Please use this identifier to cite or link to this item: http://repositorio.ufpa.br/jspui/handle/2011/8292
metadata.dc.type: Dissertação
Issue Date: 16-Dec-2016
metadata.dc.creator: SIQUEIRA, André Luis Carvalho
metadata.dc.contributor.advisor1: CASTRO, Adriana Rosa Garcez
Title: Reconhecimento de atividades humanas utilizando redes neurais auto-associativas e dados de smartphone
metadata.dc.description.sponsorship: CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Citation: SIQUEIRA, André Luis Carvalho. Reconhecimento de atividades humanas utilizando redes neurais auto-associativas e dados de smartphone. 2016. 52 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Tecnologia, Belém, 2016. Programa de Pós-Graduação em Engenharia Elétrica.
metadata.dc.description.resumo: O Reconhecimento de Atividades Humanas (RAH) é uma área de pesquisa importante e desafiadora, com muitas aplicações na área de ambientes inteligentes, saúde e segurança domiciliar. RAH pode ser visto como um processo pelo qual o comportamento de uma pessoa é monitorado e analisado para inferir quais as atividades que estão sendo realizadas em determinado período de tempo. Este trabalho apresenta a criação de dois sistemas para RAH baseado em Redes Neurais Auto-associativas desenvolvidos a partir de um banco de dados público composto por sinais de 6 atividades básicas. Os sinais foram adquiridos a partir de um acelerômetro e giroscópio de um Smartphone e tanto as características extraídas dos sinais no domínio do tempo quanto sinais brutos da aceleração do corpo foram utilizadas para o desenvolvimento dos sistemas de RAH propostos. Os resultados obtidos mostram a eficácia do sistema e a aplicabilidade das Redes Neurais Auto-associativas para o problema de RAH.
Abstract: Human Activity Recognition (HAR) is an important challenging research area with many applications in intelligence ambient, healthcare and homeland security systems. HAR is the process whereby a person is monitored through sensors and analyzed to infer the undergoing activities during a period of time. This work presents the development of two systems for the HAR using auto associative neural networks. The activity recognition systems are based on public dataset that has signal from three static postures (standing, sitting, lying) and three dynamic activities (walking, walking downstairs and walking upstairs).The dataset was captured by using accelerometer and gyroscopic sensor of a Smartphone. The features extracted from the time and the acceleration due to body motion were used to the development of the proposed systems. Our experimental results illustrates the effectiveness of the proposed system.
Keywords: Redes neurais (Computação)
Comportamento humano
Avaliação de comportamento
Processamento de dados
Análise do comportamento humano
Reconhecimento de Atividades Humanas (RAH)
Smartphone
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::LINGUAGENS DE PROGRAMACAO
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal do Pará
metadata.dc.publisher.initials: UFPA
metadata.dc.publisher.department: Instituto de Tecnologia
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
Appears in Collections:Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Dissertacao_ReconhecimentoAtividadesHumanas.pdf1,15 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons