Original title: Inteligentní rozpoznání činnosti uživatele chytrého telefonu
Translated title: Intelligent Recognition of the Smartphone User's Activity
Authors: Pustka, Michal ; Goldmann, Tomáš (referee) ; Drahanský, Martin (advisor)
Document type: Master’s theses
Year: 2018
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [cze] [eng]
Tato práce se zabývá detekcí uživatelských aktivit (např. běhání, chůze, jízda autě atd.) v reálném čase, přičemž k samotné detekci je využito senzorů dostupných v mobilních zařízeních. V rámci práce vznikla aplikace pro sběr dat ze senzorů, pomocí které byla nasbírána data. Dalším produktem této práce je program pro předzpracování naměřených dat a vytvoření datasetu. Součástí práce je vlastní návrh konvoluční neuronové sítě, která slouží ke klasifikaci aktivit. Celou implementační část uzavírá vytvořená knihovna pro detekci aktivit na mobilních zařízeních s Android OS. Spojením všech aplikací vzniká komplexní framework pro vývoj aplikace, využívající detekci uživatelských aktivit. Na závěr jsou provedeny některé zajímavé experimenty pomocí tohoto frameworku (např. vliv konkrétních senzorů na výkon detekce). This thesis deals with real-time human activity recognition (eg, running, walking, driving, etc.) using sensors which are available on current mobile devices. The final product of this thesis consists of multiple parts. First, an application for collecting sensor data from mobile devices. Followed by a tool for preprocessing of collected data and creation of a data set. The main part of the thesis is the design of convolutional neural network for activity classification and subsequent use of this network in an Android mobile application. The combination of previous parts creates a comprehensive framework for detection of user activities. Finally, some interesting experiments were made and evaluated (eg, the influence of specific sensors on detection precision).
Keywords: Android; artificial intelligence; collection of data; convolutional neural networks; human activity recognition; Sensors; TensorFlow; Xamarin; Android; konvoluční neuronové sítě; rozpoznávaní aktivit; sběr dat; Senzory; TensorFlow; umělá inteligence; Xamarin

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/84970

Permalink: http://www.nusl.cz/ntk/nusl-385987


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses