Classificação de movimentos humanos utilizando um smartphone com auxílio de inteligência artificial

Detalhes bibliográficos
Autor(a) principal: Nascimento, Jonathan Reis
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFABC
Texto Completo: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105906
Resumo: Orientador: Prof. Dr. Michel Oliveira da Silva Dantas
id UFBC_2e11eacb373877cd324b34b141feaf43
oai_identifier_str oai:BDTD:105906
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling Classificação de movimentos humanos utilizando um smartphone com auxílio de inteligência artificialCLASSIFICAÇÃO DE MOVIMENTOSSMARTPHONESSENSORES INERCIAISCLASSIFICATION OF MOVEMENTSINERTIAL SENSORSPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA - UFABCOrientador: Prof. Dr. Michel Oliveira da Silva DantasDissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia Elétrica, 2017.As atividades realizadas através de movimentações do corpo são fundamentais para manter e promover a saúde humana, permitindo melhorar nossa qualidade de vida. Neste contexto, são cada vez mais desenvolvidos sistemas comerciais para monitorar movimentos humanos. Entretanto, os sistemas existentes, compostos normalmente por análise de imagens capturadas por câmeras de vídeo, plataformas de força, eletromiografia (EMG), etc, necessitam de ambientes especiais para serem aplicados, limitando o resultado e a fidelidade da análise dos movimentos. Desta forma, o objetivo desta pesquisa foi apresentar o estudo de um sistema de classificação de movimentos humanos utilizando sensores inerciais dos tipos acelerômetro e giroscópio de um Smartphone, sendo uma tecnologia atraente, de baixo custo e viável para substituir os métodos tradicionais aplicados neste tipo de análise. Utilizando os sensores inerciais de um Smartphone, e com o auxílio do aplicativo Matlab Mobile, foi possível enviar, através da comunicação Wi Fi, os sinais de aceleração e velocidade angular para uma central de processamento. Os sinais destes sensores foram janelados para extrair características distintas para cada movimento e foram utilizadas nos algoritmos classificadores baseados em inteligência artificial Arvores de Decisão e o KNN (K Nearest Neighbor). Três abordagens foram realizadas com o intuito de verificar a sensibilidade dos sensores inerciais quando submetidos a classificação individualmente e combinando os sinais de aceleração e velocidade angular. O sensor acelerômetro se mostrou com alta eficiência em conjunto com a técnica KNN, obtendo 92,8 % de acertos gerais. Utilizando apenas o giroscópio, novamente o classificador KNN se mostrou superior em comparação ao classificador Árvores de Decisão, com uma taxa de acertos gerais de 80,1 %. Por fim, combinando os sinais dos sensores, os dois classificadores apresentaram um alto desempenho, obtendo 90,7 % para o classificador KNN e 89,7 % utilizando o classificador Árvores de Decisão. Procurou-se analisar e comparar diferentes técnicas e sistemas de classificação de movimentos humanos que podem ser consideradas alternativas à opção realizada neste trabalho. Foram analisados, ainda, outros trabalhos relacionados à classificação de movimentos, buscando comparar as vantagens e desvantagens de cada método. Estas comparações mostram que os resultados obtidos neste trabalho são similares, provando que um único dispositivo permite uma classificação de movimentos humanos com alto desempenho e baixo custo.The activities carried out through body movements are important to maintain and to promote human health, increasing our life quality. In this context, commercial systems have been developed increasingly for human movement monitoring. However, the existing systems, which are usually composed by analysis of images captured by video cameras, power platforms, electromyography, etc., require special room to be applied, thus limiting the outcome and the fidelity of the motion in analysis. Based on the exposed, the objective of this research was to present the study of a human movement classification system using the accelerometer and gyroscope inertial sensors of a Smartphone. Such alternative aims to be an attractive, low cost and viable technology to replace the traditional methods applied in this type of analysis. By using the inertial sensors of a Galaxy S6 Smartphone coupled with Matlab Mobile application, it was possible to send the signals of acceleration and angular velocity to a processing center through Wi Fi communication. The signals from these sensors were windowed to extract features for each movement, and they were used in the algorithms based on Artificial Intelligence Decision Trees and KNN (K Nearest Neighbor). Three approaches were carried out with the purpose of verifying the sensitivity of the inertial sensors when subjected to individual classification and combining the signs of acceleration and angular velocity. The accelerometer sensor presented high efficiency when coupled with the KNN technique, obtaining 92.8 % of general hit rate. By using only the gyroscope, the KNN was superior in comparison to the Decision Trees, with a general hit rate of 80.1%. Finally, by combining the signals from booth sensors, the two classifiers presented a high performance: 90.7% for the KNN and 89.7% for the Decision Trees. We have analyzed and compared different techniques and systems of classification of human movements that are alternatives to that used in this work. Other works related to the classification of movements were also analyzed, aiming to compare the advantages and disadvantages of each method. These comparisons showed that the results obtained in this work are quite similar, which indicates that is possible to use a single device to obtain a classification of human movements with high performance and low cost.Dantas, Michel Oliveira da SilvaSuyama, RicardoGaleazzo, ElisabeteNascimento, Jonathan Reis2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf118 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105906http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105906&midiaext=74192http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105906&midiaext=74191Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=105906porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2017-08-17T10:09:30Zoai:BDTD:105906Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2017-08-17T10:09:30Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.none.fl_str_mv Classificação de movimentos humanos utilizando um smartphone com auxílio de inteligência artificial
title Classificação de movimentos humanos utilizando um smartphone com auxílio de inteligência artificial
spellingShingle Classificação de movimentos humanos utilizando um smartphone com auxílio de inteligência artificial
Nascimento, Jonathan Reis
CLASSIFICAÇÃO DE MOVIMENTOS
SMARTPHONES
SENSORES INERCIAIS
CLASSIFICATION OF MOVEMENTS
INERTIAL SENSORS
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA - UFABC
title_short Classificação de movimentos humanos utilizando um smartphone com auxílio de inteligência artificial
title_full Classificação de movimentos humanos utilizando um smartphone com auxílio de inteligência artificial
title_fullStr Classificação de movimentos humanos utilizando um smartphone com auxílio de inteligência artificial
title_full_unstemmed Classificação de movimentos humanos utilizando um smartphone com auxílio de inteligência artificial
title_sort Classificação de movimentos humanos utilizando um smartphone com auxílio de inteligência artificial
author Nascimento, Jonathan Reis
author_facet Nascimento, Jonathan Reis
author_role author
dc.contributor.none.fl_str_mv Dantas, Michel Oliveira da Silva
Suyama, Ricardo
Galeazzo, Elisabete
dc.contributor.author.fl_str_mv Nascimento, Jonathan Reis
dc.subject.por.fl_str_mv CLASSIFICAÇÃO DE MOVIMENTOS
SMARTPHONES
SENSORES INERCIAIS
CLASSIFICATION OF MOVEMENTS
INERTIAL SENSORS
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA - UFABC
topic CLASSIFICAÇÃO DE MOVIMENTOS
SMARTPHONES
SENSORES INERCIAIS
CLASSIFICATION OF MOVEMENTS
INERTIAL SENSORS
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA - UFABC
description Orientador: Prof. Dr. Michel Oliveira da Silva Dantas
publishDate 2017
dc.date.none.fl_str_mv 2017
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105906
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105906
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105906&midiaext=74192
http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=105906&midiaext=74191
Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=105906
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
118 f. : il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1801502099116130304

Registros relacionados