Original title:
Využití dat z pohybových senzorů pro analýzu činnosti uživatele
Translated title:
Utilization of Motion Sensor Data for User Activity Analysis
Authors:
Eršek, Martin ; Zemčík, Pavel (referee) ; Beran, Vítězslav (advisor) Document type: Bachelor's theses
Year:
2020
Language:
slo Publisher:
Vysoké učení technické v Brně. Fakulta informačních technologií Abstract:
[slo][eng]
Cieľom práce je návrh a implementácia klasifikačného algoritmu pre analýzu činnosti používateľa na základe dát z pohybových senzorov. Práca skúma možnosti klasifikácie a počítania opakovaní 7 základných cvikov s vlastnou váhou - kľukov, drepov, podporov na predlaktiach, sed-ľahov, príťahov kolien v sede, tricepsových kľukov na lavičke a výpadov. Dáta z pohybových senzorov sú zbierané mobilným zariadením umiestneným v hornom vrecku nohavíc cvičiaceho používateľa. Výber použitých metód a ich parametrov, ako aj počtu a druhu extrahovaných príznakov bol vykonaný s ohľadom na ich nízku výpočtovú náročnosť. Pri návrhu riešenia bol kladený dôraz na jeho nezávislosť od natočenia zariadenia vo vrecku používateľa. V rámci práce bola vytvorená dátová sada obsahujúca nahrávky 7 tréningov od 4 rôznych používateľov. Navrhovaný postup bol implementovaný v podobne desktopovej aplikácie s CLI rozhraním a následne overený na vytvorenej dátovej sade. Riešenie bolo schopné dosahovať pri analýze a počítaní opakovaní tréningu nevideného používateľa metriku F1-skóre v rozmedzí 45.3 % - 74.9 %. Pri nevidenom tréningu od známeho používateľa dosiahlo metriku F1-skóre s hodnotou až 94 %.
This bachelor thesis aims to provide a design and implementation of an algorithm for analysis of user activity based on data from motion sensors. The thesis explores possibilities of classification and counting repetitions of 7 basic body-weight exercises, namely: push ups, squats, planks, sit-ups, seated knee raises, tricep dips and lunges. Data from motion sensors are collected by a mobile device located in top pocket of exercising user's trousers. Selection of used methods and their parameters as well as number and type of extracted features is chosen with regard to low computational complexity. When designing a solution, emphasis was put on the fact that it is irrelevant how the device is positioned in the user's pocket. For the thesis, a dataset containing 7 training sessions from 4 different users was created. Designed method was implemented as a desktop application with Command Line Interface and consequently validated on the created dataset. The solution was able to reach metrics of F1-score in range 45.3 % - 74.9 % for analysis and counting repetitions of an unseen user's training session. For an unseen training session of a known user, the metrics of F1-score was up to 94 %.
Keywords:
accelerometer; body-weight exercises; classification; counting of repetitions; dataset; digital signal processing; human activity recognition; IMU; spectral analysis
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/11012/191528