Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | http://app.uff.br/riuff/handle/1/32504 |
Resumo: | Smartphones e smartwatches se tornam cada vez mais comuns e acessíveis, e possuem sensores que podem coletar dados sobre a movimentação do usuário. Esses dados podem ser utilizados em sistemas biométricos, fornecendo uma plataforma simples para sistemas móveis de autenticação, que não dependem de um local fixo para funcionar. Por isso, estudos recentes se utilizam desses dispositivos para coletar dados e implementar sistemas biométricos comportamentais. Utilizamos dados de acelerômetro e giroscópio capturados por smartphones e smartwatches de 50 participantes coletados durante a realização de 18 diferentes atividades do cotidiano. Nós utilizamos um modelo de machine learning para fazer o reconhecimento dessas atividades, e seguimos os passos propostos pelo estudo que coletou os dados para reconhecimento biométrico, comparando os resultados. Os resultados apresentados mostram que esses dados, que podem ser coletados de maneira fácil e contínua, são suficientes para implementar sistemas biométricos com diversas atividades, e que essas atividades podem ser reconhecidas com uma alta precisão |
id |
UFF-2_25630d6abea60435c476f2ed89afd31f |
---|---|
oai_identifier_str |
oai:app.uff.br:1/32504 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatchAutenticaçãoBiometriaMineração de dadosReconhecimento de atividades humanasRelógio inteligenteAprendizado de máquinaBiometriaAuthenticationBiometricsData miningHuman activity recognitionSmartphoneSmartwatchAccelerometerGyroscopeSmartphones e smartwatches se tornam cada vez mais comuns e acessíveis, e possuem sensores que podem coletar dados sobre a movimentação do usuário. Esses dados podem ser utilizados em sistemas biométricos, fornecendo uma plataforma simples para sistemas móveis de autenticação, que não dependem de um local fixo para funcionar. Por isso, estudos recentes se utilizam desses dispositivos para coletar dados e implementar sistemas biométricos comportamentais. Utilizamos dados de acelerômetro e giroscópio capturados por smartphones e smartwatches de 50 participantes coletados durante a realização de 18 diferentes atividades do cotidiano. Nós utilizamos um modelo de machine learning para fazer o reconhecimento dessas atividades, e seguimos os passos propostos pelo estudo que coletou os dados para reconhecimento biométrico, comparando os resultados. Os resultados apresentados mostram que esses dados, que podem ser coletados de maneira fácil e contínua, são suficientes para implementar sistemas biométricos com diversas atividades, e que essas atividades podem ser reconhecidas com uma alta precisãoSmartphones and smartwatches have become common and accessible and have motion-based sensors capable of collecting valuable data about their user. These data can be used in biometrics systems and human activity recognition, providing a simple platform for mobile authentication systems, that don’t depend on a fixed location to work. For that reason, recent studies have used such devices to collect and implement motion-based behavioral biometrics systems. We have used accelerometer and gyroscope data captured by smartphones and smartwatches, with 50 participants performing 18 different daily activities collected by one such study. We used a machine learning model to identify the 18 activities, and also followed the steps proposed by the study that collected the data for biometrics systems, comparing our results. The results show that these data, that can be collected easily and continually, are sufficient to implement behavioral biometrics systems with multiple activities and that those activities can be identified with high accuracy.Ramos, Taiane C.Albuquerque, Célio Vinicius Neves deGuerra, RaphaelMoreira, Pedro Augusto Cardoso Cotrim2024-02-29T17:54:11Z2024-02-29T17:54:11Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfMOREIRA, Pedro Augusto Cardoso Cotrim. Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch. 2023. 14 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2023.http://app.uff.br/riuff/handle/1/32504CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2024-02-29T17:54:16Zoai:app.uff.br:1/32504Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T11:14:38.226114Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch |
title |
Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch |
spellingShingle |
Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch Moreira, Pedro Augusto Cardoso Cotrim Autenticação Biometria Mineração de dados Reconhecimento de atividades humanas Relógio inteligente Aprendizado de máquina Biometria Authentication Biometrics Data mining Human activity recognition Smartphone Smartwatch Accelerometer Gyroscope |
title_short |
Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch |
title_full |
Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch |
title_fullStr |
Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch |
title_full_unstemmed |
Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch |
title_sort |
Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch |
author |
Moreira, Pedro Augusto Cardoso Cotrim |
author_facet |
Moreira, Pedro Augusto Cardoso Cotrim |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ramos, Taiane C. Albuquerque, Célio Vinicius Neves de Guerra, Raphael |
dc.contributor.author.fl_str_mv |
Moreira, Pedro Augusto Cardoso Cotrim |
dc.subject.por.fl_str_mv |
Autenticação Biometria Mineração de dados Reconhecimento de atividades humanas Relógio inteligente Aprendizado de máquina Biometria Authentication Biometrics Data mining Human activity recognition Smartphone Smartwatch Accelerometer Gyroscope |
topic |
Autenticação Biometria Mineração de dados Reconhecimento de atividades humanas Relógio inteligente Aprendizado de máquina Biometria Authentication Biometrics Data mining Human activity recognition Smartphone Smartwatch Accelerometer Gyroscope |
description |
Smartphones e smartwatches se tornam cada vez mais comuns e acessíveis, e possuem sensores que podem coletar dados sobre a movimentação do usuário. Esses dados podem ser utilizados em sistemas biométricos, fornecendo uma plataforma simples para sistemas móveis de autenticação, que não dependem de um local fixo para funcionar. Por isso, estudos recentes se utilizam desses dispositivos para coletar dados e implementar sistemas biométricos comportamentais. Utilizamos dados de acelerômetro e giroscópio capturados por smartphones e smartwatches de 50 participantes coletados durante a realização de 18 diferentes atividades do cotidiano. Nós utilizamos um modelo de machine learning para fazer o reconhecimento dessas atividades, e seguimos os passos propostos pelo estudo que coletou os dados para reconhecimento biométrico, comparando os resultados. Os resultados apresentados mostram que esses dados, que podem ser coletados de maneira fácil e contínua, são suficientes para implementar sistemas biométricos com diversas atividades, e que essas atividades podem ser reconhecidas com uma alta precisão |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-02-29T17:54:11Z 2024-02-29T17:54:11Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
MOREIRA, Pedro Augusto Cardoso Cotrim. Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch. 2023. 14 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2023. http://app.uff.br/riuff/handle/1/32504 |
identifier_str_mv |
MOREIRA, Pedro Augusto Cardoso Cotrim. Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch. 2023. 14 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2023. |
url |
http://app.uff.br/riuff/handle/1/32504 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1811823700822982656 |