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

Giacomelli, Daniela Freitas

Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/19604

Full metadata record

DC Field	Value	Language
dc.creator	Giacomelli, Daniela Freitas	-
dc.date.accessioned	2017-08-25T17:20:12Z	-
dc.date.available	2017-08-25T17:20:12Z	-
dc.date.issued	2017-08-03	-
dc.identifier.citation	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.	pt_BR
dc.identifier.uri	https://repositorio.ufu.br/handle/123456789/19604	-
dc.description.sponsorship	CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico	pt_BR
dc.language	por	pt_BR
dc.publisher	Universidade Federal de Uberlândia	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Reconhecimento de atividade humana	pt_BR
dc.subject	Acelerômetros	pt_BR
dc.subject	Giroscópio	pt_BR
dc.title	Estudo e caracterização das ferramentas para o reconhecimento de atividade humana usando sensores de acelerômetro	pt_BR
dc.title.alternative	Activity Recognition using accelerometer	pt_BR
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.contributor.advisor1	Paiva, Elaine Ribeiro de Faria	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/8238524390290386	pt_BR
dc.contributor.referee1	Miani, Rodrigo Sanches	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/2992074747740327	pt_BR
dc.contributor.referee2	Escarpinati, Maurício Cunha	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/5939941255055989	pt_BR
dc.creator.Lattes	http://lattes.cnpq.br/8178352177330449	pt_BR
dc.description.degreename	Trabalho de Conclusão de Curso (Graduação)	pt_BR
dc.description.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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.course	Sistemas de Informação	pt_BR
dc.sizeorduration	45	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO	pt_BR
dc.orcid.putcode	77231232	-
Appears in Collections:	TCC - Sistemas de Informação (Uberlândia)

Files in This Item:

File	Description	Size	Format
EstudoCaracterizacaoFerramentas.pdf	TCC	284.91 kB	Adobe PDF	View/Open

Show simple item record