RDBU| Repositório Digital da Biblioteca da Unisinos

Reconhecimento dos movimentos humanos utilizando inteligência computacional

Show simple item record

metadataTrad.dc.contributor.author Pinto, Eduardo Sperafico Schneider;
metadataTrad.dc.contributor.advisor Souza, João Olegário de Oliveira de;
metadataTrad.dc.contributor.advisorLattes http://lattes.cnpq.br/4888175103572971;
metadataTrad.dc.publisher Universidade do Vale do Rio dos Sinos;
metadataTrad.dc.title Reconhecimento dos movimentos humanos utilizando inteligência computacional;
metadataTrad.dc.description.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%.;
metadataTrad.dc.subject Classificadores; Inteligência artificial; Machine learning; Redes neurais; Atividades humanas; Acelerômetro;
metadataTrad.dc.type TCC;
metadataTrad.dc.date.issued 2022-06-23;
metadataTrad.dc.identifier.uri http://www.repositorio.jesuita.org.br/handle/UNISINOS/12635;
metadataTrad.dc.audience.educationLevel Graduação;
metadataTrad.dc.curso Engenharia Elétrica;


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search

Advanced Search

Browse

My Account

Statistics