穿戴装置如何侦测上下楼梯？
穿戴装置如何侦测上下楼梯？
穿戴设备如何准确检测用户上下楼梯的动作？这背后涉及复杂的传感器技术和算法支持。本文将为您揭秘穿戴设备的运动检测原理，探讨其在日常生活和运动监测中的应用前景。
穿戴装置侦测动作的原理是透过装置内惯性感测单元（Inertial Measurement Unit, IMU）的讯号特徵，来辨识人體不同運動型態（走路、跑步、跳躍）與跑步強度（慢跑、快跑）。穿戴装置除了可監測不同運動型態及跑步強度外，為了能更準確地記錄每日的活動量，現今穿戴裝置也能夠紀錄使用者上下爬升的高度變化，給予每日上下樓層數的估算。他們又是如何偵測的呢?
利用气压式高度计侦测上下楼
各大厂牌的智慧手錶透過不同方式進行樓層計算，其中Garmin是使用內建氣壓式高度計進行計算，當高度爬升3公尺或者大於等於8%坡度時，裝置就會認定使用者在爬樓層。然而氣壓式高度計會因為天氣劇烈變化、戶外風大、以及室內外往返（環境氣壓急遽變化）等而受到影響，導致樓層統計功能不準確。為解決這種受到環境氣候的影響，研究者們也致力於開發其它的方法來辨識上下樓梯。
利用惯性感测器侦测上下楼
在2020年运动科学期刊（Journal of Sports Sciences）上发表了一项研究，研究者将IMU放置于鞋子外侧，进行平路、上坡、下坡、上楼梯及下楼梯，共五种走路型态的判别。首先他们将讯号区分为脚跟著地期与脚趾离地期，并观察这两个分期中反映踝关节背屈与蹠屈的角速度变化，藉此建立出研究者自定義的預測模型（模型I）；此外，研究者也利用人工智能（AI）方法建立出深度学习（deep learning）的預測模型（模型II）。最後研究者分别评估了这两个预测模型的准确性。
研究结果显示，透过自定义预测模型（模型I）可准确判斷上坡（86.7%）、下坡（90.0%）与下楼（96.7%），如下图A；而深度学习预测模型（模型II）则可准确辨别下楼（90.2%）、上楼（90.7%）与平路走（90.6%），如下图B。因此能够透过IMU侦测到的足部角速度变化来建立预测模型，透过结合两种不同预测模型的优势，可精准的辨別五种不同的走路型态。
不同预测模型辦别真实走路型态的准确性
结语
IMU可用于辨识上下楼梯或上下坡走路的侦测，将其预测模型导入穿戴装置后，将使身体活动量的计算更加准确，并且可应用於运动医学和复健领域，以记录患者日常活动并促进公共健康。