通过物联网设备智能定位和深度人类活动识别
Abdulwahab Alazeb1, Usman Azmat2, Naif Al Mudawi1
1Department of Computer Science, College of Computer Science and Information System, Najran University, Najran 55461, Saudi Arabia.
这项研究引入了一个强大的模型,用于人类活动识别和本地化,使用来自智能手机和智能手表的物联网数据. 该系统在识别用户活动及其位置方面实现了高精度,增强了医疗保健和个人安全方面的应用.
科学领域:
- 无处不在的计算无处不在的计算
- 物联网 (IoT) 的物联网 (IoT) 的物联网.
- 人与计算机的交互
背景情况:
- 无处不在的计算是一个不断增长的研究领域,在医疗保健,行为分析和个人安全方面都有应用.
- 人类活动识别和本地化是无处不在的计算中的关键应用,通常利用可穿戴设备的传感器数据.
- 现有的方法需要强大的模型,能够处理复杂的传感器数据,以准确识别和定位.
研究的目的:
- 通过使用物联网数据提出一个可靠的模型,用于同时识别和定位人类活动.
- 利用智能手机和智能手表传感器数据来增强用户监控和上下文意识.
- 提高活动识别和定位系统的准确性和可靠性.
主要方法:
- 一种使用二级巴特沃思过器和哈明窗口进行数据分割的信号消音技术.
- 生成多个叠加窗口,以在并行的人类活动识别和人类定位模块中可靠地提取特征.
- 应用递归特征消除和特征选择和数据增强的遗传算法,然后训练一个深层神经决策森林.
主要成果:
- 拟议的模型在超感官数据集上实现了88.25%的活动识别精度和90.63%的定位精度.
- 在Sussex-Huawei Locomotion数据集上,该系统在活动识别方面显示了96.00%的准确性,在定位方面显示了90.50%.
- 该系统在活动识别和本地化任务中都超过了现有的最先进的方法.
结论:
- 开发的模型为识别人类活动和使用可穿戴传感器数据分类位置提供了强大而准确的解决方案.
- 活动识别和本地化并行处理,结合高级功能工程和深度学习,显著提高了系统性能.
- 这项研究通过提供适用于各种真实世界的场景的高性能系统,为无处不在计算领域做出了贡献.
更多相关视频
06:49Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment
Published on: December 11, 2015
11:21Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data
Published on: July 27, 2018
相关概念视频
Design Example: Identifying the Locations of Monuments in the Field Using Global Positioning System Device
Field Application of Global Positioning System
Types of Global Positioning System Surveys
Introduction to Global Positioning System
