Capteur de lumière et d'Activité

Le capteur LightMove 3 est utilisé dans la détermination de l’activité physique et la détection de la lumière ambiante. Combiner ces deux paramètres permet d’acquérir des informations sur le comportement, l’activité et l’environnement d’un sujet en quelques simples étapes. Les données recueillies peuvent être traitées en temps réel sur le capteur puis sont transmises à un téléphone portable via une connexion Bluetooth Smart.

En plus du traitement en ligne, les données brutes sont enregistrées sur une période de mesure allant jusqu’à deux mois. Ces données, à savoir l’accélération 3D, la pression barométrique, la température et les paramètres de lumière ambiante sont par la suite traitées selon les besoins. Le capteur est porté en bracelet (Wrist Band Move 3, Art.Nr. 10130) afin d’offrir un confort de haut niveau et une libre amplitude de mouvement, et ce, pour que le sujet puisse poursuivre sa vie quotidienne sans entrave.

Les paramètres de sortie tels que l’intensité lumineuse (lux), la brillance (de l’obscurité à la lumière du jour), la température, la couleur, les classes d’activité, les pas, la dépense énergétique et les équivalents métaboliques (MET) sont facilement calculés grâce à notre logiciel DataAnalyzer. Ce logiciel permet le traitement complexe des données en quelques étapes ainsi que la création de rapports significatifs (PDF). Ces paramètres de sortie permettent une évaluation rigoureuse de l’environnement du sujet en déterminant certains facteurs temporels (temps à l’intérieur par rapport au temps l’extérieur) ainsi que l’activité physique effectuée par le sujet.





Postulez gratuitement pour le projet d'étudiant

 


Principales caractéristiques

  • Analyse des données en temps réel sur le capteur
  • Interface Bluetooth Smart
  • Reconnaissance exacte et validée des activités
  • Dépense énergétique exacte et validée
  • Capteur barométrique offrant des valeurs plus précises
  • Détection de la lumière ambiante
  • Analyse de l’intensité lumineuse
  • Détection du temps de port
  • Format de données durable
  • Utilisation pratique et facile pour les études
  • Ne compromet pas les activités quotidiennes du sujet
  • Java API pour USB (Windows)
  • API: Exemple pour Bluetooth Smart (Android)

Applications

  • Evaluation ambulatoire interactive
  • Analyse du sommeil
  • Monitorage du comportement
  • Monitorage mobile prolongé de l’activité physique
  • Monitorage mobile prolongé de la lumière ambiante
  • Estimation de la dépense énergétique et détection de l’activité
  • Détection des pas
  • Détection de l’immobilité, de la position assise et de la position debout
  • Intégration de systèmes complexes

Produits et services adaptés

DataAnalyzer Software, Box

DataAnalyzer
pour l'analyse des données

Accessoires
et Fournitures pour les capteurs

Smartphone mit movisensXS

movisens XS
Echantillonnage de l'expérience basée sur Smartphone

Téléchargement

Software
Documentation
Exemple de données
Outils externes

Fiche technique

Power supply

Lithium-Polymer-Battery

Supply voltage

3 V

Battery voltage

3,0 - 4,2 V

Number of charging cycles

300 with 1C/1C > 80%

Maximum recording capacity

2 months

Battery run time (recording)

~ 9 days

Size of sensor (W x H x D)

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

Weight of sensor

26 g

Internal sensors

Ambient light sensor:

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

Measurement range: 0 - ~45 000 lux

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

Output rate: 1 Hz

 

3D acceleration sensor:

Measurement range: +/- 8 g

Noise: 4 mg

Output rate: 64 Hz

 

Pressure sensor:

Measurement range: 300 - 1100 hPa

Noise: 0,03 hPa

Output rate: 1 Hz

Indicators

LED, 3-color (operation and charging status)

Vibration alarm (Bluetooth Smart is disconnected)

Interfaces

Micro-USB, Bluetooth Smart

Environmental conditions

Temperature:

-20 °C to 60 °C

0 °C to 45 °C during charging

 

Humidity:

0 to 75% relative humidity

 

Atmospheric pressure:

300 to 1100 hPa absolute

Littérature et validations

  • 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...
  • 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).

Vous trouverez plus de publications ici.