RDBU| Repositório Digital da Biblioteca da Unisinos
Reconhecimento dos movimentos humanos utilizando inteligência computacional
- RDBU
- →
- Rede Jesuíta Brasil
- →
- Unisinos
- →
- Produção Acadêmica
- →
- Escola Politécnica
- →
- Trabalhos de Conclusão de Curso
- →
- Graduação
- →
- Engenharia Elétrica
- →
- Ver item
JavaScript is disabled for your browser. Some features of this site may not work without it.
| Autor | Pinto, Eduardo Sperafico Schneider; |
| Orientador | Souza, João Olegário de Oliveira de; |
| Lattes do orientador | http://lattes.cnpq.br/4888175103572971; |
| Instituição | Universidade do Vale do Rio dos Sinos; |
| Título | Reconhecimento dos movimentos humanos utilizando inteligência computacional; |
| Resumo | Este trabalho possui como objetivo, o desenvolvimento de um algoritmo que se utilize de inteligência artificial para classificar as atividades diárias do corpo humano. Será utilizado um banco de dados já existente de sinais de acelerômetro, os dados deste acelerômetro após processados foram classificados por uma rede neural MLP. As atividades humanas diárias que foram foco do escopo deste trabalho são: andar, correr, ficar parado, sentado e a subida e descida de escadas. Após a seleção do banco de dados, foram elaboradas as rotinas de reconhecimento das atividades humanas, incluindo etapas como pré-processamento, janelamento, cálculo de features e classificação. Foram também analisados diferentes valores para o janelamento e parâmetros de modo a encontrar uma melhor performance. Com relação aos classificadores, foi testado o classificador do tipo redes neurais artificiais. Ao fim do trabalho, foi obtida uma acurácia média de 80,74% para as 6 classes. Foram encontrados problemas principalmente na identificação de movimentos de subida e descida de escadas, evidenciados pela grande melhora de acurácia média quando estes movimentos foram excluídos do treinamento e teste da rede neural. No geral, a acurácia média do classificador desenvolvido foi inferior a acurácia média de classificadores verificados em outros artigos acadêmicos onde a acurácia média alcançava patamares superiores a 90%.; |
| Palavras-chave | Classificadores; Inteligência artificial; Machine learning; Redes neurais; Atividades humanas; Acelerômetro; |
| Tipo | TCC; |
| Data de defesa | 2022-06-23; |
| URI | http://www.repositorio.jesuita.org.br/handle/UNISINOS/12635; |
| Nivel | Graduação; |
| Curso | Engenharia Elétrica; |
Arquivos deste item
Este item aparece na(s) seguinte(s) coleção(s)
-
Engenharia Elétrica [95]
Engenharia Elétrica