Unhealthy behaviors regarding nutrition are a global risk for health. Therefore, the healthiness of an individual’s nutrition should be monitored in the medium and long term. A powerful tool for monitoring nutrition is a food diary; i.e., a daily list of food taken by the individual, together with portion information. Unfortunately, frail people such as the elderly have a hard time filling food diaries on a continuous basis due to forgetfulness or physical issues. Existing solutions based on mobile apps also require user’s effort and are rarely used in the long term, especially by elderly people. For these reasons, in this paper we propose a novel architecture to automatically recognize the preparation of food at home in a privacy-preserving and unobtrusive way, by means of air quality data acquired from a commercial sensor. In particular, we devised statistical features to represent the trend of several air parameters, and a deep neural network for recognizing cooking activities based on those data. We collected a large corpus of annotated sensor data gathered over a period of 8 months from different individuals in different homes, and performed extensive experiments. Moreover, we developed an initial prototype of an interactive system for acquiring food information from the user when a cooking activity is detected by the neural network. To the best of our knowledge, this is the first work that adopts air quality sensor data for cooking activity recognition.

中文翻译：

---

通过空气质量传感器数据识别烹饪活动，以支持食物记录

关于营养的不健康行为是健康的全球风险。因此，应在中长期内监测个人营养的健康状况。食物日记是监测营养的有力工具。即个人每天吃的食物清单以及份数信息。不幸的是，由于健忘或身体问题，年老体弱的人（例如老年人）很难连续填写食物日记。现有的基于移动应用程序的解决方案也需要用户的努力，并且很少长期使用，特别是对于老年人。由于这些原因，在本文中，我们提出了一种新颖的体系结构，可以通过从商业传感器获取的空气质量数据，以一种保护隐私和不干扰他人的方式自动识别在家中准备的食物。尤其是，我们设计了统计特征来表示几个空气参数的趋势，并设计了一个深度神经网络，用于根据这些数据识别烹饪活动。我们在8个月的时间内收集了来自不同家庭的不同个体的大量带注释的传感器数据，并进行了广泛的实验。此外，我们开发了交互式系统的初始原型，该交互式系统用于在神经网络检测到烹饪活动时从用户那里获取食物信息。据我们所知，这是第一项采用空气质量传感器数据进行烹饪活动识别的工作。我们在8个月的时间内收集了来自不同家庭的不同个体的大量带注释的传感器数据，并进行了广泛的实验。此外，我们开发了交互式系统的初始原型，该交互式系统用于在神经网络检测到烹饪活动时从用户那里获取食物信息。据我们所知，这是第一项采用空气质量传感器数据进行烹饪活动识别的工作。我们在8个月的时间内收集了来自不同家庭的不同个体的大量带注释的传感器数据，并进行了广泛的实验。此外，我们开发了交互式系统的初始原型，该交互式系统用于在神经网络检测到烹饪活动时从用户那里获取食物信息。据我们所知，这是第一项采用空气质量传感器数据进行烹饪活动识别的工作。