Прикосновения: Недопустимое название — Викисловарь

The Sun (2016)

Солнце (2016)

Times, Sunday Times (2014)

Times, Sunday Times (2014)

Луиза Карпентер НЕВЕРОЯТНО ГРАФИНГА: Лили Бадж и 13-й граф Галлоуэй (2004)

The Sun (2012)

Times, Sunday Times (2008) Вчера на стенах было написано

The Sun (2009)

Солнце (2010)

Times, Sunday Times (2015)

Показать больше …

Солнце (2012)

Солнце (2010)

Times, Sunday Times (2010)

Times, Sunday Times (2010)

Times, Sunday Times (2014)

Times, Sunday Times (2013)

Солнце (2013)

Солнце (2014)

Солнце (2012)

Times, Sunday Times (2010)

Солнце (2007)

Times, Sunday Times (2010)

The Sun (2012)

Times, Sunday Times (2014)

Эксперты по коронавирусу предостерегают от прикосновения к лицу. Почему так сложно остановиться?

Сейчас мы находимся в стадии пандемии, и вы, вероятно, знаете, что среди других мер, рекомендованных для остановки распространения нового коронавируса, мы все должны перестать прикасаться к своим лицам.

К настоящему времени вы также знаете, что очень трудно перестать прикасаться к своему лицу, как недавно обнаружили многие, многие государственные чиновники. Одно исследование показало, что в среднем люди касаются своего лица 23 раза в час.Мы знаем, что зародыши касаются своего лица в утробе матери, а это значит, что мы все привыкли к этой привычке еще до того, как родились. Почему мы это делаем, остается открытым вопросом. Некоторые исследования показывают, что прикосновение к лицу может помочь нам регулировать эмоции, сообщает Wired; также возможно, что он может выполнять какую-то социальную функцию.

Прикосновение к лицу — это наше любимое хобби, о котором мы даже не подозревали. В большинстве случаев это бессознательно, поэтому отчасти так трудно отказаться от него.Как можно бросить то, о чем вы даже не подозреваете?

И все же — наряду с социальным дистанцированием, тщательным мытьем рук и оставаться дома во время болезни — Центры по контролю и профилактике заболеваний заявляют, что избегание наших лиц является одним из ключевых действий, которые мы можем предпринять на индивидуальном уровне, чтобы остановить распространение болезни. болезни. «Не прикасайтесь к глазам, носу и рту немытыми руками», — сообщает сайт агентства вместе с рекомендациями по соблюдению гигиены рук и избеганию тесных социальных контактов.

Но с течением времени и угрозой исчезновения в обозримом будущем правила, которые когда-то казались простыми, стали казаться менее ясными. Могу ли я, например, прикоснуться к своему лицу в собственном доме? Могу ли я почесать зуд на лбу, если приложу все усилия, чтобы избежать носа? Было бы лучше, если бы я воспользовался своим рукавом?

За ответами — и стратегиями предотвращения прикосновений к лицу — я обратился к нескольким врачам и психологам.

Почему мы не можем перестать прикасаться к своим лицам

Есть много причин, по которым мы постоянно прикасаемся к лицу, но одна из них: есть законно много чего нужно приспособиться.«Во-первых, у нас есть нос. Часто люди касаются своего носа — там что-то не так, — говорит Дуглас Вудс, профессор психологии Университета Маркетт, изучающий привычное поведение. «Может, тебе нужно потереть глаза, поправить прическу. И наши руки обычно идут ко рту, когда мы едим, и так далее ». Базовый уход за телом, такой как чистка крошки или расчесывание зуда, требует частых прикосновений к лицу, и оттуда это часто становится привычкой.

«Когда мы что-то делаем, это вознаграждается, — объясняет он — приятно почесать зуд, — и это продолжает получать вознаграждение, и довольно скоро мы делаем это, даже не получая награды.Мы просто привыкли к происходящему ».

«Мы люди», — успокаивает меня Энн Лю, профессор и врач-инфекционист Stanford Health Care. «Вот как мы работаем».

Но прикосновение к лицу может способствовать распространению вируса

Как и большинство респираторных вирусов, SARS-CoV-2 — вирус, вызывающий заболевание Covid-19 — проникает в организм через дыхательные пути, объясняет Бенджамин Сингер, лечащий врач Северо-западной мемориальной больницы и доцент Северо-западной школы им. Файнберга. Медицина.

Это может произойти двумя основными способами. Первый — через прямой контакт между людьми: кто-то с вирусом кашляет или чихает рядом с вами, и вы вдыхаете эти частицы. Это причина, по которой вы должны находиться на расстоянии шести футов друг от друга.

Второй способ — это прикосновение, и именно здесь обычное потирание глаз становится проблемой.Мы еще не знаем точно, на каких поверхностях может существовать новый коронавирус и как долго, но препринт (то есть еще не прошедший экспертную оценку) доклад исследователей из Национальных институтов здравоохранения Принстона и Калифорнийского университета в Лос-Анджелесе предполагает, что он может выжить на различные поверхности часами, а в некоторых случаях и днями.

«Идея состоит в том, что мы прикасаемся ко многим вещам, — говорит Сингер, — и капли, в которых обитают эти вирусы, возможно, находятся на поверхностях, которых мы касаемся — на наших телефонах, планшетах, наших пультах дистанционного управления.Мы прикасаемся к ним, а затем касаемся своего лица, и это путь заражения ».

Прямо сейчас прикосновение к дверной ручке и затем к вашему лицу не считается основным путем распространения вируса, утверждает CDC, но они также советуют не прикасаться к вашему лицу.

А все лицо?

CDC уделяет особое внимание прикосновению к вашим глазам, носу и рту, потому что, как объясняет Лю, это «поверхности слизистой оболочки, на которых эти респираторные вирусы могут очень эффективно прикрепляться и становиться местом проникновения в организм.”

Но ваш лоб — это не слизистая оболочка, так какой же вред от быстрой царапины? «Теоретически потенциально ничего», — говорит Габриэла Андухар Васкес, врач-инфекционист и младший эпидемиолог больницы в Медицинском центре Тафтса. «Пока вы не засунете грязной рукой себе в глаза, нос или рот, тогда все в порядке. Мы думаем, что он не задержится на других частях лица надолго ». Но если вы касаетесь других частей лица? «Вы, вероятно, — это , касаясь глаз, носа и рта», — говорит она.

Насколько нам известно, вирус не может самостоятельно прыгать по поверхности, говорит Лю — вирусы обычно не ведут себя таким образом, и поэтому он не собирается прыгать с вашей линии роста волос в глаза — но вы можете двигаться. это там.

В итоге, Сингер соглашается: «Каждый раз, когда вы как бы контактируете с этой областью рядом с входным порталом, вы подвергаете себя риску».

Хорошо, а как насчет ушей?

«Они не являются отправной точкой для вируса», — окончательно говорит мне Андухар Васкес.В ушах нет таких дружелюбных к вирусам клеток, как в глазах и носе.

Тем не менее, вы, вероятно, должны хотя бы постараться их не поцарапать. «Я думаю, что все, что выше шеи, — это то, что было бы достаточно близко к входному порталу», — говорит она, поэтому стоит попытаться избежать лишнего контакта.

Можете ли вы прикоснуться к лицу дома?

Конечно, в идеальном мире. «Если вы только что были дома и знаете, кто там был, и знаете, что было очищено, и вы чистили свои собственные поверхности, и вы дома один? Идите и коснитесь своего лица », — говорит Лю.

Но если вы пытаетесь изменить свое поведение в целом, лучше всего стремиться к последовательности, — предлагает Фред Пензел, психолог из Хантингтона, штат Нью-Йорк, который занимается лечением повторяющегося поведения, сфокусированного на теле. «Вы переобучаете себя», — говорит он. «Так что, если вы продолжите возвращаться к тому, чему вы пытаетесь переучить себя, это, вероятно, не будет способствовать вашим усилиям.”

Так как же бросить курить?

К сожалению, нет секрета в том, чтобы избавиться от рефлексивного удовольствия от прикосновения к собственному лицу. «Я думаю, вы должны начать с мысли, что вы не сможете достичь этого идеально», — говорит Пензел. «Это глупая цель, которую ставить перед собой».

Но ты можешь лучше. «Самое важное — это осведомленность», — советует Вудс. «Вся суть привычки в том, что это происходит на автопилоте, и вы не осознаёте, что это происходит.”

За последние несколько недель многие из нас остро осознали это. Это первый шаг. (Если вы все еще работаете над осознанием, он рекомендует снимать себя на видео в течение 20 минут, пока вы занимаетесь своим днем.)

Как только вы это осознаете, вам решать. «Каждый раз, когда вы начинаете замечать, как ваша рука касается вашего лица, просто сделайте небольшую отметку на карточке или что-то в этом роде. Довольно скоро, когда ваша рука начнет подниматься к лицу, вы скажете: «О, это снова происходит», и вы начнете класть ее », — предлагает он.

Вы можете поискать альтернативные варианты поведения, чтобы ваши руки были заняты: прядильщики, пузырчатая пленка, резиновые ластики для разминания. Пензель будет предлагать пациентам ходить по хозяйственным магазинам и магазинам игрушек в поисках «маленьких манипулируемых предметов, которые кажутся им подходящими». (В данный момент Интернет может быть вашим лучшим выбором.) Некоторые люди считают полезным писать напоминания на стикерах. На прошлой неделе в The Atlantic была опубликована статья, в которой утверждалось, что если вы не можете заставить себя перестать прикасаться к своему лицу ради собственного здоровья, вам, возможно, повезет, если вы переосмыслите его с точки зрения сохранения здоровья других людей.

Другая тактика? Носить маску. Мы все еще находимся в условиях нехватки поставок, и маски N95 и хирургические маски по-прежнему должны быть зарезервированы для тех, кто в них больше всего нуждается — медицинских работников и людей из группы повышенного риска, — но некоторые эксперты говорят, что любое покрытие для лица все еще может иметь влияние. «Немедицинская маска не защитит вас от прямого кашля или чихания инфицированного человека», — написали Шан Со-Лин и Роберт Хехт из некоммерческой организации Pharos Global Health Advisors в статье Boston Globe, «но если вы практикуете хорошее социальное дистанцирование, любой тип покрытия лица — отличная защита от вашей самой большой угрозы: ваших рук.”

Стоит отметить: не все с этим согласны. Как отмечает Wirecutter, фактические данные, подтверждающие идею о том, что маски помогают предотвратить прикосновение к лицу, «ограничены», и, как указывает Лю, никакая маска (или бандана, или шарф) не поможет, если вы все еще протираете глаза. . Главное: любые шаги, которые заставят вас перестать прикасаться к лицу, хороши.

Так что вы должны попробовать и продолжать попытки. Но также — в некоторой степени — вы потерпите неудачу. Вот почему так важно мыть руки.«Прикосновение к своему лицу — часть человеческой природы», — говорит Сингер. «И именно поэтому вы можете принять воодушевляющий шаг, активно мыть руки, чтобы, когда вы случайно дотронулись до своего лица, у вас был гораздо меньший риск заражения вирусом». А мыло, как мы знаем, явно хорошо подходит для уничтожения коронавируса.

Что, если вместо этого вы воспользуетесь салфеткой или рукавом?

В идеальном мире ваше лицо бесконтрольно чесалось бы только тогда, когда вы сидите в продезинфицированном доме с очень чистыми руками.И, с другой стороны, похоже, что мы все собираемся проводить таким образом намного больше времени.

Но бывают времена, даже сейчас, когда вы выходите на улицу и у вас чешется нос, и в такие времена вы можете предпринять шаги, чтобы снизить риск. Было бы здорово сначала протереть руки дезинфицирующим средством для рук, если оно у вас есть. Если у вас есть салфетка под рукой, это, «вероятно, поможет», — говорит Сингер. «Я не могу сказать точно, сколько, но, вероятно, в какой-то степени это помогает.«И если все, что у тебя есть, — это рукав, что ж,« это определенно лучше, чем руками », — говорит Андухар Васкес.

Значит, я все еще прикасаюсь к своему лицу, но меньше прикасаюсь к нему — это поможет?

Даже если вам кажется, что вы все время ошибаетесь — а вы, вероятно, так и есть — стоит продолжать бороться. Потому что, как объясняет Лю, вероятность заражения вирусом зависит от того, насколько сильно вы подвержены заражению. «Сколько раз вы дотронетесь до своего лица, это повысит вероятность передачи инфекции», — говорит она.Дело не в том, что одно прикосновение к лицу может заразить вас, но чем чаще вы касаетесь своего лица, тем более вероятно, что вы его заметите. Значит, ты не идеален. Хорошо. Цель состоит в том, чтобы свести к минимуму количество возможностей, которые у вас есть, и поэтому да, продолжайте пытаться. И больше всего: вымойте руки.

Подпишитесь на информационный бюллетень «Товары» . Дважды в неделю мы будем присылать вам лучшие истории о товарах, в которых рассказывается, что мы покупаем, почему мы это покупаем и почему это важно.

Подпишитесь на Новостная рассылка Товары

Ваш еженедельный справочник о том, что мы покупаем, почему мы это покупаем и почему все это важно.

Макс Ферстаппен оштрафован на 50 000 евро за прикосновение к машине Льюиса Хэмилтона на Гран-при Сан-Паулу

SAO PAULO, Бразилия — Макс Ферстаппен оштрафован на 50 000 евро за прикосновение к заднему крылу автомобиля Льюиса Хэмилтона после квалификации на Гран-при Сан-Паулу. Prix.

Утро, которое было замечательным, полным спекуляций и интриг, Ферстаппен посетил стюардов в субботу утром после того, как накануне вечером появилось фан-видео.

На видео, записанном с трибуны, идущей параллельно прямой старт-финиш и зоне паддока, видно, как Ферстаппен подошел и коснулся заднего крыла машины Хэмилтона после завершения квалификации.

Это был замечательный поворот событий. Между окончанием квалификации и появлением в сети видео Ферстаппена машина Хэмилтона была предметом расследования стюардов на предмет законности той же части машины, которую Ферстаппен трогал и осматривал.Это расследование все еще продолжается.

В деле Ферстаппена стюарды сослались на предполагаемое нарушение статьи 2.5.1 Международного спортивного кодекса FIA.

Раздел Международного спортивного кодекса гласит, что «внутрь парка могут входить только назначенные официальные лица. Никакие операции, проверка, настройка или ремонт не допускаются, если это не разрешено теми же официальными лицами или действующими правилами».

В субботу, более чем через четыре часа после того, как Ферстаппен увидел стюардов, было вынесено решение.

Посмотрев кадры фанатов и дополнительное видео с камер видеонаблюдения на пит-лейн и на борту автомобилей Ферстаппена, Хэмилтона, Валттери Боттаса и Фернандо Алонсо, и выслушав объяснения Ферстаппена, стюарды оформили лидеру чемпионата штраф.

В приговоре говорится, что Ферстаппен объяснил, что «водители вошли в привычку касаться автомобилей после квалификации и гонок».

Ферстаппен также сказал стюардам, что «это было просто привычкой касаться этой части автомобиля, что было предметом спекуляций в недавних гонках между обеими командами», имея в виду удивление Red Bull по поводу скорости, которую Mercedes показал на прямолинейном движении. предыдущие события.

Что особенно важно, в приговоре говорилось: «Учитывая тот факт, что, по мнению стюардов, в данном случае не был причинен прямой вред, и что ранее не существовало прецедентов наказания за это, с одной стороны, это нарушение правила и могут иметь серьезные последствия с другой стороны, стюарды принимают решение принять меры в этом случае и назначают штраф в размере 50 000 евро ».

Эта линия будет ключевой, поскольку было предположение, что отсрочка расследования легальности автомобиля Гамильтона и видео, на котором Ферстаппен трогает ее, были связаны.

После квалификации технический делегат FIA Джо Бауэр передал машину Хэмилтона стюардам для более тщательного расследования в соответствии со Статьей 3.6.3.

«Регулируемые положения самых верхних элементов заднего крыла были проверены на автомобиле № 44 на соответствие статье 3.6.3 Технического регламента Формулы-1 2021 года», — написал Бауэр.

«Требование о минимальном расстоянии было выполнено. Но требование о максимальном расстоянии 85 мм при развертывании и испытании системы DRS в соответствии с TD / 011-19 не было выполнено.

Если бы было сочтено, что заднее антикрыло нарушает правила, это выглядело бы довольно простой дисквалификацией из квалификации для Хэмилтона. В результате он потерял бы первое место в стартовой решетке в субботней спринтерской гонке и, вероятно, закончился бы старт пит-лейна.

Однако это расследование было отложено на ночь, поскольку FIA заявила, что не получит доступа к некоторым уликам до следующего утра. Mercedes посетил стюардов в 10:30 по местному времени в субботу утром, через час после того, как Ферстаппен приехал. бывал в.Это расследование все еще продолжается, и ожидается, что вердикт будет вынесен вслед за решением Ферстаппена.

Duke University Press — Touching Feeling

«Идеи [Седжвик] о структуре желаний между мужчинами в художественной литературе вызвали критическую работу для других, поскольку ее теории используются при перечитывании авторов, текстов, жанров и периодов. Любой критик, который так успешно бросает вызов фундаментальным условиям дисциплины и открывает новые темы для других, о которых можно писать и публиковать, заслуживает славы и отличия.Более того, смелость Седжвик в том, чтобы открыто говорить о своей болезни и о тех аспектах своей личности, которые большинство академических женщин держали бы в секрете, в том числе о том, что она толстая, очень трогательна ». — Элейн Шоуолтер, London Review of Books

«Чудесная проза [Седжвика] удерживает в игре идеи и взгляды, которые могут привести к противоречию или программе у писателя меньшего масштаба. . . . В эпоху квир-теории чудесное сочинение Седжвик сохраняет открытое ощущение сексуальности как небинаризованной, не только инструментальной или неразрешимой конфликтной, даже когда она наиболее страстно занимается пропагандистской работой.Сегодня, когда Седжвик пишет через «квир» в условиях политического обнищания, мысли и письмо функционируют, как она бы сказала, как своего рода семафор: «Есть больше, чем это». Думаю, она нужна нам как никогда ». — Кристофер Нилон, Американская литература

«Бесстрашный, вызывающий и порой волнующий, Седжвик остается одним из самых смелых критиков». — Publishers Weekly

«Эти сборники эссе грациозно и проникновенно касаются таких тем, как то, как болезнь (ее собственный рак) влияет на ее учение, или стыд вызывает странное расширение прав и возможностей, или паранойя (ее собственные страхи) разжигает интеллектуальную смелость.Седжвик, ученый-натуралист с причудливой идентификацией, — сложный и по-настоящему оригинальный мыслитель. Ее муза, которую несет наэлектризованный, почти эротический язык, слишком возбуждает, чтобы избегать ее просто потому, что это непросто ». — Ричард Лабонте, Q Syndicate

«[Д] еффективно утверждал … Последняя книга Седжвика — отличное введение в исследования стыда …» — Диана Джордж, Незнакомец

«Ева Седжвик — одна из самых удивительных ученых нашего времени. Ее эрудиция, талант, страсть и необычное сочетание интересов вызывают трепет.Последняя книга Седжвика, T ouching Feeling: Affect, Pedagogy, Performativity , возбуждает, требует, сбивает с толку. . . . Книга Седжвика — чудесное чтение. Литературоведы и профессора образования, пристегните ремни безопасности, потому что Седжвик наверняка увлечет вас в увлекательную поездку. Она снова вносит значительный вклад не только в одну, но и во многие пересекающиеся области — литературную критику, образование, квир-теорию, культурологию и автобиографию. Если ученые еще не влюблены в Еву, они полюбят ее после прочтения этой книги.»- Марла Моррис, Журнал истории сексуальности

«Рекомендовано». — Дж. У. Холл, Выбор

«Это отрезвляющее чтение в то же время, что оно мотивирует всех, кто занимается научной деятельностью. Седжвик проливает свет на широкий спектр ощущений, связанных с призванием, включая моменты разочарования, разочарования, гнева и радости. и фронты для действий, предложенные в этой книге, я приму наиболее близко к сердцу постоянную веру в возможность.Это особенно необходимо, когда в более циничные моменты предпочтительная интерпретация кажется автоматической или даже обязательной. Седжвик пыталась создать условия для «разума, восприимчивого к мыслям, способного питать и связывать их, а также восприимчивого к счастью в их развлечениях». Это звучит очень скромно, но ее письмо показывает, что он постоянно сталкивается с трудностями. , добавляя к нашей оценке смелости Седжвика в эти консервативные времена »- Мелисса Грегг, Electronic Book Review

«В то время как Седжвик пытается вызвать в нас осознание с помощью ряда искусных средств, включая язык.. . нам нужно найти свой собственный путь через многие из проблем, которые она поднимает. Это особенно необходимо, когда она через уроки своей смерти указывает на нашу смертность. Именно тогда я сильнее всего ощутил ее прикосновение »- Роберт Сембер, Литература и медицина

«Через пятнадцать лет после публикации и через девять лет после смерти автора» Touching Feeling выделяется. Книга Евы Кософски Седжвик определила темы, ключевые слова и литературно-критические амбиции, которые после этого доминировали в дискуссиях на факультетах английского языка «.Неясно, поставила ли она свое будущее на этом пути или превосходно соответствовала современным настроениям ». — Марк Грейф, Хроника высшего образования

«Ева Кософски Седжвик пишет с высочайшей точностью, и все же ее работа направляет нас в область, где значение — это музыка, не поддающаяся количественному определению, загадочная, нелингвистическая. Если перформативный речевой акт со всем его отношением к нормам и законам является центральным для восприятия ее работы в квир-теории, то перформативность знания вне речи — эстетического, телесного, аффективного — является его настоящей темой.»- Лорен Берлант, автор книги Королева Америки едет в Вашингтон

« Дар Евы Кософски Седжвик — электризовать интеллектуальные сообщества, напоминая им, что у «мысли» есть температура, текстура и эротика. С щедростью, которая одновременно самоотверженно аскетична и великолепно, эксгибиционистски бравурна, она открывает дверь за дверью в неизведанные области исследования. В Touching Feeling слишком много ярких моментов, чтобы я мог их перечислить.Язык Седжвика, богато украшенный, синтаксически показывающий, доставляет повсюду свое характерное, всегда удивительное удовольствие ». — Уэйн Кестенбаум, автор книги Энди Уорхол

Frontiers | FaceGuard: носимая система для предотвращения прикосновения к лицу

1 Введение

Коронавирусное заболевание (COVID-19), вызванное тяжелым острым респираторным синдромом, коронавирусом 2 (SARS-CoV-2), распространилось по всему миру, с более чем 88 миллионами случаев и 1,9 миллиона погибших по состоянию на январь 2021 года ВОЗ (2020).Сохранение социального дистанцирования, частое мытье рук, избегание прикосновения к лицу, включая глаза, нос и рот, — основные методы предотвращения передачи COVID-19. Chu et al. (2020). Загрязненные руки могут распространять COVID-19, особенно если это связано с прикосновением к лицу Macias et al. (2009). Прикосновение к лицу — это действие, которое может произойти без особых размышлений, и на самом деле происходит с такой высокой частотой, что его уменьшение может смягчить серьезный источник передачи.Помимо простого раздражения кожи прикосновение к лицу было связано с эмоциональными и когнитивными процессами Barroso et al. (1980), Мюллер и др. (2019), увеличиваясь с внимательностью во время выполнения задач, а также с увеличением давления и беспокойства Harrigan (1985). Учитывая такие общие мотивы, неудивительно, что в среднем человек прикасается к своему лицу 23 раза в час. Kwok et al. (2015). Учитывая, что основным источником передачи COVID-19 является контакт с респираторными каплями [через нос, рот или глаза, либо непосредственно от другого человека, либо взятых с поверхности, Pisharady and Saerbeck (2015)], избегать прикосновения к лицу является большое значение.

При разработке системы предотвращения прямого касания лица путем остановки движения руки возникают две основные проблемы. Прежде всего, система должна предсказывать, а не определять, когда движение руки приведет к касанию лица, задолго до того, как рука коснется лица. Во-вторых, как только прогнозируется, что движение руки приведет к прикосновению к лицу, необходимо немедленно предоставить сенсорную обратную связь, чтобы остановить движение руки и, таким образом, избежать прикосновения к лицу. Обратите внимание, что компоненты прогнозирования и отклика оцениваются отдельно, чтобы лучше анализировать возможности / ограничения каждого компонента.

1.1 Прогнозирование движения руки

Прогнозирование касания лица требует точного отслеживания движения руки. Два общих подхода к отслеживанию движения руки — это подходы на основе зрения Al-Shamayleh et al. (2018) и подходы на основе носимых датчиков Jiang X. et al. (2017), Mummadi et al. (2018). Комбинация этого также продемонстрировала потенциал для повышения точности Jiang S. et al. (2017), Сиддики и Чан (2020). Слежение за руками на основе зрения использует сети камер Pisharady and Saerbeck (2015) и, как уже упоминалось, может быть дополнено носимыми устройствами, такими как системы датчиков движения, размещенные вдоль тела, для отображения движений всего тела или рук Liu et al.(2019). Одним из часто используемых носимых устройств является инерциальный измерительный блок (IMU), способный собирать данные по шести степеням свободы, с тремя дополнительными угловыми датчиками, что позволяет использовать в общей сложности девять входов. Установленный во многих умных часах, IMU оснащен акселерометром и гироскопом, что является недорогим вариантом, который не только точен, измеряет все три измерения для каждого из его компонентов, но и не требует дополнительной инфраструктуры для работы.Это позволяет IMU быть универсальным, но эффективным в контексте, в котором он реализован.

В сочетании с соответствующей моделью машинного обучения данные от IMU можно использовать для уведомления пользователя о том, как часто он прикасается к своему лицу, а также о том, делали ли они это после каждого движения. IMU использовались для правильной идентификации завершенного прикосновения к лицу с высокой точностью Fu and Yu (2017), Rivera et al. (2017). Несмотря на то, что обнаружение прикосновения к лицу значительно поддерживает тренировку осознанности, оно не предотвращает прикосновения к лицу.Мотивация предлагаемой системы заключается в применении машинного обучения для прогнозирования прикосновения к лицу и обеспечения вибротактильной обратной связи для предотвращения этого, а не для его обнаружения.

1.2 Сенсорная обратная связь для управления двигателем

Наряду с развитием отслеживания рук, пользователь должен также быть уведомлен о предстоящем действии до его совершения, с достаточным временем для реакции. Уведомление должно быть доставлено через среду, которая вызовет самое быстрое время ответа. Релевантными являются три способа обратной связи: зрительная, слуховая и вибротактильная, и было показано, что вибротактильная обратная связь дает самое быстрое время отклика Ng and Chan (2012).Для этого можно использовать системы вибротактильной обратной связи с преимуществами, аналогичными преимуществам IMU, будучи экономичными и легко внедряемыми в носимое устройство.

Предлагается недорогая носимая система, которая не позволяет людям прикасаться к своему лицу и, в конечном итоге, помогает людям лучше осознавать свое прикосновение к лицу. Система использует широко распространенные и стандартные умные часы для отслеживания человеческой руки и своевременного уведомления о движении руки, чтобы не касаться лица.Решение построить систему с помощью только умных часов делает ее немедленно доступной для людей без необходимости сборки или использования дополнительного оборудования. Система предполагает умные часы с модулем IMU и вибромотором; разумное предположение, поскольку большинство коммерческих умных часов оснащены таким оборудованием. Хотя предотвращение распространения COVID-19 является наиболее очевидным, система может быть адаптирована для других приложений, таких как терапия отмены привычек (ЗГТ) Bate et al. (2011) и лечение хронического трения глаз McMonnies (2008).Основные вклады этого документа резюмируются следующим образом:

1. Предлагается концептуальный подход, который использует данные IMU для прогнозирования, приведет ли движение руки к прикосновению к лицу, и обеспечивает сенсорную обратную связь в реальном времени, чтобы избежать прикосновения к лицу.

2. Разработка модели для отслеживания движения руки и прогнозирования касания лица с использованием сверточных нейронных сетей на основе данных IMU. Для обучения модели создана база данных из 4800 записей попыток движения рук с 40 пользователями в трех условиях: сидя, стоя и ходьба.

3. Представление психофизического исследования с 30 участниками для сравнения эффективности модальностей сенсорной обратной связи, а именно зрительной, слуховой и вибротактильной, для остановки руки, уже находящейся в движении, до достижения лица. Время ответа и процент успеха использовались в качестве оценочных показателей для сравнения.

2 Сопутствующие работы

2.1 Понимание движений рук

Выявление и классификация активности тела является основной областью исследований, в которой применяются самые разные способы применения и методы, от носимых записывающих устройств электрокардиограммы до классификации движений тела у пациентов с сердечными аномалиями Pawar et al.(2007), распознавание и трехмерная реконструкция лица с использованием компьютерного зрения Chen et al. (2017), Чжао и др. (2018), Lv (2020), Yang and Lv (2020), для отслеживания активности удаленных сотрудников с помощью сенсорных систем Ward et al. (2006), Manghisi et al. (2020). Например, система под названием HealthSHIELD использовала камеру Microsoft Kinect Azure D-RGB для обнаружения прикосновения к лицу с высоким / низким уровнем риска, чтобы контролировать соблюдение правил поведенческой защиты. Результаты продемонстрировали общую точность 91%. Инерционные измерительные устройства (IMU) — еще одна особенно распространенная альтернатива, которая, хотя и может использоваться в тандеме с другими системами. Corrales et al.(2008), может дать исключительные результаты самостоятельно Olivares et al. (2011).

В связи с распознаванием движений руки в реальном времени в играх виртуальной реальности был исследован носимый IMU в качестве альтернативы простому нажатию кнопки на контроллере для определения намерений игрока Fu and Yu (2017). Подобно реализации IMU нашего собственного исследования, акселерометр, гироскоп и магнитометр используются в качестве входов датчиков для классификации. Как только пользователь перемещает руку по заранее заданному шаблону, модель обученной долговременной краткосрочной памяти (LSTM) идентифицирует движение, и выполняются соответствующие элементы управления в игре.

Обнаружение прикосновения к лицу с помощью IMU было недавно исследовано Christofferson and Yang (2020). Сверточная нейронная сеть используется для определения того, коснулся ли пользователь своего лица в конце жеста. После того, как пользователь сделал свой ход, собранные данные из девяти режимов данных IMU проходят через обученную модель с классификацией касания лица, предоставляемой просто как истинное или ложное. Такой подход привел к 99% точности.

Как видно из предыдущих исследований, модель глубокого обучения, используемая вместе с IMU, различается.Требуя решения на основе временных рядов, рекуррентные нейронные сети, особенно LSTM, и модели сверточной нейронной сети (CNN) были реализованы со значительным успехом. Rivera et al. (2017), Christian et al. (2019). Комбинации слоев CNN с моделями LSTM также оказались эффективными при обработке данных IMU Silva do Monte Lima et al. (2019). Однако в связанных работах, где время классификации имеет значение, автономная CNN показала большие перспективы. Хуанг и др. (2017).

2.2 Сенсорная обратная связь в реальном времени

Чтобы обеспечить сенсорную обратную связь в реальном времени, чтобы остановить движение руки и избежать прикосновения к лицу, можно использовать несколько сенсорных модальностей обратной связи.Сенсорная обратная связь обычно предоставляется через зрительные, слуховые и тактильные формы. Визуальные стимулы, такие как мигание, распространены в нескольких системах предупреждения, таких как отрасли автомобильного транспорта Solomon and Hill (2002) и системы предупреждения о пешеходном переходе Hakkert et al. (2002). В дополнение к зрению, слуховой метод широко используется на транспорте, в медицинских учреждениях и в промышленных условиях, поскольку он оказывает немедленное возбуждающее действие. Сандерс (1975). Например, предыдущее исследование показало, что звуковая сигнализация, используемая в вертолетах, требует срочности. Arrabito et al.(2004). При сравнении этих двух модальностей было обнаружено, что время реакции на зрительные и слуховые стимулы составляет примерно 180–200 и 140–160 мс соответственно. Thompson et al. (1992). Это основано на предыдущем открытии, что слуховой стимул достигает мозга всего за 8-10 мс, тогда как зрительный стимул занимает 20-40 мс Кемп (1973). Однако есть несколько факторов, которые влияют на среднее время реакции человека, включая возраст, пол, ориентацию рук, утомляемость, предыдущий опыт и т. Д. Karia et al.(2012).

Было также обнаружено, что вибротактильная модальность улучшает время реакции для нескольких приложений, таких как дистанционное управление дроном Calhoun et al. (2003), Macchini et al. (2020), предотвращение столкновений при вождении Скотта и Грея (2008) и изменение двигательной команды в процессе (например, изменение расстояния в процессе) Godlove et al. (2014). Временные аспекты визуальных и вибротактильных модальностей как источников обратной связи о контроле движений рассматриваются в Godlove et al. (2014).Используется модифицированная задача с выходом из центра, когда движение руки испытуемого иногда прерывалось стимулом, который давал команду на немедленное изменение цели охвата. Результаты показали, что реакция на тактильные стимулы была значительно быстрее, чем на визуальные.

Использование вибротактильной обратной связи для предупреждения пользователя о прикосновении к лицу было недавно изучено. В коммерческом продукте под названием IMMUTOUCH использовался умный браслет, который вибрирует каждый раз, когда пользователь касается своего лица Immutouch (2020).Недавнее исследование представило носимую систему, в которой используются умные часы для обеспечения вибротактильной обратной связи и магнитное ожерелье для обнаружения, когда рука приближается к лицу D’Aurizio et al. (2020). Несмотря на то, что эти решения являются большим шагом вперед к сокращению количества прикосновений к лицу и их продолжительности, они не учитывают предотвращение прикосновений в реальном времени. Кроме того, в этих исследованиях не проводилось никаких систематических исследований для определения наиболее эффективных способов сенсорной обратной связи, чтобы остановить движение руки и, в конечном итоге, избежать прикосновения к лицу.Помимо различий в типе и архитектуре модели глубокого обучения, используемой для классификации, в нашем исследовании используется носимый IMU не только для классификации жестов, но и для прогнозирования жестов до того, как они произойдут. Таким образом, входные данные о движении не будут включать последнюю часть движения руки человека, что ограничивает доступные данные для обучения. Таким образом, оптимальная сенсорная обратная связь играет важную роль при изучении возможности успеха при таких ограничениях.

3 Предлагаемый подход

Общее описание системы показано на рисунке 1.Система использует данные IMU для измерения движения руки, сверточные нейронные сети для прогнозирования в реальном времени, будет ли движение руки включать прикосновение к лицу, и вибротактильную обратную связь, чтобы предупредить пользователя, чтобы он остановил движение руки, прежде чем коснуться своего лица. Обратите внимание, что система должна работать в реальном времени, чтобы сгенерировать реакцию, чтобы остановить движение руки, прежде чем оно достигнет лица.

РИСУНОК 1 . Сценарий приложения включает в себя умные часы с инерциальным измерительным блоком для обнаружения движения руки, модель машинного обучения для прогнозирования, когда движение приводит к касанию лица, и вибромотор, чтобы предупредить пользователя, чтобы остановить движение руки.

Более подробное описание системы показано на рисунке 2, а техническое описание системы дополнительно анализируется в разделе 4. Компонент прогнозирования включает в себя последовательность из трех процессов, а именно выбор характеристик, сегментацию данных и сверточную нейронную сеть. (CNN). Для компонента ответа рассматриваются три способа сенсорной обратной связи, а именно зрительная, слуховая и вибротактильная. В разделе 5 представлен психофизический эксперимент для сравнения этих модальностей и принятия решения об использовании вибротактильной обратной связи.

РИСУНОК 2 . Обзор системы FaceGuard. Сокращения: БПФ (быстрое преобразование Фурье), IMU (инерциальный измерительный блок), CNN (сверточная нейронная сеть).

Носимое устройство со встроенным IMU, записывающим девять различных типов данных о движении руки (компоненты x , y и z для акселерометра и гироскопа, а также угол поворота, крен и рыскание) делает входными данными компонент прогнозирования. В процессе выбора функции черты извлекаются и оцениваются на предмет соответствия предсказанию движения руки касания лица.Эти функции используются для повышения производительности модели прогнозирования. Выбор функций включал несколько процедур предварительной обработки данных, таких как увеличение данных (для увеличения размера обучающих данных), фильтрация данных для улучшения отношения сигнал / шум, расчет ориентации руки, извлечение функций быстрого преобразования Фурье (БПФ) и оптимизация. комбинированных функций.

После идентификации объектов временной ряд выбранных объектов сегментируется в соответствии с временным окном.Размер окна является чрезвычайно важным параметром для оптимизации в этом процессе, поскольку он контролирует компромисс между временем отклика и точностью прогнозирования. После того, как данные временного ряда сегментированы, все функции вводятся в модель одномерной сверточной нейронной сети (1D-CNN). 1D-CNN, как правило, отлично справляются с автоматическим обнаружением временных отношений в данных многоканальных временных рядов с минимальным проектированием функций. Использование ядер 1D-CNN позволяет автоматически извлекать временные особенности в данных IMU, что считается важным для распознавания движения руки к лицу через соответствующие данные IMU.Модель обучается и оценивается с помощью данных, сгенерированных для этой цели, которые записываются от 40 участников. Каждый участник прошел сеанс сбора данных, который состоял из двух прогонов. В каждом пробеге участник должен был выполнить 10 движений руками, касаясь лица во время каждого из следующих повседневных действий (стоя, ходьба, сидение), а также 10 движений руками без касания лица во время одних и тех же действий. Таким образом, каждый участник внес 120 испытаний, в результате чего получилось 4800 испытаний.Модель CNN обеспечивает двоичный вывод, независимо от того, приведет ли соответствующее движение руки к касанию лица или нет.

Как только прогнозируется событие касания лица, компонент ответа предоставляет сенсорную обратную связь, чтобы предупредить пользователя, когда рука находится в движении, чтобы немедленно остановить движение руки, чтобы избежать касания лица. Основываясь на выводах Раздела 5, вибротактильная обратная связь используется в качестве метода сенсорной обратной связи, поскольку она обеспечивает превосходные характеристики (измеряемые с использованием времени отклика и степени успешности избежания прикосновения к лицу) по сравнению с визуальной или слуховой.

4 Прогноз касания лица

4.1 Сбор данных

Процедура сбора данных объединяет интерфейсы компьютера и умных часов для сбора необходимых данных об участниках. Аппаратное обеспечение, используемое для сбора данных IMU, представляет собой часы разработки M5Stack на базе Esp32, известные как M5StickC. Он имеет шесть степеней свободы, состоящих из 3-осевого акселерометра и 3-осевого гироскопа, с внутренним вычислением тангажа, рыскания и крена.

Используя Arduino IDE, M5StickC запрограммирован на чтение данных IMU и сохранение их в файл через последовательное соединение с компьютером.Он полагается на ввод с двух кнопок: основная кнопка, используемая для запуска и остановки записи данных IMU, и боковая кнопка, используемая для исправления ошибок пользователя, связанных с пробной недействительностью и повторением. Программа запускается для заранее определенного количества попыток за сеанс перед отправкой сигнала завершения на компьютер, который сохраняет все данные в файл. Протокол участия в сеансе состоит из двух прогонов, по 60 попыток в каждом (30 движений рук с прикосновением к лицу и 30 движений рук без касания лица), которые повторяются дважды, чтобы собрать в общей сложности 120 попыток.Как видно на рисунке 3, сидя , стоя и ходьба рассматриваются как три основных типа деятельности, поскольку они являются наиболее распространенными позициями, занимаемыми в нашей повседневной жизни. Таким образом, сбор данных для , касающегося и , не касающегося лица для каждой из этих стоек, позволит обученной модели делать точные прогнозы независимо от положения пользователя.

РИСУНОК 3 . Общая схема участия.Пользователю предоставляется ноутбук с Windows, часы M5StickC, кабель USB-C, а также удлинительный кабель USB, который будет использоваться для ходьбе.

M5StickC используется вместе с компьютерным графическим интерфейсом пользователя, разработанным для обеспечения целостного и удобного протокола сбора. Его основная цель — направлять пользователей через участие и хранить дополнительную информацию о пользователях, которая может быть полезна при оптимизации модели прогнозирования, включая рост, длину рук и возрастную группу. Сначала пользователей просят заполнить вышеупомянутые дополнительные информационные поля.Затем в окне приложения отображается список различных сеансов, которые необходимо завершить, и связанное с ними количество испытаний, с инструкциями по оборудованию часов, а также со следующими шагами. Оба интерфейса полагаются на передачу сигналов для управления началом и концом процесса сбора данных. M5StickC начинает запись в момент нажатия основной кнопки на часах и прекращает запись, когда участник снова нажимает ту же кнопку. Таким образом записывается один жест.

Затем данные сохраняются в файл. Чтобы предотвратить потерю данных, которая может произойти, если последовательное соединение будет прервано, пользователю предоставляется возможность сохранить свои данные в любой момент во время участия после выхода из компьютерного приложения.

Общий протокол для сбора данных основан на удаленном участии в соответствии с глобальными процедурами социального дистанцирования и безопасности. Сначала пользователи получают форму согласия и заявление, содержащие информацию и инструкции, касающиеся участия.Если согласие предоставлено, им выдаются часы, совместимый ноутбук и все необходимые аксессуары для выполнения необходимого количества сеансов в их собственном доме, как показано на Рисунке 3. Затем оборудование должным образом дезинфицируется перед передачей в следующий участник. Для обеспечения общей анонимности пользователя никакая идентифицирующая информация не запрашивается и не сохраняется. Кроме того, протокол является асинхронным, что дает пользователям возможность завершить участие в своем собственном темпе, поскольку не обязательно завершать все трассы и сеансы за один проход, пользователям рекомендуется сделать перерыв в любой момент и вернуться позже. заканчивать.

В целом, 40 сеансов было зарегистрировано 40 участниками, собрав в общей сложности 4800 испытаний, как описано в Разделе 3. Из предоставленной нам информации 15 из 40 участников были женщинами, 15 — мужчинами и 10 — нераскрытыми. Кроме того, большинство участников были молодыми людьми с наиболее распространенным возрастным диапазоном от 16 до 20 лет, за которым следуют 21-25 лет.

4.2 Подготовка и ввод данных

После завершения сбора данных, данные готовятся для обучения и тестирования модели прогнозирования на основе CNN.Каждый жест длится разное количество времени и, следовательно, требует выбора размера окна, чтобы обеспечить предсказание до того, как произойдет прикосновение к лицу. Однако во время сбора данных пользователи могут начать свои жесты в любой момент после нажатия кнопки запуска. Таким образом, каждая пробная запись включает в себя статический компонент (продолжительность до начала движения руки), потенциально смещающий соответствующие данные за пределы определенного окна. Сценарий, который создает графики, отображающие усредненные значения датчиков с течением времени, определяет продолжительность этих жестов.Сценарий применяется к каждому файлу индивидуально, предоставляя графики для каждой функции (сенсорные данные IMU) — разбитые на подсюжеты для каждой позиции (сидя, стоя и ходьба). Длины статического компонента каждого графика в начале жеста записываются и усредняются, с полученными значениями, которые можно использовать для обрезки во время подготовки данных. Эти графики также используются для наблюдения за тенденциями в данных по каждой функции. Замечено, что крен и рыскание не дали отличительной картины для условия касания рукой, и поэтому они исключены из анализа.Дальнейшее подтверждение получается в процессе обучения модели; удаление этих двух функций повысило точность модели. Кроме того, замечено, что для завершения движения руки, включающего прикосновение к лицу, требуется около 1200 мс, что является верхним пределом для общего времени отклика предлагаемой системы (прогнозирование и двигательная реакция).

Из общего количества жестов (4800) формируются наборы данных для обучения и тестирования, случайным образом разделяются на 80–20% (3 840/960 жестов) соответственно, и создаются две входные трехмерные матрицы.Разделение производилось участниками; данные от одного участника существуют либо в обучающем, либо в тестовом наборе. Это необходимо для обеспечения устойчивости модели к различиям в поведении участников. Также выполняется фильтрация, при которой удаляются жесты, завершающиеся до истечения времени, необходимого для выделенного размера окна. Другими словами, жесты с очень короткой продолжительностью (короче, чем размер окна 1D-CNN) не включаются в набор данных.

Одна из проблем при разработке надежной модели прогнозирования связана с отсутствием крупномасштабных выборок данных (40 участников при 120 повторениях проб).Чтобы преодолеть эту проблему, вводится увеличение данных, чтобы предотвратить переоснащение и улучшить обобщение модели. Расширение выполняется путем создания копий набора обучающих данных и его сдвига во времени с шагом «N» при сохранении постоянного размера окна. Дополнение — отличный инструмент для заполнения обучающих данных таким образом, чтобы они имели те же характеристики, что и исходный набор (представляющий события касания или отсутствия прикосновения к лицу).

Сигнатура движения руки к лицу в частотной области может быть получена путем преобразования Фурье выбранных сигналов IMU.Частоты шума можно узнать и отбросить, как только будут получены характеристики частотной области. Алгоритм быстрого преобразования Фурье, который легко доступен в библиотеке NumPy на Python, использовался для вычисления коэффициентов БПФ для всех жестов. Затем необработанные данные и данные БПФ IMU складываются для формирования трехмерных матриц как для обучающих, так и для тестовых наборов данных. Оба набора также стандартизированы, при этом набор данных тестирования стандартизирован по отношению к статистике набора данных обучения. Другими словами, данные преобразуются так, чтобы получить среднее значение, равное нулю, и стандартное отклонение, равное единице для каждой функции.Это делается из-за разницы в шкале между компонентами IMU, особенно между акселерометром, гироскопом и углом наклона. Таким образом, размеры обучающих и тестовых матриц составляют 41808 × Ш × 14 и 844 × Ш × 14.

Одномерные выходные матрицы конструируются для обеспечения желаемого результата модели, согласованного с каждым движением руки в тестовых и обучающих матрицах. Выходные данные модели прогнозирования устанавливаются в двоичном формате, при этом касание лица обозначается (1), а прикосновение лица — (0).

4.3 Архитектура модели прогнозирования на основе CNN

Входные данные, используемые для обучения модели, организованы в трехмерную матрицу: первое измерение представляет количество испытаний в наборе данных, второе измерение — продолжительность жеста. (каждый индекс представляет временной шаг 11 мс в соответствии с частотой дискретизации IMU 90,9 Гц), а третье измерение — это количество функций. Количество функций определяется 6 степенями свободы от IMU (данные ускорения и гироскопа), а также значением угла тангажа и соответствующими коэффициентами БПФ, чтобы сформировать общую глубину 14 функций.Эти данные используются для обучения и тестирования модели, где сначала применяется сверточный слой (conv1D), содержащий 64 фильтра с размером ядра 8. За ним следует функция активации выпрямленного линейного блока (ReLu), примененная к предыдущему выходу, a слой пакетной нормализации (BN) и слой максимального объединения с размером пула 2. Затем применяется слой исключения со значением 0,8. Используется второй сверточный слой, состоящий из 128 фильтров также с размером ядра 8, за которым следует еще одна функция активации ReLu.Пакетная нормализация используется еще раз вместе с выпадающим слоем со значением 0,9, после чего входные данные в его текущем состоянии проходят через сглаженный слой. Наконец, применяются два полностью связанных слоя, разделенных третьим выпадающим слоем со значением 0,8. Первый полностью связанный слой имеет размерную единицу 256 с функцией активации softmax, а второй имеет размерную единицу 2 с функцией активации ReLu. Последний полностью связанный слой выводит две вероятности, по одной для каждого класса (не касание лица, касание лица).Архитектура модели прогнозирования на основе CNN показана на рисунке 4.

РИСУНОК 4 . Архитектура модели прогнозирования на основе CNN. Обратите внимание, что W представляет размер окна для входной матрицы.

4.4 Обучение и показатели эффективности

Модель, показанная на рисунке 4, была обучена с использованием категориальной функции кросс-энтропийной стоимости со скоростью обучения по умолчанию 0,001, размером пакета 512 и 300 эпох. Модель была оптимизирована (корректировка весов) с помощью оптимизатора Adam Kingma and Ba (2014) в процессе обучения.Слои пакетной нормализации (BN) использовались после каждого из сверточных слоев, которые в основном повторно центрируют и масштабируют входные данные, что приводит к более быстрому и более стабильному процессу обучения. Чтобы избежать переобучения и предотвратить совместную адаптацию весов сети, в модели использовался коэффициент отсева (0,8–0,9). Этот высокий коэффициент отсева хорошо работает с нашим исследованием из-за относительно ограниченного набора данных, что делает модель более склонной к переобучению. Точность обучения достигла 96,2% при проигрыше 0.1. В таблице 1 показана нормализованная матрица неточностей результатов. Обученная модель имеет чувствительность 0,929 и специфичность 0,935. Эта модель 1D-CNN была завершена после многих раундов оптимизации для различных гиперпараметров, включая количество слоев, фильтры и коэффициенты отсева. Точность 87,89, 89,7, 87,31% была получена для модели с 3, 4 и 5 одномерными сверточными слоями соответственно, и, таким образом, модель с 2 слоями оказалась более эффективной. Уменьшение количества бросающих школу до 0.5 снижает точность классификации до 90%. Таким образом, было использовано оптимизированное соотношение 0,8 или 0,9.

ТАБЛИЦА 1 . Нормализованная матрица неуверенности в классификации касания / отсутствия прикосновения лица.

4.5 Результаты

С акцентом на прогнозирование, а не на классификацию, период сбора данных в реальном времени становится важным параметром для выбора. Этот размер окна ограничивает сбор данных от IMU во время движения руки. На рисунке 5 показана полученная точность прогноза при изменении этого размера окна.

РИСУНОК 5 . Точность прогноза модели относительно размера входного окна, усредненная для трех условий (сидение, стояние и ходьба). Диапазон размера окна ввода составляет 440–990 мс с шагом 11 мс из среднего времени, необходимого для прикосновения к лицу, в 1200 мс.

A Как показано на рисунке 5, точность прогнозирования увеличивается с увеличением размера окна, при этом точность теста 95,7% сообщается на уровне около 935 мс. Как и ожидалось, увеличение размера окна предоставляет модели на основе CNN дополнительную информацию о движении руки и, таким образом, повышает точность прогнозирования.Однако увеличение окна жертвует скоростью, с которой пользователь получает сенсорную обратную связь. При полной реализации эта задержка прогнозирования также будет увеличена на время вывода модели. При размере окна 700 мс среднее время вывода, в течение которого обученная модель классифицирует один жест, составляет 0,313 мс, а при размере окна 990 мс — 0,446 мс. Эти значения достаточно малы, чтобы ими можно было пренебречь по отношению к общей временной задержке, эффективно сокращая временную задержку перед предсказанием, чтобы она зависела только от размера окна.

Значение этой задержки зависит от применения этого устройства. В случае, когда критически важно удержать пользователя от прикосновения к своему лицу, меньший размер окна уменьшит временную задержку до того, как будет сделан прогноз (и до того, как пользователь сможет быть предупрежден раньше), тем самым максимизируя время для реакции. Это увеличивает вероятность того, что пользователь действительно сможет остановить движение руки и избежать прикосновения к лицу. Как показано на рисунке 5, следствием этого является снижение точности прогнозирования, так как уменьшение размера временного окна уменьшает количество информации о движении руки.Однако, учитывая приоритетность срочности, ложные срабатывания и достаточно времени для реакции все еще более благоприятны. В случае, когда устройство предназначено для использования в качестве напоминания и, возможно, несущественного сдерживающего фактора, как это может иметь место во время пандемии COVID-19, больший размер окна может быть оправдан для достижения более высокой точности. Следовательно, поиск оптимального компромисса между временем отклика и точностью предсказания через размер окна во многом зависит от приложения.

5 Сенсорная обратная связь для управления двигателем

Психофизический эксперимент представлен для сравнения эффективности трех различных сенсорных модальностей, зрительной, слуховой и вибротактильной, как источников обратной связи для остановки движения руки.Способность испытуемого останавливать движение руки при столкновении с сенсорной информацией оценивается количественно путем сравнения времени отклика и уровня успеха (процент случаев, когда пользователю удается избежать прикосновения к лицу) для трех сенсорных модальностей (p <0,05). Наконец, в конце эксперимента участникам была представлена ​​анкета, чтобы субъективно оценить качество их опыта.

5.1 Участник

Тридцать участников (15 женщин, 15 мужчин, возраст 25–50 лет) набираются для эксперимента.На момент тестирования ни у кого из участников не было известных сенсомоторных, связанных с развитием или когнитивных нарушений. Письменное информированное согласие получено от всех участников. Исследование одобрено институциональным наблюдательным советом по защите прав человека при Нью-Йоркском университете Абу-Даби (проект № HRPP-2020-108).

5.2 Экспериментальная установка

Разработан специальный браслет, обеспечивающий три сенсорных режима, показанных на рисунке 6. Полоса из пяти 3-миллиметровых светодиодов прикреплена вдоль верхней стороны браслета для обеспечения мигающей визуальной обратной связи.На нижней стороне браслета прикреплен вибромотор монетного типа для обеспечения вибротактильной обратной связи (Pico Vibe 310-177, вибромотор Precision Microdrives). В середине верхней грани находится IMU с 9 степенями свободы (DoF), чтобы обнаруживать любые движения (смещения и вращения), когда браслет закреплен на руке. Браслет соединен с блоком управления, в котором находится цепь привода вибрационного двигателя. Пьезоэлектрический зуммер с частотой 1 кГц используется для обеспечения слуховой обратной связи.Используется микроконтроллер ATMEGA328 для управления и сбора данных от всех вышеупомянутых аппаратных компонентов. Экспериментальная установка подключается к ноутбуку через последовательное соединение через USB-кабель.

РИСУНОК 6 . Браслет, использованный в этом исследовании, со всеми его компонентами.

Участники сидят на расстоянии около 2 м перед экспериментатором, чтобы они могли свободно двигать руками. Участников просят носить браслет на доминирующей руке и держать руку в положении покоя (на столе).Экспериментатор устно инструктирует участников в ходе эксперимента.

5.3 Экспериментальная задача и протокол

В этом эксперименте участники выполняют задачу касания лица. Участникам дается указание переместить доминирующую руку, чтобы коснуться лица, во время которого движение руки иногда прерывается стимулирующим сигналом, который сообщает испытуемому, чтобы он прекратил движение, чтобы избежать прикосновения к лицу. Каждый участник завершил в общей сложности 100 испытаний, из которых 30% испытаний обеспечивают сенсорную обратную связь, в то время как остальные 70% испытаний не имеют сенсорной обратной связи и, таким образом, приводят к прикосновению к лицу.Среди 30% с сенсорной обратной связью 10% — зрительные, 10% — слуховые и 10% — вибротактильные. Чтобы свести к минимуму эффекты обучения, влияющие на время отклика, испытания представлены в уравновешенной форме.

Испытание начинается с того, что экспериментатор просит участника положить доминирующую руку на стол с возможностью тактильного ощущения для определения начала движения руки. Экспериментатор инструктирует участника переместить доминирующую руку и коснуться лица. Во время движения руки сенсорный сигнал наносится на браслет.Движение руки анализируется на основе записанных данных IMU. В конце испытания экспериментатор предлагает участнику подтвердить, коснулись ли они своего лица или нет. Сенсорный стимул подается в случайное время во время движения. Визуальный стимул — это мигающий красный свет, который освещает браслет, чтобы сделать его четко видимым, и длится 500 мс. Слуховой стимул — это звуковой сигнал с частотой 1000 Гц в течение 500 мс. Вибротактильный стимул имеет частоту вибрации 200 Гц и длится 500 мс.Интенсивность вибрации устанавливается так, чтобы ее можно было легко обнаружить (определяется как> 95% правильности обнаружения стимула). После завершения эксперимента участники заполняют анкету, чтобы оценить свой субъективный опыт.

Основной количественной оценкой является время отклика, которое показывает, насколько быстро субъект может реагировать на стимул как на источник обратной связи и останавливать текущее движение руки. Время отклика измеряется как время между началом сенсорной обратной связи и моментом, когда рука полностью останавливается или меняет направление движения на противоположное.Также записывается процент успеха — процент случаев, когда участникам удается своевременно отреагировать на стимул сенсорной обратной связи и избежать прикосновения к лицу. Данные анализируют с использованием повторных измерений ANOVA (дисперсионный анализ) после подтверждения нормального распределения (критерий нормальности Д’Агостино-Пирсона).

Также стоит отметить, что в протоколе эксперимента соблюдались меры профилактики COVID-19 с точки зрения социального дистанцирования, проверки симптомов для всех участников, дезинфекции места посещения исследования до начала и использования средств индивидуальной защиты (хирургической маски и перчаток).

5.4 Результаты

Среднее время отклика на вибротактильный стимул составляет 427,3 мс при стандартном отклонении 110,88 мс. Среднее время отклика на визуальные стимулы составляет 561,70 мс при стандартном отклонении 173,15 мс. Что касается слухового стимула, среднее время отклика составляет 520,97 мс при стандартном отклонении 182,67 мс. Обнаружено, что время реакции на вибротактильный стимул значительно короче, чем на слуховой ( p <0,01) и зрительный стимул ( p <0.01). Кроме того, обнаружено, что время реакции на слуховой стимул значительно короче, чем на визуальный ( p <0,05). Краткое изложение этих результатов показано на Рисунке 7.

РИСУНОК 7 . Время отклика для визуальной, слуховой и вибротактильной обратной связи. Средняя красная линия синего прямоугольника указывает медианное значение, а нижний и верхний края указывают 25-й и 75-й процентили соответственно (** означает p <0,05, *** означает p <0.01).

Еще один важный параметр производительности для сравнения — коэффициент успешности. Средняя частота успеха вибротактильного стимула статистически выше, чем у визуального стимула ( p <0,05). Кроме того, средний уровень успеха для слухового стимула статистически выше, чем для визуального стимула ( p <0,05). Однако существенных различий между вибротактильным и слуховым стимулом нет ( p = 0.07). На Рисунке 8 показаны различия в уровне успеха между тремя группами.

РИСУНОК 8 . Степень успеха, связанная со зрительной, слуховой и вибротактильной обратной связью. Средняя красная линия синего прямоугольника указывает среднее значение, а нижний и верхний края указывают 25-й и 75-й процентили соответственно (* означает p <0,05).

Анкета предназначена для отражения качества опыта участников. Участников спрашивают об их любимом способе обратной связи, о том, какой метод обеспечивает наиболее приятное впечатление, создает ли вибротактильная обратная связь какую-либо усталость или дискомфорт, а также возможность предоставить дополнительную обратную связь.Что касается предпочтений, 25 участников (83,34%) выбрали вибротактиль как свой любимый способ обратной связи, 3 (10%) выбрали слуховую обратную связь и 2 (6,67%) предпочли визуальную. 29 участников (96,67%) сообщили, что четко ощущали вибротактильную стимуляцию. 28 участников (93,34%) выбрали вибротактильную обратную связь как наиболее приятную из трех модальностей. Наконец, ни один из участников не сообщил о значительной усталости или дискомфорте во время эксперимента.

6 Обсуждение

Модель прогнозирования на основе CNN требует менее 550 мс данных IMU для прогнозирования событий касания лица с точностью более 92%.Кроме того, эксперимент с сенсорной обратной связью показал, что для остановки движения руки с помощью вибротактильной обратной связи требуется около 427 мс. Следовательно, от начала движения руки до полной остановки пройдет менее секунды. Между тем, наше исследование показывает, что среднее время, за которое рука дотронулась до лица и коснулась его лица, составляет 1200 метров. Таким образом, предлагаемая система способна обеспечить своевременный ответ, чтобы избежать прикосновения к лицу в течение менее 1 с. Стоит отметить, что существует компромисс между точностью предсказания и временем отклика.Чтобы повысить точность прогнозирования, размер окна ввода должен увеличиваться, что означает, что для остановки движения руки потребуется больше времени, что снижает шансы избежать прикосновения к лицу.

Еще одним важным фактором является взаимосвязь между точностью прогнозирования и практической полезностью системы: увеличение количества ложных срабатываний вызовет ненужное жужжание, которое может отвлекать / раздражать пользователя, в то время как увеличение количества ложноотрицательных результатов не предотвратит полностью касание лица.Следовательно, в то время как текущая система прогнозирования основана исключительно на данных IMU, объединение других сенсорных модальностей в модель на основе CNN, которые имеют отношение к прикосновению к лицу и движению руки, значительно улучшило бы точность прогнозирования. Например, пол, длина руки, размер руки и возрастная группа могут предоставить дополнительную информацию для повышения точности прогноза. Это включает набор значительно большего числа участников для создания достаточного количества точек данных для обучения модели. В ситуациях, когда доступны данные камеры, например, когда пользователь сидит перед ПК, можно применить подходы компьютерного зрения для точной настройки модели для повышения производительности.

Основным источником ложных срабатываний является отсутствие информации о положении головы относительно движения руки. Поэтому было бы интересно дополнить текущую модель прогнозирования на основе CNN положением и / или ориентацией головы. С соответствующими датчиками или системами камер можно непрерывно отслеживать положение головы и использовать его в качестве вспомогательных входных данных для модели прогнозирования для дальнейшего повышения точности прогнозирования. Это интересное направление для будущей работы.Кроме того, сбор данных о движениях рук, которые могут вызвать ложные срабатывания (например, прием пищи, когда движение руки очень похоже на движение руки при прикосновении к лицу), и обучение модели с такими данными значительно сократят количество ложных срабатываний.

Хотя результаты настоящего исследования демонстрируют возможность разработки системы, позволяющей избежать прикосновения к лицу, следует упомянуть несколько ограничений. Во-первых, набор данных, используемый для обучения модели прогнозирования на основе CNN, довольно ограничен.Большой набор данных повышает точность прогнозирования, включая ложные срабатывания и отрицательные результаты, что позволяет уменьшить размер окна и улучшить реакцию системы. Кроме того, использование модели CNN требует больших вычислительных ресурсов. Следовательно, предположение о предсказании касания лица, возможно, придется выполнять на вычислительно мощной машине, такой как смартфон или даже в облаке. Это добавляет дополнительные задержки к общему ответу системы. Кроме того, текущее исследование было сосредоточено на предотвращении касания лица доминирующей рукой.Для нескольких приложений может быть желательно избегать касания лица обеими руками, и, таким образом, для таких приложений необходима оценка производительности системы с отслеживанием обеими руками.

Еще одним очень важным ограничением является то, что собранные данные IMU были предварительно сегментированы, так что известно, что каждое испытание имеет один жест рукой. Поскольку сигналы IMU представляют собой данные непрерывной потоковой передачи, необходимо использовать скользящее окно для сегментации необработанных данных на отдельные части в реальном времени, каждая из которых является входными данными модели CNN.Длина и шаг перемещения скользящего окна — это гиперпараметры, которые необходимо тщательно настраивать для достижения удовлетворительной производительности. Эта проблема присутствует не только в задачах, требующих постоянного распознавания жестов, но и в других областях, таких как распознавание непрерывной речи. Наконец, поведение или действия участников могут влиять на движение рук и, таким образом, влиять на точность модели прогнозирования. Необходимо собирать больше данных, пока участники занимаются различными видами деятельности / поведением, чтобы повысить устойчивость классификаций к действиям / поведению пользователей.

7 Заключение

В этом документе представлена ​​система, которая использует данные IMU для прогнозирования движения руки, которое приводит к прикосновению к лицу, и обеспечивает сенсорную обратную связь, чтобы остановить движение руки перед прикосновением к лицу. Модель прогнозирования на основе 1D-CNN, способная автоматически извлекать временные характеристики данных IMU с помощью фильтров 1D-CNN, была разработана и обучена с данными IMU, собранными из 4800 испытаний, записанных у 40 участников. Результаты продемонстрировали точность прогноза более 92% с менее чем 550 мс данных временных рядов IMU.По сравнению с визуальными и слуховыми модальностями было обнаружено, что вибротактильная обратная связь приводит к статистически более быстрому отклику, большему количеству успешных результатов и повышению качества взаимодействия с пользователем.

Что касается будущей работы, важно оценить комбинированную систему прогнозирования / отклика в целом в реалистичной экспериментальной среде (при выполнении повседневных действий). Кроме того, авторы планируют разработать облегченную модель прогнозирования на основе CNN, которая оптимизирует вычислительную мощность, чтобы запустить модель прогнозирования на носимом устройстве (с ограниченной вычислительной мощностью).Улучшение набора данных за счет сбора большего количества данных может значительно улучшить обучение и производительность модели. В частности, сбор данных из задач, которые демонстрируют движения рук, аналогичные прикосновениям к лицу, но не предполагающие прикосновения к лицу (например, еда), повысит надежность системы, особенно в отношении ложных срабатываний.

Заявление о доступности данных

Набор данных, используемый для обучения модели прогнозирования на основе CNN, можно найти в каталоге исследовательской лаборатории Applied Interactive Multimedia по этой ссылке: https: // drive.google.com/drive/folders/13ffsGBzL_6-5bmFgIJhdLiVkC3VWIs3A.

Заявление об этике

Исследования с участием людей были рассмотрены и одобрены Институциональным наблюдательным советом по защите человеческих субъектов при Нью-Йоркском университете Абу-Даби (Project \ # HRPP-2020-108). Пациенты / участники предоставили письменное информированное согласие на участие в этом исследовании.

Вклад авторов

AM, SB, HA и HA разработали компонент прогнозирования, включая протокол сбора данных, разработку и оценку модели CNN, GK, AA и ME разработали психофизическое исследование с сенсорной обратной связью.RRS, AA и ME внесли свой вклад в концептуальную разработку решения.

Финансирование

Этот проект поддерживается Нью-Йоркским университетом Абу-Даби.

Конфликт интересов

Авторы заявляют, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Ссылки

Al-Shamayleh, A. S., Ahmad, R., Abushariah, M. A. M., Alam, K. A., and Jomhari, N.(2018). Систематический обзор литературы по методам распознавания жестов на основе зрения. Мультимед. Инструменты Прил. 77, 28121–28184. doi: 10.1007 / s11042-018-5971-z

CrossRef Полный текст | Google Scholar

Barroso, F., Freedman, N., and Grand, S. (1980). Прикосновение к себе, производительность и процессы внимания. Восприятие. Mot. Навыки 50, 1083–1089. doi: 10.2466 / pms.1980.50.3c.1083

CrossRef Полный текст | Google Scholar

Bate, K. S., Malouff, J.М., Торстейнссон, Э. Т., и Бхуллар, Н. (2011). Эффективность терапии по изменению привычек при тиках, расстройствах привычек и заикании: метааналитический обзор. Clin. Psychol. Ред. 31, 865–871. doi: 10.1016 / j.cpr.2011.03.013

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Calhoun, G., Draper, M., Ruff, H., Fontejon, J., and Guilfoos, B. (2003). «Оценка тактильных предупреждений для работы станции управления», в Ежегодном собрании общества по человеческим факторам и эргономике, Денвер, Колорадо, 13–17 октября 2003 г. (Лос-Анджелес, Калифорния: SAGE Publications Sage CA).47, 2118–2122.

CrossRef Полный текст | Google Scholar

Chen, Z., Huang, W., and Lv, Z. (2017). К методу распознавания лиц, основанному на некоррелированной дискриминантной разреженной сохраняющей проекции. Мультимед. Инструменты Прил. 76, 17669–17683. doi: 10.1007 / s11042-015-2882-0

CrossRef Полный текст | Google Scholar

Christian, M., Uyanik, C., Erdemir, E., Kaplanoglu, E., Bhattacharya, S., Bailey, R., et al. (2019). «Применение глубокого обучения к движению сенсора imu», конференция SoutheastCon, 2019 г., Хантсвилл, Алабама, 11–14 апреля 2019 г. (Нью-Йорк, штат Нью-Йорк: IEEE).1–6.

Google Scholar

Кристоферсон К. и Янг Р. (2020). FaceSpace — приложение для яблочных часов. Tech. респ., DEVOPS, Приложение FaceSpace. Доступно по адресу: https://facespace.app/ (по состоянию на 9 марта 2021 г.)

Google Scholar

Chu, DK, Akl, EA, Duda, S., Solo, K., Yaacoub, S., Schünemann, HJ , и другие. (2020). Физическое дистанцирование, маски для лица и защита глаз для предотвращения передачи sars-cov-2 и covid-19 от человека к человеку: систематический обзор и метаанализ. Ланцет 395, 1973–1987. DOI: 10.1016 / S0140-6736 (20) 31142-9

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Corrales, J. A., Candelas, F., and Torres, F. (2008). «Гибридное отслеживание людей-операторов с использованием слияния imu / uwb данных с помощью фильтра Калмана», в 2008 г. 3-я Международная конференция ACM / IEEE по взаимодействию человека и робота (HRI). Амстердам, Нидерланды, 12–15 марта 2008 г. (Нью-Йорк, штат Нью-Йорк: IEEE).

CrossRef Полный текст | Google Scholar

D’Aurizio, N., Балди, Т. Л., Паолоччи, Г., и Праттичиццо, Д. (2020). Предотвращение нежелательных прикосновений к лицу с помощью носимых устройств и тактильной обратной связи. IEEE Access 8, 139033–139043. doi: 10.1109 / ACCESS.2020.3012309

CrossRef Полный текст | Google Scholar

Fu, A., and Yu, Y. (2017). Классификация шаблонов жестов в реальном времени с данными imu. Приложение FaceSpace. Доступно по адресу: https://facespace.app/ (по состоянию на 9 марта 2021 г.)

Google Scholar

Godlove, J. M., Whaite, E.О., Батиста А. П. (2014). Сравнение временных аспектов визуальной, тактильной и микростимуляционной обратной связи для управления моторикой. J. Neural Eng. 11, 046025. doi: 10.1088 / 1741-2560 / 11/4/046025

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Hakkert, A. S., Gitelman, V., and Ben-Shabat, E. (2002). Оценка систем предупреждения о пешеходном переходе: влияние на поведение пешеходов и транспортных средств. Пр. Res. Часть F: Психология дорожного движения. Behav. 5, 275–292. DOI: 10.1016 / s1369-8478 (02) 00033-5

CrossRef Полный текст | Google Scholar

Хуанг, Дж., Хуанг, З., и Чен, К. (2017). «Сочетание недорогого инерционного измерительного устройства (IMU) и алгоритма глубокого обучения для прогнозирования положения транспортного средства», на конференции IEEE 2017 г. по надежным и безопасным вычислениям, Тайбэй, Китай, 7–10 августа 2017 г. (Нью-Йорк, штат Нью-Йорк: IEEE), 237–239.

Google Scholar

Jiang, S., Lv, B., Guo, W., Zhang, C., Wang, H., Sheng, X., et al. (2017). Возможность распознавания рук на запястье в реальном времени и распознавания жестов на поверхности с помощью датчиков semg и imu. IEEE Trans. Инд. Информ. 14, 3376–3385. doi: 10.1109 / TII.2017.2779814

CrossRef Полный текст | Google Scholar

Jiang, X., Merhi, L.-K., and Menon, C. (2017). Силовое усилие влияет на классификацию хвата с помощью силовой миографии. IEEE Trans. Человеко-машинная система. 48, 219–226. doi: 10.1109 / THMS.2017.2693245

CrossRef Полный текст | Google Scholar

Кариа, Р. М., Гунтла, Т. П., Мехта, Х. Б., Гокхале, П. А. и Шах, К. Дж. (2012). Влияние гендерных различий на время визуальной реакции: исследование на студентах-медиках региона Бхавнагар. IOSR J. Pharm. 2, 452–454. doi: 10.9790 / 3013-0230452454 [

CrossRef Полный текст | Google Scholar

Кемп, Б. Дж. (1973). Время реакции молодых и пожилых субъектов в отношении перцепционной депривации и включения сигнала по сравнению с условиями отключения сигнала. Разработка. Psychol. 8, 268. doi: 10.1037 / h0034147

CrossRef Полный текст | Google Scholar

Kwok, Y. L.A., Gralton, J., and McLaws, M.-L. (2015). Прикосновение к лицу: частая привычка, влияющая на гигиену рук. г. J. Infect. Контроль 43, 112–114. doi: 10.1016 / j.ajic.2014.10.015

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Лю, Й., Ли, З., Лю, З., и Ву, К. (2019). «Отслеживание скелета руки в реальном времени и определение жестов, устойчивое к отсутствию носимых датчиков», в материалах 17-й ежегодной международной конференции по мобильным системам, приложениям и услугам, Сеул, Республика Корея, июнь 2019 г., стр. 287–299.

Google Scholar

Lv, Z. (2020).Robust3d: надежное приложение для трехмерной реконструкции лица. Neural Comput. Прил. 32, 8893–8900. doi: 10.1007 / s00521-019-04380-w

CrossRef Полный текст | Google Scholar

Macias, A. E., De la Torre, A., Moreno-Espinosa, S., Leal, P. E., Bourlon, M. T., and Ruiz-Palacios, G. M. (2009). Контроль нового вируса гриппа A (h2N1): не трогайте свое лицо !. J. Hosp. Заразить. 73, 280–281. doi: 10.1016 / j.jhin.2009.06.017

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Manghisi, V.M., Fiorentino, M., Boccaccio, A., Gattullo, M., Cascella, G.L., Toschi, N., et al. (2020). Недорогое решение на основе отслеживания тела для мониторинга передовых методов гигиены труда во время пандемий. Датчики 20, 6149.doi: 10.3390 / s20216149

CrossRef Полный текст | Google Scholar

Мюллер, С.М., Мартин, С., и Грюнвальд, М. (2019). Самокасание: продолжительность контакта и точка касания спонтанных прикосновений к лицу различаются в зависимости от когнитивной и эмоциональной нагрузки. PLoS One 14, e0213677.doi: 10.1371 / journal.pone.0213677

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Mummadi, C. K., Leo, F. P. P., Verma, K. D., Kasireddy, S., Scholl, P. M., Kempfle, J., et al. (2018). Встроенное обнаружение жестов рук с помощью перчатки imu в реальном времени. Информ. 5, 28. doi: 10.3390 / informatics5020028

CrossRef Полный текст | Google Scholar

Ng, A. W. и Chan, A. H. (2012). «Время реакции пальца на визуальные, слуховые и тактильные стимулы», в материалах международной мультиконференции инженеров и компьютерных ученых, Коулун, Гонконг, 14–16 марта 2012 г.2, 1449–1454.

Google Scholar

Olivares, A., Olivares, G., Mula, F., Górriz, J. M., and Ramírez, J. (2011). Wagyromag: беспроводная сенсорная сеть для мониторинга и обработки движений человеческого тела в медицинских приложениях. J. Syst. Archit. 57, 905–915. doi: 10.1016 / j.sysarc.2011.04.001

CrossRef Полный текст | Google Scholar

Павар Т., Чаудхури С. и Дуттагупта С. П. (2007). Распознавание двигательной активности тела для амбулаторного кардиологического мониторинга. IEEE Trans. Биомед. Англ. 54, 874–882. doi: 10.1109 / tbme.2006.889186

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Пишаради, П. К., и Саербек, М. (2015). Последние методы и базы данных в распознавании жестов рук на основе зрения: обзор. Comput. Vis. Image Underst. 141, 152–165. doi: 10.1016 / j.cviu.2015.08.004

CrossRef Полный текст | Google Scholar

Ривера, П., Валарезо, Э., Валарезо, Э., Чой, М.-Т. и Ким, Т.-С.(2017). Распознавание действий человеческой руки на основе одного imu запястья с использованием рекуррентных нейронных сетей. Внутр. J. Pharma Med. Биол. Sci. 6, 114–118. doi: 10.18178 / ijpmbs.6.4.114-118

CrossRef Полный текст | Google Scholar

Скотт Дж. Дж. И Грей Р. (2008). Сравнение тактильных, визуальных и звуковых предупреждений для предотвращения столкновения сзади при имитации вождения. Hum. Факторы 50, 264–275. doi: 10.1518 / 001872008×250674

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сиддики, Н., и Чан, Р. Х. (2020). Мультимодальное распознавание жестов рук с использованием одного iMU и акустических измерений на запястье. PLoS One 15, e0227039. doi: 10.1371 / journal.pone.0227039

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Silva do Monte Lima, J.P., Uchiyama, H., and Taniguchi, R.-i. (2019). Структура сквозного обучения для одометрии с шестью степенями свободы на основе imu. Датчики (Базель) 19, 3777. doi: 10.3390 / s19173777

CrossRef Полный текст | Google Scholar

Соломон, С.С., и Хилл, П. Ф. (2002). Аварийно-транспортные происшествия: предупреждение, реконструкция и проверка в соответствии с законодательством штата . Тусон, Аризона: Издательство юристов и судей.

Томпсон, П. Д., Колебатч, Дж. Г., Браун, П., Ротвелл, Дж. К., Дэй, Б. Л., Обесо, Дж. А. и др. (1992). Произвольные, чувствительные к стимулам рывки и прыжки, имитирующие миоклонус или синдромы патологического вздрагивания. Мов. Disord. 7, 257–262. doi: 10.1002 / mds.870070312

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ward, J.А., Лукович П., Тростер Г. и Старнер Т. Е. (2006). Распознавание работ по сборке с помощью переносных микрофонов и акселерометров. IEEE Trans. Pattern Anal. Мах. Intell. 28, 1553–1567. doi: 10.1109 / tpami.2006.197

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Yang, C., and Lv, Z. (2020). Старение лица по признаку пола с постоянными противостояниями. Изображение Vis. Comput. 100, 103945. doi: 10.1016 / j.imavis.2020.103945

CrossRef Полный текст | Google Scholar

Zhao, J.-L., Wu, Z.-K., Pan, Z.-K., Duan, F.-Q., Li, J.-H., Lv, Z.-H., et al. (2018). Измерение сходства трехмерных граней с помощью кратных расстояний геодезических. J. Comput. Sci. Technol. 33, 207–222. doi: 10.1007 / s11390-018-1814-7

CrossRef Полный текст | Google Scholar

Раздел 17-A, §260: Незаконные сексуальные прикосновения

1. Незаконные сексуальные прикосновения. Человек виновен в незаконном сексуальном прикосновении, если актер намеренно подвергает другого человека любому сексуальному прикосновению и:

А.Другой человек прямо или косвенно не соглашался на сексуальные прикосновения. Нарушение этого пункта является преступлением класса D; [PL 2003, c. 138, §5 (НОВОЕ).]

Б. Другой человек находится без сознания или физически неспособен сопротивляться и не соглашается на сексуальные прикосновения.Нарушение этого пункта является преступлением класса D; [PL 2003, c. 138, §5 (НОВОЕ).]

С. Другой человек, а не супруга актера, на самом деле моложе 14 лет, а актер как минимум на 5 лет старше. Нарушение этого пункта является преступлением класса D; [PL 2003, c.138, §5 (НОВОЕ).]

Д. Другой человек страдает психическим заболеванием, которое достаточно очевидно или известно актеру, что фактически делает другое лицо неспособным оценить природу прикосновения или понять, что другое лицо имеет право отказать в согласии или отозвать его. Нарушение этого пункта является преступлением класса D; [PL 2003, c.138, §5 (НОВОЕ).]

Э. Другой человек, не супруга актера, находится под официальным надзором в качестве испытателя, условно-досрочно освобожденного лица, сексуального преступника при освобождении под надзором, заключенного, находящегося под надзором в условиях общественного заключения, или несовершеннолетнего в статусе реинтеграции в сообщество, либо содержится в больнице, тюрьме или другое учреждение и субъект имеет надзорные или дисциплинарные полномочия по отношению к другому лицу. Нарушение этого пункта является преступлением класса D; [PL 2007, c.102, §4 (AMD).]

Ф. Другое лицо, а не супруга актера, является студентом, обучающимся в частной или государственной начальной, средней или специальной школе, учреждении или учреждении, и действующее лицо является учителем, служащим или другим должностным лицом, имеющим образовательные, надзорные или дисциплинарные полномочия над учеником. или актер был замещающим учителем, который имел инструктивные, контролирующие или дисциплинарные полномочия над учеником в любое время в течение 12 месяцев до сексуального прикосновения.Нарушение этого пункта является преступлением класса D; [PL 2021, c. 360, §5 (AMD).]

ГРАММ. На самом деле другому лицу меньше 18 лет, и актер является родителем, приемным родителем, приемным родителем, опекуном или другим подобным лицом, ответственным за долгосрочную общую заботу и благополучие этого другого человека. Нарушение этого пункта является преступлением класса D; [PL 2003, c.138, §5 (НОВОЕ).]

ЧАС. Другой человек подчиняется в результате принуждения. Нарушение этого пункта является преступлением класса D; [PL 2003, c. 138, §5 (НОВОЕ).]

Дж. Другое лицо, а не супруга актера, на самом деле моложе 18 лет и является студентом, обучающимся в частной или государственной начальной, средней или специальной школе, учреждении или учреждении, и актер, которому не менее 21 года. возраст, является учителем, служащим или другим должностным лицом школьного округа, школьного союза, учебного заведения, школы, учреждения или учреждения, в которое зачислен учащийся.Нарушение этого пункта является преступлением класса E; [PL 2011, c. 423, §7 (AMD).]

К. Актер является психиатром, психологом или имеет лицензию социального работника или консультанта, или претендует на роль психиатра, психолога или имеет лицензию социального работника или консультанта для другого человека, и другое лицо, не являющееся супругом актера, является текущий пациент или клиент актера.Нарушение этого пункта является преступлением класса D; [PL 2019, c. 494, §4 (AMD).]

Л. Актер владеет, управляет или является сотрудником организации, программы или места жительства, которое управляется, управляется, лицензируется или финансируется Министерством здравоохранения и социальных служб, а другое лицо, не являющееся супругой актера, получает услуги от организации, программы или по месту жительства и страдает психическим заболеванием, которое очевидно или известно актеру.Нарушение этого пункта является преступлением класса D; или [PL 2011, c. 423, §9 (НОВОЕ).]

М. Актер нанимается для ухода за зависимым лицом, которое не является супругом актера или его домашним партнером и которое не может заниматься самообслуживанием из-за преклонного возраста, физического или психического заболевания, расстройства или дефекта.