Als Teil der neuen Sensorgeneration verbindet der Licht und Aktivitätssensor LightMove 4 die bisherigen Vorzüge des bewährten LightMove 3 mit den Verbesserungen der 4. Generation, bei der es uns gelungen ist, zahlreiche Anforderungen von Forschern zu berücksichtigen, deren Wünsche umzusetzen und somit die Qualität der Sensoren noch weiter zu erhöhen.


Die Sensoren der 4. Generation bieten Ihnen unter anderem folgende Vorteile:

  • Neues Design mit optimierter Handhabung: Das neue Gehäuse bietet nicht nur ein schickes Design, sondern auch viele praktische Vorteile. Die Sensoren sind wasserdicht und schmutzabweisend.
  • Mehr Möglichkeiten der Datenerfassung: Durch den Einsatz neuester Technologien verfügen nun alle Sensoren der 4. Generation zusätzlich über ein Gyroskop (Drehratensensor).
  • Verbesserte Analysefähigkeiten: Ein weiterer großer Benefit wird durch den neuartigen Beschleunigungssensor erzielt, der jetzt mit einer noch höheren Auflösung die Messdaten aufzeichnet. Dadurch werden vor allem bei der Analyse von sedentärem Verhalten und der Ablageerkennung signifikante Verbesserungen der Ergebnisse erreicht.
  • Erhöhte Datensicherheit: Der neue Bluetooth-Buffer auf dem Sensor sorgt dafür, dass bei Verbindungsunterbrechung die Daten zwischengespeichert und, sobald die Verbindung wieder besteht, direkt übertragen werden; somit ist eine lückenlose Datenaufzeichnung gewährleistet.
  • Erweiterte Anwendungsbereiche: Durch die genannten Verbesserungen ist der LightMove 4 nun auch für eine Reihe zusätzlicher Anwendungen einsetzbar.

Der LightMove 4 ist eine Erweiterung des Move 4 und ist in der Lage die körperliche Aktivität sowie das Umgebungslicht gleichzeitig zu erfassen. Dank dieser Kombination ist es möglich in nur wenigen Schritten einfache Rückschlüsse auf das Bewegungsverhalten und die Umgebungsbeleuchtung der Probanden zu ziehen. Durch die hohe Auflösung des Lichtsensors sind selbst kleinste Beleuchtungsstärken zu erkennen.

Die Aufzeichnung und Speicherung der Rohdaten (5 Kanäle Lichtintensität, 3-Achsen-Beschleunigung, Drehrate, Luftdruck und Temperatur) ist über einen Zeitraum von bis zu 4 Wochen möglich. Die mit dem LightMove 4 gemessenen Rohdaten können auch live auf dem Sensor analysiert werden um sie mittels einer Bluetooth-Smart-Schnittstelle einfach z.B. auf ein Smartphone zu übertragen.

Mit Hilfe unserer Analyse-Software DataAnalyzer können Sie sich aus den aufgezeichneten Rohdaten Ausgabeparameter wie Beleuchtungsstärke (Lux), Helligkeit (von Dunkelheit bis Sonnenlicht), Farbtemperatur, Aktivitätsklassen, Schritte, Energieumsatz und Metabolische Äquivalente (MET) berechnen lassen und aussagekräftige Berichte erzeugen.
Der LightMove 4 ist optimiert für den Einsatz in wissenschaftlichen Studien und für das multimodale ambulante Assessment.



Top-Features

  • Neues Design mit neuen Tragesystemen im wasserdichten Gehäuse
  • Erweiterte Datenerfassung durch integriertes Gyroskop
  • Neuer Beschleunigungssensor mit höherer Auflösung
  • Detektion des Umgebungslichts
  • Analyse der Strahlungsstärke
  • Live Analyse der Daten auf dem Sensor
  • Verbesserte Datenübertragung über Bluetooth-Smart Schnittstelle
  • Exakte und validierte Erkennung von Alltagsaktivitäten
  • Exakte und validierte Energieumsatzbestimmung
  • Optimierte Ablageerkennung
  • Java API für USB (Windows)
  • API: Beispielimplementierung für Bluetooth Smart (Android)

Anwendungen

  • Interaktives Ambulantes Assessment
  • Schlafanalyse
  • Erfassung von sedentärem Verhalten
  • Aktivitätsmonitoring
  • Verhaltensmonitoring
  • Umgebungslichtmonitoring
  • Energieumsatzbestimmung
  • Schritterkennung


Dazu passende Produkte und Dienstleistungen

Downloads

Software
Dokumentation
Externe Tools

Technische Daten

Power supply

Lithium-Polymer-Battery

Battery voltage

3,7 V

Number of charging cycles

300 (with 1 C / 1 C > 80%)

Internal memory

4 GB

Maximum recording capacity

4 weeks

Battery run time

~ 7 days

Recharging time

~ 1 hour

Size of sensor (W x H x D)

62,3 mm x 38,6 mm x 11,5 mm

Weight of sensor

26 g

Protection rate

Waterproof (IP64)

Internal sensors

Ambient light sensor:

Channels: 5 (red, green, blue, clear, IR)

Measurement range: 0-~45000 lux

Resolution: Up to ~0.011 lux (at low end)

Output rate: 1 Hz

 

3D acceleration sensor:

Measurement range: +/- 16 g

Output rate: 64 Hz

 

Rotation rate sensor:

Measurement range: +/-2000dps

Resolution: 70 mdps

Output rate: 64 Hz

 

Pressure sensor:

Measurement range: 300 - 1100 hPa

Noise: 0,03 hPa

Output rate: 8 Hz

 

Temperature sensor:

Output rate: 1 Hz

Live analysis

Light Mean

Movement Acceleration

Step count

Indicators

LED, 3-color

Vibration alarm

User Interfaces

Marker (tapping)

Interfaces

Micro-USB, Bluetooth Smart (4.0)

API

Java API for USB (Windows)

Example for Bluetooth Smart (Android)

Wear locations

Wrist

Wearing systems

Wrist Band

Environmental conditions

Temperature:

-20 °C to 60 °C

0 °C to 45 °C during charging

Atmospheric pressure:

300 to 1200 hPa absolute

Warranty

2 years

Literatur und Validierung

  • Energy Expenditure During Incline Walking – Benefits of Integrating a Barometer into Activity Monitors.
    Manuel Armbruster & Panagiota Anastasopoulou & Stefan Altmann et al. (2018) in: American Journal of Sports Science (6). Read more...
  • A novel algorithm for detecting human circadian rhythms using a thoracic temperature sensor Article history :.
    Aly Chkeir & Farah Mourad-chehade & Jacques Beau et al. (2017) in: Advances in Science, Technology and Engineering Systems Journal (2). Read more...
  • Physical Activity and Depressive Mood in the Daily Life of Older Adults.
    Andrea E. Gruenenfelder-Steiger & Marko Katana & Annika A. Martin et al. (2017) in: GeroPsych (30). Read more...
  • Measuring Fear of Physical Activity in Patients with Heart Failure.
    Jeremia M. Hoffmann & Susan Hellwig & Vincent M. Brandenburg et al. (2017) in: International Journal of Behavioral Medicine. Read more...
  • Lightweight Visual Data Analysis on Mobile Devices - Providing Self-Monitoring Feedback.
    Simon Butscher & Yunlong Wang (2016) in: VVH 2016 - 1st International Workshop on "Valuable visualization of healthcare information": from the quantified self data to conversations (in conjunction with AVI '16). Read more...
  • Contributions à l’élaboration d’un système d’aide médico-sociale à l’aide d’un robot humanoïde.
    Louise Devigne (2015). Read more...
  • Situationsadaptive Navigationsassistenz für Menschen mit Demenz.
    Philipp Koldrack & Ron Henkel & Katja Zarm et al. (2015) in: AAL-Kongress 2015. Read more...
  • Real-Time Management of Multimodal Streaming Data for Monitoring of Epileptic Patients.
    Dimitrios Triantafyllopoulos & Panagiotis Korvesis & Iosif Mporas et al. (2015) in: Journal of Medical Systems (40). Read more...
  • Bewegungsangst bei chronischer Herzinsuffizienz – Erste Ergebnisse zur Validierung eines Messinstruments..
    Susan; Hennig Diane; Hoffmann Jeremy M.; Anastasopoulou Panagiota; Hey Stefan Spaderna Heike; Hellwig (2015) in: 12. Kongress der Fachgrupppe Gesundheitspsychologie - Abstracts. Read more...
  • Fitness, kognitive Leistungsfähigkeit und Wohlbefinden bei jungen Erwachsenen - Interventionsstudien zum Einfluss von Ausdauertraining.
    Katrin Walter (2015). Read more...
  • Validation and comparison of two methods to assess human energy expenditure during free-living activities.
    Panagiota Anastasopoulou & Mirnes Tubic & Steffen Schmidt et al. (2014) in: PLOS (PLoS ONE 9(2): e90606). Read more...
  • Erfassung körperlicher Aktivität mittels Akzelerometrie - Möglichkeiten und Grenzen aus technischer Sicht.
    Stefan Hey & Panagiota Anastasopoulou & Birte von Haaren (2014) in: Bewegungstherapie und Gesundheitssport (30(02)). Read more...
  • Home-based system for physical activity monitoring in patients with multiple sclerosis (Pilot study)..
    Layal Shammas & Tom Zentek & Birte von Haaren et al. (2014) in: Biomedical engineering online (13). Read more...
  • Detection of Parameters to Quantify Neurobehavioral Alteration in Multiple Sclerosis Based on Daily Life Physical Activity and Gait Using Ambulatory Assessment.
    Layal Shammas & Birte von Haaren & Angela Kunzler et al. (2014) in: Zeitschrift für Neuropsychologie (25). Read more...
  • Using Support Vector Regression for Assessing Human Energy Expenditure Using a Triaxial Accelerometer and a Barometer.
    Panagiota Anastasopoulou & Sascha Härtel & Mirnes Tubic et al. (2013) in: Wireless Mobile Communication and Healthcare.
  • A Comparison of Two Commercial Activity Monitors for Measuring Step Counts During Different Everyday Life Walking Activities.
    Panagiota Anastasopoulou & Sascha Härtel & Stefan Hey (2013) in: International Journal of Sports Science and Engineering (Vol. 07 (2013) No. 01). Read more...
  • The Association between Short Periods of Everyday Life Activities and Affective States: A Replication Study Using Ambulatory Assessment.
    Thomas Bossmann & Martina Kanning & Susanne Koudela-Hamila et al. (2013) in: Frontiers in Psychology (4). Read more...
  • Characteristics of the activity-affect association in inactive people: an ambulatory assessment study in daily life.
    B. von Haaren & S.N. Loeffler & S. Haertel et al. (2013) in: Frontiers in Movement Science and Sport Psychology (4).
  • Acute and medium term effects of a 10-week running intervention on mood state in apprentices.
    Katrin Walter & Birte von Haaren & Simone Löffler et al. (2013) in: Frontiers in Movement Science and Sport Psychology (4). Read more...
  • Classification of Human Physical Activity and Energy Expenditure Estimation by Accelerometry and Barometry.
    P. Anastasopoulou & M. Tansella & J. Stumpp et al. (2012) in: 34th Annual International Conference of the Engineering in Medicine and Biology Sciety, EMBC 2012, San Diego USA. Read more...
  • Measurement of daily mobility under fampridine-therapy with Movisens-system in patients with multiple sclerosis.
    R. Kempcke & T. Schultheiß & S. Sobek et al. (2012) in: 28th European Committee for Treatment and Research in Multiple Sclerosis (ECTRIMS).
  • Assessment of Human Gait Speed and Energy Expenditure Using a Single Triaxial Accelerometer.
    Panagiota Anstasopoulou & Shammas Layal & Stefan Hey (2012) in: Wearable and Implantable Body Sensor Networks (BSN), 2012 Ninth International Conference on. Read more...
  • Aktuelle Messverfahren zur objektiven Erfassung körperlicher Aktivitäten unter besonderer Berücksichtigung der Schrittzahlmessung.
    D. Rosenbaum (2012) in: Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz (55). Read more...
  • Kindergarten in Bewegung. Zur Qualität von Bewegungskindergärten..
    R. Schwarz (2012) in: Kita aktuell.
  • Assessment der Mobilität im Alltag zur Unterstützung von MS-Patienten.
    Shammas, L. & Bachis, S. & Anastasopoulou, P. et al. (2012) in: 15. Jahrestagung der dvs-Kommission Gesundheit, Leipzig..
  • A new method to estimate energy expenditure using accelerometry and barometry-based energy models.
    Panagiota Anastasopoulou & Layal Shammas & Jürgen Stumpp et al. (2011) in: 45. DGBMT Jahrestagung. Freiburg.
  • Estimation of energy expenditure using accelerometers and activity-based energy models - validation of a new device.
    S. Härtel & J. P Gnam & S. Löffler et al. (2011) in: European Review of Aging and Physical Activity (Volume 8). Read more...
  • Trends und Möglichkeiten zur Erfassung körperlicher Aktivität im Alltag.
    S. Hey & U. Großmann & J. Ottenbacher et al. (2011) in: Kinder bewegen - wissenschaftliche Energien bündeln. Jahrestagung der dvs-Kommission Gesundheit, Karlsruhe.
  • Einsatz sensorgestützter Verfahren im Gesundheitswesen: Herausforderungen und Lösungsansätze.
    D.I.D.S. Saboor & M.F.H.M. Schallhart (2011). Read more...
  • Bewegungskindergärten: empirische Befunde und praktisches Wissen.
    R. Schwarz (2011) in: S. Baadte, K. Bös, S. Scharenberg, R. Stark, A. Woll (Hrsg.), Kinder bewegen - Energien nutzen (S. 65-75). Landau: VEP..
  • Energieumsatzmessung mit Aktivitätssensoren – Validität des kmsMove-Akzelerometers.
    B. von Haaren & J.-P. Gnam & S. Härtel et al. (2011) in: Kinder bewegen - wissenschaftliche Energien bündeln..
  • Validity of the kmsMove-sensor in calculating energy expenditure during different walking intensities.
    B. von Haaren & J.-P. Gnam & S. Helmholdt et al. (2011).

Weitere Publikationen finden Sie hier.