Rozpoznávání lidské aktivity s pomocí senzorů v chytrém telefonu
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
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.
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.
Description
Keywords
časové rady, extrakcia príznakov, genetický algoritmus, kategorizácia, klasifikácia, rozpoznávanie ľudskej činnosti, strojové učenie, hlboké učenie, softmax, SVM, ANN, k-NN, trénovacia množina, time series, extraction of features, genetic algorithm, categorization, classification, human activity recognition, machine learning, deep learning, softmax, SVM, ANN, k-NN, train set
Citation
NOVÁK, A. Rozpoznávání lidské aktivity s pomocí senzorů v chytrém telefonu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2016.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
Telekomunikační a informační technika
Comittee
prof. Ing. Miroslav Vozňák, Ph.D. (předseda)
doc. Ing. Karel Burda, CSc. (místopředseda)
Ing. Radoslav Vargic, Ph.D. (člen)
doc. Ing. Radim Burget, Ph.D. (člen)
Ing. Lukáš Langhammer, Ph.D. (člen)
Ing. František Urban (člen)
Date of acceptance
2016-06-09
Defence
Můžete blíže popsat graf Youden?
Student podrobně popsal graf youden.
Jak jste určil, že parametry okna ve Vaší práci?
Student odpověděl podrobně na otázku.
Neuronové sítě ve Vaší práci. Jak se navrhovala struktura této sítě?
Student dostatečně odpověděl.
Jaké předzpracování pro oddělení fyzikálních sloek jste použil?
Data již byly oddělené díky hardwaru v telefonu.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení