Die Fusion von maschinellen Lernverfahren verschiedener Sensorströme und Datenquellen (u.a. Video und Sprache) wird zur multimodalen Aktivitätserkennung genutzt. Die Anwendung soll die Positionierung des Bewegungssensors am Pelvis mit dem Luftdrucksensor zur Höhenbestimmung kombinieren, um eine stabile Unterscheidung der Aktivitätserkennung zwischen „passiv“ und „aktiv“, also Gehen, Laufen, Treppensteigen, Liegen, Sitzen, Stehen zu ermöglichen. Die Algorithmen sollen auf dem eingebetteten System MHX lauffähig sein (Performance- und Speicherrestriktionen). Eine optionale Erweiterung wäre eine Sturzerkennung.
Das Erkennen von Bewegungsmustern wie gehen, sitzen, stehen, ist zwar schon lange möglich, allerdings mangeln diese oft an Genauigkeit. Besonders mit unspezifisch platzierten Sensoren, wie in der Hosentasche oder am Gürtel, ist es beispielsweise oft schwer zu unterscheiden, ob eine Person auf einer Ebene oder bergab geht.
Auch ist es für die Berechnung von verschiedenem Parameter essentiell zu wissen, wo am Körper der Sensor getragen wird. Außerhalb von Laborbedingungen, besonders bei der Verwendung von Sensoren im echten Leben, ist es aber sehr schwierig bis unmöglich eine exakte Positionierung mancher Sensoren am Körper zu garantieren.
