Método de triangulação aplicado sobre dados capturados com acelerômetro de movimentos humanos, visando a extração de novas características e o reconhecimento de padrões

• Ano de defesa: 2022
• Autor(a) principal: Giacomossi, Luiz Carlos
• Orientador(a): Pichorim, Sérgio Francisco
• Banca de defesa: Lazzaretti, André Eugênio , Mendes Júnior, José Jair Alves , Nievola, Julio Cesar , Raittz, Roberto Tadeu , Pichorim, Sérgio Francisco
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Curitiba
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
• País: Brasil
• Palavras-chave em Português: Triangulação; Sistemas de reconhecimento de padrões; Mecânica humana; Algorítmos - Desenvolvimento; Acelerômetros; Aprendizado do computador; Redes neurais (Computação); Triangulation; Pattern recognition systems; Human mechanics; Algorithms - Development; Accelerometers; Machine learning; Neural networks (Computer science)
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/29792

Esta pesquisa apresenta um método de triangulação, o qual, foi aplicado sobre os sinais elétricos 3D discretizados de movimentos humanos normais do dia a dia e anormais como os tremores, capturados do acelerômetro interno de um smartphone, visando o reconhecimento de padrões. A principal contribuição do método proposto, está na elaboração de um algoritmo que utiliza os conceitos Euclidianos e estatística básica na composição de novas características extraídas de sequências de triângulos, as quais, são baseadas em retas (subida, descida e base), perímetro, ângulos, coeficientes angulares das retas (derivada) e contagem dos triângulos. Os novos conceitos, podem ser aplicados na área da engenharia biomédica, tendo em vista, a quantidade de estudos que utilizam movimentos humanos e o sensor acelerômentro, bem como, os ótimos resultados apresentados neste estudo. Foram feitas comparações entre o método proposto e os conhecidos conceitos da FFT (Fast Fourier Transform), que converte um sinal no domínio do tempo para o domínio da frequência, bem como, realizadas comparações com características estatísticas no domínio do tempo. Foram elaborados 4 conjuntos de padrões que aplicam a técnica de triangulação e 3 conjuntos de padrões que aplicam as características clássicas da literatura, em 4 experimentos variando a quantidade de movimentos (5 e 9), a quantidade de características (9, 15 e 36) e o tamanho das janelas de dados de entrada (100, 200, 500 e 1000 pontos) na composição dos padrões. Os índices de classificação para cada classe supervisionada (1 a 9), utilizando dois classificadores, Multilayer Perceptron (MLP) e K-Nearest Neighbor (KNN) para k=5, foram utilizados nas avaliações e registrados os valores de acertos individuais e médios por movimento, entre as 9 categorias estudadas. Quanto aos índices médios de acerto, no terceiro experimento (5 movimentos e 36 características), os valores 99,6% e 99,6%, foram resultados alcançados com os conjuntos de características aplicando triangulação (e média) e os conjuntos das características clássicas da literatura, para janelas de 200 e 500 pontos, ambos com o classificador MLP, respectivamente. Resultado favorável a técnica de triangulação devido ao tamanho da janela de entrada ser menor (200 pontos). Utilizando os mesmos 5 movimentos, no terceiro experimento e janelas de 1000 pontos, foi obtida a maior taxa média de 100% de acerto, com os conjuntos de características que aplicam a triangulação (e soma) e 99,9% utilizando os conjuntos de características da literatura, ambos com o classificador MLP. No quarto experimento, utilizando todos os 9 movimentos, foram obtidos os índices médios de 99,5% com as características da literatura e 99,5% com as características da triangulação (e média), neste caso, para janelas de 1000 pontos e classificador KNN. Os resultados obtidos nesta pesquisa são promissores, tendo em vista os elevados índices de acerto obtidos com o método de triangulação, os quais, foram equiparados aos índices obtidos com os conjuntos de características da literatura, bem como, ao realizar a associação de todas as características (triangulação e literatura) em um novo processamento, os índices de acerto na classificação final (categorias de movimentos) melhoraram, comprovando a eficiência do método proposto.