Author(s):
Giacomelli, Daniela Freitas
Date: 2017
Origin: Oasisbr
Subject(s): CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO; Reconhecimento de atividade humana; Acelerômetros; Giroscópio; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO; Reconhecimento de atividade humana; Reconhecimento de atividade humana; Acelerômetros; Acelerômetros; Giroscópio; Giroscópio
Description
CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico
Trabalho de Conclusão de Curso (Graduação)
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.
