The main objective is to use Machine Learning algorithms to build-up models of energy expenditure of a person using a wheelchair, by pre-processing the sensor data using Python and scientific libraries, and exploiting Machine Learning algorithms. An iterative approach results from the use, pre-process, model and analysis of results.

Self-tracking and monitoring when exercising has become an uprising topic over the past few years due to the raising awareness of the importance of keeping a physically active life in order to be healthy and avoid illness. Thanks to the wearable sensors that we can find embedded in nearly all smartphones we can find a great amount of software applications on the market that can measure and record even surprising details of our every move. However, all of these applications are generally useless for manual wheelchair users since the algorithms they use are mostly related to the body kinematics of non-disabled people. Therefore, in an attempt of filling up this void, some groups of researchers in some universities have started different studies regarding the movement and necessities of this particular group of our society. Following this initiative, the Intelligent Data Analysis department of HEIG-VD has started its own project, aiming to develop a complete self-tracking system for manual wheelchair users. Since one of the goals of this project is for the final product to be low-cost, a study is required to determine the relevance and necessity of each of the components. The project concerning this document is focused on determining whether the contribution of one of the sensors currently used for the system, more precisely three load cells, can be substituted by an estimation obtained with machine learning based techniques from the rest of the sensors used in order to consider its future removal.

El auto-seguimiento y supervisión durante el ejercicio se ha ido convirtiendo en un tema de creciente interés en los últimos años debido a la mayor concienciación de la importancia de mantener una vida físicamente activa para mantener un buen nivel de salud y evitar enfermedades. Gracias a los sensores que hoy en día pueden encontrarse equipados en la gran mayoría de los smartphones, existen multitud de aplicaciones en el mercado que son capaces de captar incluso sorprendentes detalles de nuestros movimientos. No obstante, todas estas aplicaciones resultan generalmente inútiles para usuarios de sillas de ruedas ya que suelen utilizar algoritmos basados en la cinemática del cuerpo de personas sin ningún tipo de discapacidad. Debido a esto, en un intento de llenar este vacío de oferta, algunos grupos de investigadores en algunas universidades han empezado estudios centrados en las características de movimiento y necesidades de este particular grupo de nuestra sociedad. Siguiendo esta iniciativa, el departamento de Análisis Inteligente de Datos de la HEIG-VD ha comenzado su propio proyecto con el objetivo de desarrollar un sistema de auto-seguimiento completo para usuarios de silla de ruedas. Como uno de los puntos de interés es que el producto final sea económico, es necesario estudiar la relevancia de cada uno de los componentes. El Proyecto al que se refiere este documento pretende determinar si la contribución de un tipo de los sensores usados actualmente, particularmente tres medidores de fuerza, puede ser substituida por una estimación obtenida mediante técnicas basadas en aprendizaje automático a partir de los demás sensores con el propósito de considerar su futura eliminación.

El seguiment i la supervisió pròpia durant l’exercici s’ha convertit en un tema de creixent interès en el transcurs dels últims anys degut a la major conscienciació de la importància de mantenir una vida físicament activa per tindre un bon nivell de salut i evitar malalties. Gràcies als sensors que avui en dia es poden trobar equipats en els smartphones, existeixen multitud d’aplicacions al mercat que son capaces de captar fins a sorprenents detalls dels nostres moviments. No obstant, totes aquestes aplicacions resulten generalment inútils per qualsevol usuari de cadires de rodes ja que solen utilitzar algoritmes basats en la cinemàtica del cós de persones sense cap tipus de discapacitat. Degut a això, en un intent d’omplir aquest buit d’oferta, alguns grups d’investigadors d’algunes universitats han començat estudis centrats en les característiques de moviment i necessitats d’aquest particular grup de la nostra societat. Seguint aquesta iniciativa, el departament d’Anàlisi Intel·ligent de Dades de la HEIG-VD ha començat el seu propi projecte amb l’objectiu de desenvolupar un sistema de seguiment complet per a usuaris de cadires de rodes. Com un dels punts d’interès és que el producte final sigui econòmic, es necessari estudiar la rellevància de cadascun del components. El projecte al que fa referència aquest document pretén determinar si la contribució d’un tipus dels sensors utilitzats actualment, particularment tres mesuradors de força, pot ser substituïda per una estimació obtinguda mitjançant tècniques basades en aprenentatge automàtic a partir dels demés sensors amb el propòsit de considerar-ne l’eliminació futura.