Publicação: Estudo e caracterização das ferramentas para o reconhecimento de atividade humana usando sensores de acelerômetro
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
O Reconhecimento de Atividade Humana (RAH) tem o objetivo de classificar atividades
humanas baseado em uma série de leituras realizadas por sensores de acelerômetro
presentes em smartphones, tablets ou outros dispositivos semelhantes. Por meio dessa
classificação, é possível reconhecer e predizer as atividades que estão sendo realizadas
pelo usuário, possibilitando um monitoramento de suas ações. Esse monitoramento permite
oferecer serviços na área de cuidados médicos, no acompanhamento de idosos, ou,
ainda, em planejamento fitness. Este trabalho visa estudar e caracterizar as principais
ferramentas e bases de dados existentes para a tarefa de RAH, criar um conjunto de técnicas
de extração de características a partir da leitura dos sensores e disponibilizar tais
informações em um site na Internet. Ademais, busca-se fornecer orientações e diretrizes
para futuras pesquisas nesta área. Após testar um grupo de aplicativos disponíveis para
coleta de dados do sensor de acelerômetro, constatou-se que o AccDataRec apresentou
as melhores características. Além disso, diferentes conjuntos de atributos foram utilizados
nos experimentos com três classificadores (Árvore de Decisão, Naive Bayes e KNN),
dentre os quais, o KNN apresentou o melhor resultado para a classificação em RAH e
concluiu-se que os atributos média e desvio padrão podem ser suficientes para obter um
bom desempenho nesta tarefa.
Abstract
Palavras-chave
Reconhecimento de atividade humana, Acelerômetros, Giroscópio
Citação
GIACOMELLI, D. F. Estudo e caracterização das ferramentas para o reconhecimento de atividade humana usando sensores de acelerômetro. 2017. 45 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal de Uberlândia, Uberlândia, 2017.