Feature enrichment in human activity recognition

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Priscila Louise Ribeiro Aguirre
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Universidade Federal de Minas Gerais
Brasil
ENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICA
Programa de Pós-Graduação em Engenharia Elétrica
UFMG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/1843/33314
Resumo: No contexto de Sensoriamento Ubíquo, uma área que investiga a extração de informação por meio de sensores pervasivos, o reconhecimento de atividade humanas é uma tarefa de grande interesse em sistemas de vigilância, assistência médica e entreterimento. Apesar de ter sido explorada por mais de uma década, muitas questões como a coleta de dados em condições realistas, a flexibiliade do sistema para novos usuários, implementações que atendem requesitos de processamento e de consumo de energia, etc, ainda motivam o desenvolvimento de novas técnicas para melhoria de performance de tais sistemas. Ao nosso melhor conhecimento, a maioria dos trabalhos científicos na área consideram o reconhecimento de atividades que envolvem transições posturais, que são categorizados como atividades de locomoção. Motivados principalmente pela falta de estudos que consideram ativiades classificados como cotidianas, que são mais complexas quando comparadas com atividades de locomoção, esse trabalho investiga o enriquecimento de atributos de dados de acelerômetros usados no punho a fim de refinar a habilidade de reconhecimento de tal tipo de atividade humana, que são tipicamente ricos em movimentação de punho e braço. Baseados no pressuposto que a orientação do pulso carrega informação útil que poderia melhorar reconhecimento de atividades do cotidiano, envestigamos os efeitos de transformações matematicas não-lineares aos sinais de acelerômetro triaxial para estimação dos ângulos de atitude, rolamento e guinada, do punho. Empregamos, como atributos, coeficientes de modelos autorregressivos (AR) multivariados bidimensionais obtidos de sinais crus de acelerômetro e dos ângulos estimados de atitude. Mostramos que o uso simultâneo de ambos os tipos de modelos melhora a acurácia geral em quase 10% quando comparado a algoritmos recentemente publicados nos quais empregou-se apenas coeficientes univariados de modelos AR a cada sinal de acelerômetro.