Publication
Classificação de atividades físicas através do uso do acelerómetro do smartphone
| Summary: | Os smartphones desempenham hoje um papel ubíquo no acesso e processamento de informação, sendo que, na sua grande maioria, possuem uma miríade de sensores integrados que os torna capazes de gerar informação de elevada precisão e rigor. A monitorização do exercício físico apresenta-se como uma das novas tendências possibilitada pela utilização destes dispositivos. Sensores de movimento, como o acelerómetro, possibilitam a caraterização de movimento. Este trabalho pretende estudar esta temática e desenvolver uma aplicação para o sistema operativo Android, que tira partido dos sensores embutidos nos smartphones e das tecnologias web, com o objetivo de realizar classificação de atividades. A solução desenvolvida é feita com base na arquitetura cliente-servidor. A aplicação cliente realiza a aquisição de dados, visualização e gravação do sinal obtido através do acelerómetro do smartphone e a aplicação servidor recebe a informação adquirida pelo cliente, processa-a e classifica-a. De modo a ser possível classificar movimentos em atividades foi realizada uma extensa análise dos sinais adquirido por forma a perceber quais as caraterísticas mais distintivas e formulou-se o problema em análise do paradigma da aprendizagem supervisionada tendo sido estudados vários tipos de classificadores. O estudo de utilização já realizado, usou um cenário típico de utilização, posicionando o smartphone junto à cintura dentro do bolso frontal direito, na tentativa de simular condições o mais naturais possíveis. A exploração preliminar da extração de caraterísticas tanto no domínio da frequênciaxcomo no domínio do tempo e classificadores paramétricos e não paramétricos permitiu obter resultados preliminares que demonstram que a classificação de atividades é realizada com elevada precisão ( > 95%). |
|---|---|
| Main Authors: | Duarte, Francisco João Aires |
| Subject: | Acelerómetro Classificação de atividade Accelerometer Android Smartphone Activity classification Quantified-self |
| Year: | 2013 |
| Country: | Portugal |
| Document type: | master thesis |
| Access type: | open access |
| Associated institution: | Instituto Politécnico de Lisboa |
| Language: | Portuguese |
| Origin: | Repositório Científico do Instituto Politécnico de Lisboa |
| Summary: | Os smartphones desempenham hoje um papel ubíquo no acesso e processamento de informação, sendo que, na sua grande maioria, possuem uma miríade de sensores integrados que os torna capazes de gerar informação de elevada precisão e rigor. A monitorização do exercício físico apresenta-se como uma das novas tendências possibilitada pela utilização destes dispositivos. Sensores de movimento, como o acelerómetro, possibilitam a caraterização de movimento. Este trabalho pretende estudar esta temática e desenvolver uma aplicação para o sistema operativo Android, que tira partido dos sensores embutidos nos smartphones e das tecnologias web, com o objetivo de realizar classificação de atividades. A solução desenvolvida é feita com base na arquitetura cliente-servidor. A aplicação cliente realiza a aquisição de dados, visualização e gravação do sinal obtido através do acelerómetro do smartphone e a aplicação servidor recebe a informação adquirida pelo cliente, processa-a e classifica-a. De modo a ser possível classificar movimentos em atividades foi realizada uma extensa análise dos sinais adquirido por forma a perceber quais as caraterísticas mais distintivas e formulou-se o problema em análise do paradigma da aprendizagem supervisionada tendo sido estudados vários tipos de classificadores. O estudo de utilização já realizado, usou um cenário típico de utilização, posicionando o smartphone junto à cintura dentro do bolso frontal direito, na tentativa de simular condições o mais naturais possíveis. A exploração preliminar da extração de caraterísticas tanto no domínio da frequênciaxcomo no domínio do tempo e classificadores paramétricos e não paramétricos permitiu obter resultados preliminares que demonstram que a classificação de atividades é realizada com elevada precisão ( > 95%). |
|---|