然后创建其左上角面对ROI起源点。预先调整ROI增加系统的效率和准确性,因为它提供了一个较小的区域,面对可能被发现。该地区出现并显示在一个单独的窗口。人脸检测系统搜索整个地区一脸的反复应用Haar-like哈雾的级联分类器的特征空间。定位一个矩形区域,其中包含一脸后,系统返回其质心的坐标和四个角和跟踪面临在这个领域。因此,面对不断的运动监控,和坐标存储在内存以供将来参考。重心的计算使头部的即使是小运动的跟踪,从而提高系统的灵敏度和有效性。

2.1.3。上肢运动检测和跟踪

Haar-like特性和哈雾分类器,用于人脸检测最初应用于检测。然而,由于手势往往比那些更复杂的头和脸的(即。,because the hands can be twisted into more physically distinct configurations), the Haar classifiers were less effective for hand detection than for face detection and, subsequently, the results could not be used during real-time video streaming. A more feasible method of observing hand movements was using motion detection (Figure3)。重用该方法检测运动上肢的其他部分,包括前臂。

运动检测
用于视觉处理的帧捕获的相机。从每一个框架,定义的子帧roi提取和加工。一个例子,一个这样的子帧的图像处理执行图所示3(一个)。从相机传感器子帧将包含一些噪音,应减少避免假阳性(图3 (b))。申请子帧一个简单模糊减少噪音。一旦去除噪声,检测到的运动通过计算相应的像素值的绝对差两个连续的子帧。创建一个新的形象与计算的区别,和图像转换为8位灰度的差别,所以很容易应用过滤器(图3 (c))。一个二进制阈值滤波器应用到子帧(图3 (d))。运动的定义是足够的存在差异在两个连续的子帧之间像素亮度值(54]。在这种差异图像,白色像素显示运动的存在。
子帧之间的物体的位置变化时,它产生的转变黑暗和轻像素:黑暗当一个对象在第一帧的位置消失在第二帧,和轻当一个空位置在第一帧包含一个对象在第二帧。当图像转化为灰度的差别,它变得更容易找到两个源图像之间的差异。
上肢运动检测提供视觉反馈,ROI覆盖了同样大小的圆圈,每个有界的一个广场。圆形散射远离运动存在的领域。例如,如果运动发生在底部的ROI,圆圈将散射向中部和顶部。只要改变像素的总数在每个边界广场超过预定义的值为100,运动被认为是出现在边界广场。

上肢跟踪
没有圈在两大领域的ROI表示上肢的位置。上肢的跟踪计算的区别两个对应的矩形区域的质心在连续帧。

确定感兴趣的上肢地区
检测在上肢运动,获得了一个ROI的计算方法类似于一个用于人脸检测的ROI,即通过观察几个用户的运动,在这种情况下提高他们的手。一个假设是,手的位置将提供足够的信息的位置对应的前臂。在这个假设,得到手的ROI区域通过观察了几个用户手中。手ROI的起源是100像素的右侧左上角的框架。一个ROI子帧400像素宽,200像素高当时创建的左上角的ROI起源点。

2.1.4。锻炼依从性单元

锻炼依从性单元从视觉处理单元和监控数据扮演适当的语音命令。

机器人的通信控制程序使用机器人的开发的软件开发工具包(SDK)。语音指令由机器人在交互使用& T实验室合成的自然声音语音软件(55]。这些语音命令纳入软件系统和同步锻炼例程。连接,这样锻炼依从性单位直接与视觉处理通信单位与用户进行交互。锻炼依从性单元接收信息的存在一个人的视觉处理单元(图4)。如果它探测到一个用户,机器人向用户和请求同意开始锻炼。用户显示准备就绪,挥舞着一只手的开销。机器人开始循环的相互作用通过展示的第一个推荐的体育锻炼例程。机器人的声音宣布第一次锻炼运动,然后演示了它通过移动身体部位。接下来,等待用户模仿机器人的运动。机器人运动检测,分析其时间和形式,和法官是否用户的行动是正确的。成功的尝试之后,机器人赞扬用户;否则,重复运动和指令。这将一直持续到用户执行正确行使。 At the end of the interaction cycle, the robot gives verbal feedback on the user's performance during the exercise routines. The robot then provides a goodbye message and ends the session.

锻炼依从性单元展示了练习通过指定参数为每个练习移动:机器人的伺服电机所需的角度为每个关节速度和数量的位移步骤联合应该搬到这个角度。两个练习动作被用于这项研究:手臂的开销提高和头部。

检测一个开销提高
校准系统,机器人要求用户提高手尽可能。在举手臂举一个重复计算如果用户提出了手中至少90%的程度。成功率是衡量尝试的数量除以数量的试验。非正式的活动范围是量化的百分比最大的手臂提高平均在所有试验。

检测头转
头转的程度估计偏差的脸的重心从正面立场除以一个常数,然后反正弦。常数是根据经验设置后系统。锻炼依从性单元计算一个头把脑袋如果被至少45度。如果用户无法做一个45度的头转三次之后,脑袋转的门槛降低,最大角的均值在三个尝试。成功率是衡量尝试的数量除以数量的试验。范围的运动近似平均度头被所有试验,无论他们是否成功。

2.2。私人教练机器人样机的硬件组件

交互式系统有三个硬件组件:机器人,电脑摄像头,控制器。

2.2.1。仿人机器人

RoboPhilo,一个可编程的人形56机器人,被用于这项研究。有可用24伺服用八个通道输入输出接口。20个伺服电机,使头部的转动运动,腰,大腿和肢体动作。它可以直接连接到电脑上通过rs - 232串行连接,可以设定使用SDK。它可以直接通过使用红外遥控或自动控制通过使用SDK。机器人可以通过编程与各种运动动作(例如,图5(一个),5 (b),5 (c))。在500美元,RoboPhilo是相对便宜的数量和移动的关节。在撰写本文时,一个完整的系统包括电脑、摄像头,SDK可以购买大约900美元。

2.2.2。网络摄像头

视觉处理单元可以使用摄像头,内置的或外部连接到电脑。试验台使用罗技摄像头Pro 9000 USB相机72°对角线的视野,最高分辨率为1600×1200像素。视频分辨率,帧速率是10 fps。大的视野同时捕捉头部和手地区,和更高的像素计数在运动跟踪允许更精确。

2.2.3。控制器的电脑

机器人视觉处理单元、锻炼依从性单位,由PC控制运行32位版本的微软Windows XP。电脑有一个英特尔酷睿2双核处理器,4 GB的RAM,以及基于pci rs - 232串口。(一个usb - rs - 232适配器不能使用,因为它增加了启动时间15秒,这超过了10年代间隔期间RoboPhilo必须接受的最初反应电脑避免停止。)

3所示。方法

人机交互的质量诊断原型系统评估的可用性测试。交互的测试是非常重要的在这个初始阶段确定参与者的热情和兴趣,与机器人和机器人的感知交互作为一个潜在的教练。这些信息是至关重要的评估系统的用户友好和商业可行性。

3.1。过程

可用性测试是在一个房间里进行的大窗户,开销荧光灯,轻纹理的白墙。设置条件使系统很方便地检测参与者的脸和手。测试设备包括机器人硬件单元,摄像机和计算机。一把椅子靠墙的位置和机器人面临的相机。这是定位,以便参与者总是适合视频帧(图6)。其他对象在相机的视野被移除,以减少误报。

参与者被指示坐在椅子上,介绍了研究的目的,机器人的功能和限制,以及会话的交互流。他们警告意想不到和按顺序出现由于事实,即实验还在开发和测试阶段。参与者被要求观看机器人,用只手和头部动作重复其行动。机器人演示了两个基本动作参与者:手臂的开销提高和头部。观察的交互,反馈寻求的参与者。的交互也视频记录供以后分析。图7细节的交互周期的循序渐进的过程。

4所示。结果与讨论

4.1。定性的可用性测试的结果

十个参与者的交互序列七是没有任何技术故障(表进行的1)。然而,对于三个参与者,序列被打断。两个参与者未能遵守指令:他们要么移动他们的手太快或没有把他们的头在同一方向机器人将其头。机器人未能发现第三个参与者的举起的手,因为手以外的帧捕获。虽然互动通常需要七到八分钟,一个交互需要12分钟。

九的十个参与者认为机器人可以倾听,理解,和处理他们在说什么,并据此做出反应。他们被提醒不要跟机器人,但是与它沟通使用手或头部动作。他们语言交流的尝试表明,大多数用户期望一个交互式机器人倾听和回复他们的方式是独特的适合谈话的方向和性质和情况56]。这些用户期望的实现是一个为未来的研究领域。

4.2。技术改进

正如所料,机器人无法改变其行为和行动序列时根据情况改变或干扰。例如,在三个参与者与交互的情况下并不顺利,编程的机器人要么继续反应无论参与者的反应或突然结束序列。这种不一致的行为发生因为机器人编程检测阈值为每个运动动作。机器人等待参与者到达之前考虑到参与者的尝试是成功的。然而,对于一个失败的尝试的参与者,视觉处理单元随机值,从而在机器人跳跃的基本步骤序列或终止的整个序列。这两个错误观察与前两个参与者,但之后立即修复。错误并不会出现在剩下的八个参与者。

哈雾训练分类器检测到多个同时面临着。这是有问题的,因为在某些情况下,多个面孔时发现只有一个脸。因此,使检测多个面孔导致更频繁的假阳性。这是因为分类器识别尽可能多的坐标集面临它检测到的数量,从而导致视觉处理单元的终止。尽管多个人脸检测是故意实施,我们没有预料到的问题循环终止。错误被限制固定帧分类器检测只有一个脸,在拒绝所有后续潜在的脸。

也观察到机器人终止如果参与者的反应过于缓慢的交互在每次运动演示,而不是等待参与者回应。可用性测试后的错误是固定的。最后,参与者报告感到机器人程序终止锻炼例程完成后太突然。参与者报告说他们宁愿获得更多反馈他们的表现在机器人信息转达了再见。锻炼坚持单位修改报告重复完成的百分比和开销的百分比的手臂的平均程度提高和头部。

5。结论

到2050年,65岁以上的美国人数量预计将增加一倍以上,达到82元。这些老年人构成最久坐不动的部分的美国人,他们受到大多数慢性病,通过锻炼可以预防的。虽然最方便和有效的手段增加锻炼依从性的老年人住在家里需要一对一的监督和鼓励下,所需的人力资源供应不足,成本高昂。医学上治疗慢性疾病,通过锻炼可预防的导致经济成本高的折磨人,他们的家庭和医疗保险或他们的私人医疗保险公司。流动的损失可以用护理需要额外的成本,在家里或在护理机构。此外,条件可预防通过锻炼可以导致个人和社会成本高,包括身体的疼痛和痛苦和社会隔离造成的流动损失。

目前,不存在广泛的系统来测量和增加坚持physician-prescribed锻炼计划的潜在优势人形机器人,包括增强的社会性和陪伴和领导能力或遵循一个人通过自己的运动。解决这些问题,代替人类的私人教练,我们提出了一个交互式框架为一个私人教练机器人来提醒用户执行他们的练习,来演示的练习并提供指令,实时监视性能的进展,提供反馈和鼓励。如果一个交互框架嵌入在一个机器人可以提高锻炼依从性,这可以大大减少老年人医疗保健和护理成本,通过合并一些私人教练的能力,提供一个高投资回报率与其他干预措施。它还可以使医生能够可靠地和系统地监测患者坚持规定的家庭运动项目医院网络服务器上传数据。

使用机器人作为一个私人教练为病人做出行为变化是一个相对较新的领域探索。在这项研究中,我们进行了可用性测试在一个不完整的原型系统。参与者的私人教练机器人最初反应是非常积极的。他们接受和回应积极互动。有价值的反馈是通过他们的相互作用,导致变化的实现来提高机器人的功能和可用性。

5.1。技术上的限制

研究的一个主要的限制是视觉处理软件需要良好的照明条件检测头和手的动作准确。可怜的照明可能会导致假阴性,过度照明可能会导致假阳性。另一个限制是,为了获得准确的结果,只有一个人可以在检测过程中在镜头面前。第三个限制是视觉处理单元必须重置用户调整之间的不同高度。最后,软件还没有完全允许跟踪序列以外的行为。

5.2。为未来的研究方向

因为这是一个概念验证研究,它有相当大的扩展空间。使机器人可行帮助老年人提高他们的身体活动,未来的研究应该包括编程机器人将一个完整的运动项目,比如移动推荐的美国国家老化研究所(57]。验证,这种方法可以增加锻炼依从性和物理的老年人的活动范围与选择的干预措施相比,一个实验计划使用这个人口有三个条件:一个私人教练机器人,屏幕上的字符的私人教练,和纸笔锻炼计划。

在可用性测试,用户建议改善交互:一个想法的更现实的和及时的反馈通过语音指令或评论后的每一步锻炼后,由用户成功和不成功的尝试。这些语音信息可以根据用户的特定激励需求增加坚持体育锻炼。验证方法确定哪些消息是适合一个特定的个体行为改变的应用模型,如计划行为理论(“[11,58]。

根据图则,可以改变一个人的行为对行为结果,通过改变这个人的信仰他人的规范性的期望,和控制因素,如促进条件或障碍(59]。这些反过来引起积极或消极的态度和应对社会压力的行为。图则已经发现有效地改变糖尿病患者的行为,炎症性肠病,肥胖在互动游戏60- - - - - -62年]。行为改变模型可以使用的私人教练机器人给鼓励用户地址,个人特别的关注和优先考虑的。这可以证明关键维护用户的动机在长期干预措施。这个交互式机器人的实验,也可用于健康游戏,健康的游戏社区。

另一个潜在的改进是训练更有效的检测分类器。这个版本的运动检测算法是低层次的过程。然而,培训哈雾分类器是一种更健壮的方法检测运动相对于运动检测,因为它消除了假阳性的运动无关的对象。使用哈雾分类器是一个高级的方法。人类的手可以假设的位置和随后的训练分类器检测手运动并不简单。一个解决方案,是训练多个分类器的手,同时使用它们(63年]。尽管使用多个分类器可能影响处理速度,它可能与老年人适用范围限制的运动和手的动作要慢,这将提高检测率和运动跟踪的准确性。

另一个未来的方向是一个动画角色的开发这个系统,作为一个教练和机器人的替代品。这将使系统的分布式在线,而不是身体。动画人形角色,特别是面部表达能力,可能会增加锻炼依从性比纸笔的方法而为用户成本低于一个人形机器人。动画角色的有效性是否能竞争对手的人形机器人是未来的研究来解决一个问题。

确认

作者想表达自己的感激之情Umesh k波提帮助开发机器人视觉处理软件和锻炼依从性。他们还要感谢Sirisha Peyyeti和Pratheek Karnati技术援助,文森特Spruyt Allesandro雷达,为未来的工作提供代码,和艾米案中,韦德米切尔Preethi斯,和匿名评论者建设性建议提高本文的早期版本。这项研究是由一个IUPUI签名中心授予Android科学中心。没有利益冲突的性能研究。本文中使用的商标和商标属于各自的所有者。

引用

1. w·他·m·森古普塔v . a . Velkoff和k . a . DeBarros”美国人口普查局,”2005年,http://www.census.gov/prod/2006pubs/p23 - 209. - pdf。视图:谷歌学术搜索
2. j . j . Calahan“老化”,一代又一代,16卷,不。2、p。5、1992。视图:谷歌学术搜索
3. k·d·Marek和m . j . Rantz“老化到位:一个长期护理新模式,”护理管理季度,24卷,不。3、1 - 11,2000页。视图:谷歌学术搜索
4. n g·库特纳·m·g . Ory d·贝克,k . b .因为他m . c . Hornbrook和c d . Mulrow”测量的老年人的生活质量健康促进干预的临床试验,”公共卫生报告,卷107,不。5,530 - 539年,1992页。视图:谷歌学术搜索
5. c . Vallbona s b·贝克,“老年人身体健康前景。”物理医学与康复档案,卷65,不。4、194 - 200年,1984页。视图:谷歌学术搜索
6. m·p·Buman e . b . Hekler w . l . Haskell et al .,“客观低强度体力活动对额定健康老年人,“美国流行病学杂志》,卷172,不。10日,1155 - 1165年,2010页。视图:出版商的网站|谷歌学术搜索
7. d·e·r·沃伯顿·c·w·尼科尔,s . s . d . Bredin“健康体育活动的好处:证据”,加拿大医学协会期刊,卷174,不。6,801 - 809年,2006页。视图:出版商的网站|谷歌学术搜索
8. s . n . Culos-Reed w . j . Rejeski e . McAuley j . k . Ockene和d . l .乐得胃”预测老年人坚持行为改变干预的”控制临床试验,21卷,不。5,页200 - 205年代,2000年。视图:谷歌学术搜索
9. a·c·王,w . j . Rejeski和d·m·毕希纳”针对老年人体力活动干预:评论和建议,“美国预防医学杂志》上,15卷,不。4、316 - 333年,1998页。视图:出版商的网站|谷歌学术搜索
10. m·a·纳波利塔诺·g·d·Papandonatos b·a·刘易斯et al .,“调停者的身体活动行为改变:多元的方法,”健康心理学,27卷,不。4、409 - 418年,2008页。视图:出版商的网站|谷歌学术搜索
11. m . s .女巫:Chatzisarantis, s·j·h·比德尔,“整合评估合理的行动和计划行为理论的体育活动,“体育和运动心理学杂志》上,24卷,不。1,3-32,2002页。视图:谷歌学术搜索
12. w·d·斯佩克特,j·弗勒锡曼,l . Pezzin和斯皮尔曼家的男人,“成人长期护理的特点用户:比较费用和老人,”卫生服务研究协会会议,16卷,p。240年,1999年。视图:谷歌学术搜索
13. r . j . Nied b·富兰克林,“促进和处方锻炼对老年人,”美国家庭医生,卷65,不。3、419 - 428年,2002页。视图:谷歌学术搜索
14. k .小岛、k爱立信和b,宣传“社会和情感孤独在非痴呆和精神错乱的老年人中,“老年学和老年病学档案没有,卷。31日。3、177 - 192年,2000页。视图:出版商的网站|谷歌学术搜索
15. y道,h·魏,t . Wang和d·陈,“老伙伴机器人,多层次的互动架构”在人工智能课堂讲稿,卷5314,不。1,第546 - 538页,2008。视图:出版商的网站|谷歌学术搜索
16. 美国特克,“真实性”时代的数字伙伴,相互作用研究,8卷,不。3、501 - 517年,2007页。视图:谷歌学术搜索
17. s . Turkle w·塔戈特c·d·基德和o . Daste”与孩子关系工件和长老:cybercompanionship的复杂性,“连接科学,18卷,不。4、347 - 361年,2006页。视图:出版商的网站|谷歌学术搜索
18. e·弗里德曼a . h . Katcher j·j·林奇和s . a .托马斯“动物伴侣和存活率从冠心病监护病房的病人出院后,“公共卫生报告,卷95,不。4、307 - 312年,1980页。视图:谷歌学术搜索
19. j . Serpell“养宠物有益的影响人类健康和行为的某些方面,“皇家学会医学杂志》上,卷84,不。12日,第720 - 717页,1991年。视图:谷歌学术搜索
20. k .和田t Shibatal、t . Musha和s .木村”的影响机器人治疗痴呆患者脑电图评估,”《IEEE国际会议上智能机器人和系统(——“05),第1557 - 1552页,2005年。视图:谷歌学术搜索
21. k .和田t .柴田t齐藤,k . Tanie”效果符合活动的老年人和护士一天服务中心,”IEEE学报》2004年11月,页1780 - 1788。视图:谷歌学术搜索
22. k .和田t .柴田t .齐藤k .坂本和k . Tanie”心理和社会一年的机器人辅助活动对老年人的影响为老年人提供的医疗保险服务设施,”诉讼的IEEE机器人与自动化国际会议上2005年4月,页2785 - 2790。视图:出版商的网站|谷歌学术搜索
23. j . Pineau m . Montemerlo m·波拉克罗伊n, s杜伦,“对机器人助手在疗养院:挑战和结果,“机器人和自治系统,42卷,不。3 - 4、271 - 281年,2003页。视图:出版商的网站|谷歌学术搜索
24. Fasola和m . j . Matarić“机器人运动教练:社会辅助机器人系统监控和鼓励老年人体育锻炼,”学报19 IEEE国际研讨会在机器人和人类互动交流维亚雷吉奥的,意大利,2010年。视图:出版商的网站|谷歌学术搜索
25. d·费尔-塞费尔,k .斯金纳和m . j . Matarić“基准评估社会辅助机器人,”相互作用研究,8卷,不。3、423 - 439年,2007页。视图:谷歌学术搜索
26. a .避讳,c .禁忌和m·j·马塔里奇“User-robot个性匹配和辅助机器人行为适应中风后rehabilition,”智能服务机器人,1卷,第183 - 169页,2008年特刊社会辅助机器人的多学科协作。视图:出版商的网站|谷歌学术搜索
27. a . Panangadan m . Matarić,g . s . Sukhatme“人类活动的跟踪和建模使用激光测距仪,“国际社会机器人技术杂志》上,卷2,不。1,第107 - 95页,2010。视图:出版商的网站|谷歌学术搜索
28. 布雷西亚c还和b . Scassellati”,如何构建机器人,让朋友和影响人们,”《IEEE / RSJ智能机器人和系统国际会议(——99年)1999年10月,页858 - 863。视图:谷歌学术搜索
29. m·贝特森d荨麻,g·罗伯茨,“线索的关注加强合作在真实的环境中,“生物学快报,卷2,不。3、412 - 414年,2006页。视图:出版商的网站|谷歌学术搜索
30. t·c·伯纳姆和兔子,“人类合作工程,”人类的本性,18卷,不。2、88 - 108年,2007页。视图:出版商的网站|谷歌学术搜索
31. k·j·哈雷和d·m·t·费斯勒“没人看吗?”进化和人类行为,26卷,不。3、245 - 256年,2005页。视图:出版商的网站|谷歌学术搜索
32. k MacDorman f和h石黑浩”,使用机器人的不可思议的优势在社会和认知科学的研究中,“相互作用研究,7卷,不。3、297 - 337年,2006页。视图:谷歌学术搜索
33. MacDorman k . f ., t . Minato m .岛田Itakura,考利,和h .石黑浩”评估人类相似的眼神一个android试验台,”美国27日认知科学协会的年度会议,Stresa,意大利,2005年。视图:谷歌学术搜索
34. k . Shinozawa f . Naya j .大和,k . Kogure”差异的影响机器人和屏幕剂对人类决策建议,“国际人类计算机研究杂志》上,卷62,不。2、267 - 279年,2005页。视图:出版商的网站|谷歌学术搜索
35. c·d·基德和布雷西亚c还”,机器人在家里:长期人机交互,理解”《IEEE / RSJ智能机器人和系统国际会议(——08年)不错,页3230 - 3235年,法国,2008年9月。视图:出版商的网站|谷歌学术搜索
36. l . e . Sucar r·路易斯·r·莱德j·埃尔南德斯和桑切斯,“上肢动作治疗:应用系统中风康复,”生物医学工程系统和技术,a·弗雷德、f .乔奎姆和h . Gamboa Eds。,pp. 531–540, Springer, New York, NY, USA, 2009.视图:谷歌学术搜索
37. m . B.-V。Kuren”,在儿科康复机器人解决方案”康复机器人技术,页1 - 12,I-Tech,维也纳,奥地利,2007年。视图:谷歌学术搜索
38. r·科伦坡f·皮萨诺,a·马佐尼et al .,”设计策略在robot-aided康复,改善病人的动机”神经工程学和康复杂志》上,4卷,不。3、1 - 12,2007页。视图:出版商的网站|谷歌学术搜索
39. m . j . Matarićj .埃里克森d·j·费尔-塞费尔和c j . Winstein“社会辅助机器人中风后康复,”神经工程学和康复杂志》上,4卷,不。5,页1 - 9,2007。视图:出版商的网站|谷歌学术搜索
40. j . Fasola和m·j·马塔里奇”机器人的动力:在一个身体/精神的任务,改善用户的性能”《第四届ACM和IEEE国际人机交互会议上拉霍亚,页295 - 296年,加州,美国,2009年。视图:谷歌学术搜索
41. p·a·巴恩斯,t·斯普纳,j·l·Dhabolt和j·雷顿,“教学游戏的方法和装置,专利A1 20090176581, 2009。视图:谷歌学术搜索
42. j . Shotton a·菲茨吉本·m·库克et al .,“实时人体姿势识别部分从一个深度图像,”国际会议的程序在计算机视觉和模式识别,2011年6月。视图:谷歌学术搜索
43. a . m .冈m . j . Matarić和h·克里斯坦森,“医疗和医疗机器人,”IEEE机器人与自动化杂志,17卷,不。第三条ID 5569021, 27-37, 2010页。视图:出版商的网站|谷歌学术搜索
44. m·p·Cutchin”的过程介导aging-in-place:基于理论和实证模型,”社会科学与医学卷,57号6,1077 - 1090年,2003页。视图:出版商的网站|谷歌学术搜索
45. d·j·费尔-塞费尔和m·j·马塔里奇“社会辅助机器人,道德原则”机器人与自动化》杂志,18卷,不。1、24-31页。2011年,在roboethics特刊。视图:出版商的网站|谷歌学术搜索
46. h .石黑浩t .小野m . Imai Maeda t . t .神田和r . Nakatsu“Robovie:交互式人形机器人,”工业机器人,28卷,不。6,498 - 503年,2001页。视图:出版商的网站|谷歌学术搜索
47. MacDorman k . f ., k . Tatani y宫崎骏,和m . Koeda“Proto-symbol出现,”《IEEE / RSJ智能机器人和系统国际会议2000年11月,页1619 - 1625。视图:谷歌学术搜索
48. m . Turk, a . Pentland Eigenfaces认可。”认知神经科学杂志》,3卷,不。1,第86 - 71页,1991。视图:谷歌学术搜索
49. c·刘,”贝叶斯判别特征的人脸检测方法。”IEEE模式分析与机器智能,25卷,不。6,725 - 740年,2003页。视图:出版商的网站|谷歌学术搜索
50. 莫汉,c . Papageorgiou方法,“基于实例对象在图像检测组件,”IEEE模式分析与机器智能,23卷,不。4、349 - 361年,2001页。视图:出版商的网站|谷歌学术搜索
51. p .中提琴和m·琼斯,“快速目标检测使用一个简单的特性,提高了级联”《IEEE计算机学会学报计算机视觉与模式识别会议2001年12月,页511 - 518。视图:谷歌学术搜索
52. r . Lienhart和j . Maydt”一组扩展的Haar-like特性快速目标检测,”《IEEE国际会议上图像处理(ICIP ' 02)2002年9月,页900 - 903。视图:谷歌学术搜索
53. r . Lienhart a Kuranov诉Pisarevsky,“实证分析检测提高了分类器的级联的快速目标检测,”美国25日DAGM模式识别研讨会卷,2781年,页297 - 304,马格德堡,德国,2003年。视图:谷歌学术搜索
54. p . Brox Baturone, s . Sanchez-Solano j . Gutierrez-Rios和f . Fernandez-Hernandez”视频de-interlacing模糊运动自适应算法,”在计算机科学的课堂讲稿卷,4252年,第370 - 363页,2006年。视图:谷歌学术搜索
55. AT&T实验室公司。AT&T实验室自然声音语音演示,2010年,http://www2.research.att.com/ ttsweb / tts / demo.php。
56. p . Dourish,“我们讨论当我们讨论的背景下,“个人和无处不在的计算,8卷,不。1,19-30,2004页。视图:谷歌学术搜索
57. 国家老化研究所的。Go4Life, 2010,http://go4life.niapublications.org。
58. 即Ajzen和m .什拜因理解和预测社会行为的态度新世纪,恩格尔伍德悬崖,新泽西,美国,1980年。
59. Ajzen,“计划行为理论”组织行为和人类决策过程,50卷,不。2、179 - 211年,1991页。视图:谷歌学术搜索
60. h . Kharrazi c .继续萎缩,美国Oore”改善儿童适应行为阶段应用”在医疗信息技术》杂志上》第六卷,没有。1,第326 - 322页,2008。视图:谷歌学术搜索
61. h . Kharrazi“改善在1型糖尿病患者健康行为互动框架”《美国医学信息学协会研讨会卷,2009年,页322 - 326,旧金山,加州,美国,2009年。视图:谷歌学术搜索
62. h . Kharrazi和l . Vincz”使用医疗信息技术和行为改变模型增加锻炼依从性肥胖,”学报AMA-IEEE医疗技术会议上个性化的医疗保健美国,华盛顿特区,2010年。视图:谷歌学术搜索
63. 诉Spruyt、a .雷达和s .基尔特•“实时multi-colourspace手分割,”学报》第17届国际会议上图像处理(ICIP 10)香港,页3117 - 3120年,2010年。视图:出版商的网站|谷歌学术搜索

版权

版权©2011 Prathik Gadde等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。