Reconhecimento de atividade humana usando sensores inerciais e aprendizado de máquina

• Processo: 18/06463-6
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2018
• Data de Término da vigência: 31 de dezembro de 2018
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Teoria da Computação
• Pesquisador responsável: Roseli Aparecida Francelin Romero
• Beneficiário: Felipe Aparecido Garcia
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Redes neurais (computação) Visão computacional Atividades humanas Ambiente inteligente
• Palavra(s)-Chave do Pesquisador: Casas Inteligentes | Deep Learning | Modelos Ocultos de Markov | Reconhecimento de atividade humana | Redes neurais | Sensores Inerciais | Aprendizado de Máquina

Resumo

Neste trabalho, pretende-se reconhecer atividade humana ao aplicar diferentes técnicas de classificação a bases de dados públicas com informações sobre diversas tarefas realizadas por voluntários. As principais técnicas a serem utilizadas serão baseadas em Deep Learning, em especial arquiteturas de redes neurais recorrentes, como Long Short-Term Memory (LSTM). As principais bases a serem trabalhadas serão SBHAR, que possui dados inerciais de smartphones fixados à cintura dos usuários, e PAMAP2, que consiste em informações de sensores inerciais vestíveis distribuídos pelo corpo de usuários e monitores cardíacos utilizados durante as tarefas propostas. Adicionalmente, pretende-se aplicar aos mesmos bancos outras técnicas de reconhecimento, para uma avaliação comparativa. Dentre elas, a principal serão os Modelos Ocultos de Markov. Pretende-se, dessa forma, determinar a melhor técnica, dentre as utilizadas, para classificar os dados trabalhados, a princípio limitados a dados inerciais. Essas técnicas de reconhecimento serão aplicadas a ambientes inteligentes. (AU)