在日常生活中，保持正确姿势能够有效促进血液循环并降低慢性疾病的患病风险。在康复环境中，姿势监测可以帮助医护人员评估病情和治疗手段的效果，从而改善患者的身体状况。在以往的研究中，往往要求IMU牢固固定在穿戴者的特定身体部位，对穿戴要求较高，操作不便，当需要穿戴多个传感器时，这将会是个特别繁琐费劲的工作。

来自英国的Udeni Jayasinghe科研团队设计了一个由12个IMU（惯性测量单元）组成的嵌入式传感系统，经过处理后，IMU既不会向外暴露，也不会与皮肤接触，这可以让穿戴者穿着更舒适，也更容易穿脱，更加适合日常使用。

该系统由12个安装在服装里的IMU组成，使用差分串行总线，形成一个“传感器串”，并连接到树莓派（Raspberry pi）进行存储数据。如图C所示，树莓派和电池组被放在每个参与者腰部的一个袋子里。

五名参与者（3男2女）参加了这项研究，参与者在4天内穿着IMU服装，每天需要进行以下六个预先确定的活动并进行录像：①站立不动；②坐在椅子上；③仰卧位；④坐在地板上，腿分开伸直；⑤来回走动；⑥上下楼梯。然后，他们继续进行一天中的其他活动，并写活动日记进行记录。

为分析参与者的姿态，活动被分为两类：静态姿势（①②③④）和动态运动（⑤⑥）。实验设置了分类器对动态和静态活动进行识别分类，使用ELAN软件将活动视频与传感器数据进行同步后，由Udeni Jayasinghe人工手动对活动的开始点和结束点进行识别与注释，然后提取这些数据段进行分析。

在本次实验中，没有像往常那样用定义阈值来区分静态活动与动态活动，而是采用了三个不同的特征（“大腿”数据垂直轴的移动标准偏差、“大腿”和“腰部”数据幅度的移动标准偏差）和五种不同的窗口大小（0.5s、1s、1.5s、2s、3s）来比较分类器区分两类活动的准确性。

对混淆矩阵进行研究后发现，当窗口值为1.5s、2s和3s时，在给定的训练数据集中，其姿态识别的准确率达到了100%，因此可以得出实验结论：安装在宽松衣服上的IMU传感器可以成功地用于姿态分类。

但当以活动日记作为参考数据，使用分类器对参与者一天中的其他活动进行识别时，其精准度出现了明显的下降。但总体而言，本次实验证明了在宽松衣服中嵌入IMU传感器进行姿态捕捉的可行性。相比起大体积的穿戴式设备，嵌入式方案明显更适合长时间的日常监测和姿态识别。相信在未来，随着科技的进步与算法的改进，嵌入式传感系统的识别精准度会进一步提升，能够更好地用于姿态识别分类。