Original title: Rozpoznávání lidské aktivity s pomocí senzorů v chytrém telefonu
Translated title: Human Activity Recognition Using Smartphone
Authors: Novák, Andrej ; Červenák, Rastislav (referee) ; Burget, Radim (advisor)
Document type: Master’s theses
Year: 2016
Language: slo
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [slo] [eng]
Nárast používateľov mobilných “inteligentných” telefónov neustále narastá a spolu s tým aj dopyt po automatizácií a využití čo najviac ponúkaných aspektov telefónu či už v oblasti medicíny (zdravotná starostlivosť a dohľad) alebo v oblasti používateľských aplikácií (automatické rozpoznávanie pozície a pod.), V rámci tejto práce boli vytvorené návrhy a implementácia systému pre rozpoznávanie ľudskej činnosti na základe spracovania dát zo senzorov z “inteligentných” telefónov, spolu so stanovením optimálnych parametrov, zhodnotenia úspešnosti a porovnanie jednotlivých vyhodnotení. Medzi ďalšie prínosy patrí návrh formátu a vytvorenie početnej trénovacej množiny skladajúcej sa z reálnych príspevkov a ich manuálne ohodnotenie. Popri hlavnom prínose vznikol aj softwarový nástroj, ktorý umožňuje hodnotenie prvkov trénovacej množiny a získavanie príznakov z tejto množiny a sofware, ktorý je schopný za pomoci hlbokého učenia trénovať modely a následne ich testovať. The increase of mobile smartphones continues to grow and with it the demand for automation and use of the most offered aspects of the phone, whether in medicine (health care and surveillance) or in user applications (automatic recognition of position, etc.). As part of this work has been created the designs and implementation of the system for the recognition of human activity on the basis of data processing from sensors of smartphones, along with the determination of the optimal parameters, recovery success rate and comparison of individual evaluation. Other benefits include a draft format and displaying numerous training set consisting of real contributions and their manual evaluation. In addition to the main benefits, the software tool was created to allow the validation of the elements of the training set and acquisition of features from this set and software, that is able with the help of deep learning to train models and then test them.
Keywords: ANN; categorization; classification; deep learning; extraction of features; genetic algorithm; human activity recognition; k-NN; machine learning; softmax; SVM; time series; train set

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/11012/59872

Permalink: http://www.nusl.cz/ntk/nusl-552045


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