Publicação:
Estudo e caracterização das ferramentas para o reconhecimento de atividade humana usando sensores de acelerômetro

Página do item simplificado
dc.contributor.advisor1Paiva, Elaine Ribeiro de Faria
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8238524390290386pt_BR
dc.contributor.referee1Miani, Rodrigo Sanches
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2992074747740327pt_BR
dc.contributor.referee2Escarpinati, Maurício Cunha
dc.contributor.referee2Latteshttp://lattes.cnpq.br/5939941255055989pt_BR
dc.creatorGiacomelli, Daniela Freitas
dc.creator.Latteshttp://lattes.cnpq.br/8178352177330449pt_BR
dc.date.accessioned2017-08-25T17:20:12Z
dc.date.available2017-08-25T17:20:12Z
dc.date.issued2017-08-03
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO 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.pt_BR
dc.description.sponsorshipCNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológicopt_BR
dc.identifier.citationGIACOMELLI, 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/19604
dc.languageporpt_BR
dc.orcid.putcode77231232
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseSistemas de Informaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.sizeorduration45pt_BR
dc.subjectReconhecimento de atividade humanapt_BR
dc.subjectAcelerômetrospt_BR
dc.subjectGiroscópiopt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAOpt_BR
dc.titleEstudo e caracterização das ferramentas para o reconhecimento de atividade humana usando sensores de acelerômetropt_BR
dc.title.alternativeActivity Recognition using accelerometerpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
EstudoCaracterizacaoFerramentas.pdf
Tamanho:
284.91 KB
Formato:
Adobe Portable Document Format
Descrição:
TCC
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.75 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

TCC - Sistemas de Informação (Uberlândia)