Reconnaissance d’activités humaines à l’aide de capteurs de smartphone.
Loading...
Date
2020
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université Mouloud Mammeri
Abstract
Dans le monde d'aujourd'hui, avec l'utilisation croissante des téléphones portables équipés d'une large gamme de capteurs embarqués tels que le GPS, le gyroscope, l'accéléromètre, etc. Il est devenu plus facile d'analyser des activités humaines quotidiennes afin de pouvoir garantir une surveillance de santé, le suivi de la condition physique ou les systèmes adaptatifs à l'utilisateur.
Dans ce contexte, nous présentons un système de reconnaissance d'activité en utilisant l'apprentissage supervisé à partir d'un ensemble de données contenant des enregistrements de signaux d'accéléromètre et gyroscope intégrés dans les smartphones de différents utilisateurs qui effectuent, à différents endroits, plusieurs activités physiques telles que la marche, le jogging, la montée des escaliers, etc. Pour construire le modèle, l'apprentissage en profondeur, les réseaux de neurones récursifs (RNN) et les réseaux de mémoire à court terme (LSTM) ont été utilisé. Après l'entraînement, le modèle a été enregistré et exporté vers une application Android pour les prédictions en temps réel, avec une interface utilisateur pour exprimer les résultats à l'aide de l'API de synthèse vocale.
Description
80 p. : ill. ; 30 cm. (+ CD-Rom)
Keywords
Reconnaissance d'activités humaines;, Apprentissage machine;, Apprentissage en profondeur (Deep Learning);, Réseaux de neurones;, Classification de données.
Citation
Réseaux, Mobilité et Systèmes Embarqués