{rfName}
Ac

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

51

Altmetrics

Investigadores/as Institucionales

Trujillo Guerrero, María FernandaAutor (correspondencia)Roman-Niemes S.Autor o CoautorJaén-Vargas MAutor o CoautorSerrano-Olmedo JjAutor o Coautor

Compartir

16 de octubre de 2023
Publicaciones
>
Artículo
Sí

Accuracy comparison of CNN, LSTM, and Transformer for activity recognition using IMU and visual markers

Publicado en: IEEE Access. 11 106650-106669 - 2023-01-01 11(), DOI: 10.1109/ACCESS.2023.3318563

Autores:

Trujillo-Guerrero, MF; Román-Niemes, S; Jaén-Vargas, M; Cadiz, A; Fonseca, R; Serrano-Olmedo, JJ
[+]

Afiliaciones

Digevo - Autor o Coautor
Digevo, Santiago 7560941, Chile - Autor o Coautor
Inst Salud Carlos III, Ctr Invest Biomed Red Bioingn Biomat & Nanomed, Madrid 28029, Spain - Autor o Coautor
Univ Politecn Madrid, Ctr Biomed Technol CTB, Madrid 28223, Spain - Autor o Coautor
Universidad Politécnica de Madrid - Autor o Coautor
Yachay Tech Univ, Sch Math & Computat Sci, Urcuqui 170522, Imbabura, Ecuador - Autor o Coautor
Yachay University for Experimental Technology and Research (Yachay Tech) - Autor o Coautor
Ver más

Resumen

Human activity recognition (HAR) has applications ranging from security to healthcare. Typically these systems are composed of data acquisition and activity recognition models. In this work, we compared the accuracy of two acquisition systems: Inertial Measurement Units (IMUs) vs Movement Analysis Systems (MAS). We trained models to recognize arm exercises using state-of-the-art deep learning architectures and compared their accuracy. MAS uses a camera array and reflective markers. IMU uses accelerometers, gyroscopes, and magnetometers. Sensors of both systems were attached to different locations of the upper limb. We captured and annotated 3 datasets, each one using both systems simultaneously. For activity recognition, we trained 8 architectures, each one with different operations and layers configurations. The best architectures were a combination of CNN, LSTM, and Transformer achieving test accuracy from 89% to 99% on average. We evaluated how feature selection reduced the sensors required. We found IMU and MAS data were able to distinguish correctly the arm exercises. CNN layers at the beginning produced better accuracy on challenging datasets. IMU had advantages over other aquisition systems for activity recognition. We analyzed the relations between models accuracy, signal waveforms, signals correlation, sampling rate, exercise duration, and window size. Finally, we proposed the use of a single IMU located at the wrist and a variable-size window extraction.
[+]

Palabras clave

arm exercisesclassificationcnnimulstmmovement analysis systemneurodegenerative diseasestransformervisual markerAccelerometersArm exercisesCamerasCnnConvolutional neural networksFeature extractionGait analysisHuman activity recognitionImuLstmMovement analysis systemSensorsTransformerVisual markerVisualization

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista IEEE Access debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2023, se encontraba en la posición , consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Engineering (Miscellaneous).

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 2.79. Esto indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 13 Nov 2025)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Media Ponderada del Impacto Normalizado de la agencia Scopus: 3.97 (fuente consultada: FECYT Mar 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2026-04-09, el siguiente número de citas:

  • WoS: 14
  • Scopus: 23
  • Google Scholar: 10
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-09:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 58 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

    Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

    • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
    • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/85448/

    Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

    • Visualizaciones: 232
    • Descargas: 83
    [+]

    Análisis de liderazgo de los autores institucionales

    Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: Chile; Ecuador.

    Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (Trujillo-Guerrero MF) y Último Autor (SERRANO OLMEDO, JOSE JAVIER).

    los autores responsables de establecer las labores de correspondencia han sido TRUJILLO GUERRERO, MARÍA FERNANDA y Trujillo-Guerrero MF.

    [+]