In-Vehicle Activity Recognition of User Activities Using Smartwatches
Authors
Hald, Thomas Alexander Cano ; Mårtensson, Mads
Term
4. term
Education
Publication year
2017
Submitted on
2017-06-08
Pages
42
Abstract
I denne afhandling undersøger vi, om bevægelsessensorer i et kommercielt smartwatch kan bruges som måleenhed i en bil til at forstå brugerens rolle. Vi udvikler et in-vehicle role identification system (IRIS), der giver mobilapps kontekst om, hvorvidt en bruger er fører eller passager, og vi vurderer, hvordan forhold som ruter og vejtyper påvirker identifikationen. Vi udvikler også en prototype, Hands-On, der udnytter denne kontekst til at afgøre, om en fører holder hænderne i en anbefalet håndstilling på rattet, og vi undersøger de første reaktioner fra en lille gruppe brugere. At designe til kontekst på mobile enheder er udfordrende, fordi situationer er dynamiske og komplekse. Tidligere har apps især været opmærksomme på enhedens orientering og enkle daglige aktiviteter som at gå og løbe. Forskning i Human Activity Recognition (genkendelse af menneskelig aktivitet) viser, at bevægelsessensorer kan bruges til at forstå mere detaljerede aktiviteter. Vores arbejde anvender disse idéer i bilsammenhæng og bidrager med værktøjer og indsigter til at genkende roller i bilen og relateret føreradfærd.
In this thesis, we examine whether motion sensors in a commercially available smartwatch can serve as a sensing unit to understand a person’s role inside a car. We build an in-vehicle role identification system (IRIS) that provides mobile apps with context about whether a user is a driver or a passenger, and we evaluate factors that influence this detection, such as different routes and road types. We also create a prototype application, Hands-On, that uses this context to determine whether a driver keeps their hands in a recommended position on the steering wheel, and we explore initial reactions from a small group of users. Designing for context on mobile devices is challenging because situations are highly dynamic and complex. Past applications have focused on device orientation and basic daily activities such as walking and running. Research in Human Activity Recognition shows that motion sensors can reveal more detailed activities. Our work applies these ideas to the in-vehicle setting and contributes tools and insights for recognizing roles in the car and related driver behaviors.
[This abstract was generated with the help of AI]
Keywords
Documents