Resumen
Este trabajo presenta un sistema de detección humana (HS) basado en Modelos de Markov Ocultos (HMMs) para clasificar actividades físicas: caminar, subir escaleras, bajar escaleras, sentarse, estar de pie y acostarse. El sistema incluye un extractor de características (desarrollado por los autores y presentado en un trabajo anterior), un módulo de entrenamiento de HMMs y un módulo HAR. Todos los experimentos se han realizado utilizando un conjunto de datos disponible públicamente denominado UCI Human Activity Recognition Using Smartphones. Los resultados finales utilizando HMMs obtienen resultados comparables a otros métodos de reconocimiento. Se han obtenido algunas mejoras al considerar un procedimiento de entrenamiento de HMMs discriminativo. El mejor resultado obtiene una tasa de error de reconocimiento de actividad (ARER) del 2,5%. Este trabajo se centra en el reconocimiento de actividad independiente y amplía otros trabajos de los mismos autores centrados en la segmentación de actividad y la extracción de características.
Título traducido de la contribución | Monitoreo de actividad humana basado en modelos ocultos de Markov utilizando un teléfono inteligente |
---|---|
Idioma original | Inglés estadounidense |
Páginas (desde-hasta) | 1-5 |
Publicación | Instrumentation & Measurement |
Volumen | 19 |
N.º | 19 |
DOI | |
Estado | Publicada - 12 dic. 2016 |
Palabras clave
- Hidden markov models
- Training
- Feature extraction
- Error analysis
- Computational modeling
- Human factors
Areas de Conocimiento del CACES
- 116A Computación