Đang chuẩn bị liên kết để tải về tài liệu:
Nhận dạng hành động hàng ngày của con người dựa vào cảm biến gia tốc trên điện thoại thông minh

Bài viết này sẽ khảo sát đánh giá một mô hình nhận dạng các hoạt động hàng ngày bao gồm cả các hành vi bất thường dựa trên dữ liệu cảm biến gia tốc của điện thoại thông minh. Ảnh hưởng kích thước cửa sổ trượt và các tập thuộc tính khác nhau lên độ chính xác phân lớp từng hành động cũng sẽ được khảo sát đánh giá trong bài báo này. | Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin FAIR Nha Trang ngày 8-9 10 2020 DOI 10.15625 vap.2020.00194 NHẬN DẠNG HÀNH ĐỘNG HÀNG NGÀY CỦA CON NGƯỜI DỰA VÀO CẢM BIẾN GIA TỐC TRÊN ĐIỆN THOẠI THÔNG MINH Lê Hồng Lam1 Cao Ngọc Ánh2 Nguyễn Hoài Nam3 Nguyễn Đức Nhân4 Trần Thủy Bình4 Nguyễn Hà Nam5 1 Khoa Điện tử Trường Đại học Sư phạm Kỹ thuật Vinh 2 Trường Đại học Kinh tế - Kỹ thuật công nghiệp 3 Cục Công nghệ thông tin Bộ Giáo dục và Đào tạo 4 Khoa Viễn thông 1 Học viện Công nghệ Bưu chính viễn thông 5 Viện Công nghệ thông tin Đại học Quốc gia Hà Nội lehonglam.skv@gmail.com cnanh@uneti.edu.vn nam.moet@gmail.com nhannd@ptit.edu.vn tran.binh95@gmail.com namnh@vnu.edu.vn TÓM TẮT Nhận dạng chính xác hoạt động hàng ngày của con người luôn là một chủ đề thu hút sự chú ý trong nghiên cứu và là một nhiệm vụ khó khăn đặc biệt khi số lượng hoạt động lớn trong đó có cả các hoạt động bất thường như ngã. Nhờ sự phổ biến rộng rãi việc sử dụng điện thoại thông minh bài toán nhận dạng hoạt động dựa vào dữ liệu thu được từ cảm biến trên điện thoại thông minh người dùng đang được quan tâm nhiều. Bài báo này sẽ khảo sát đánh giá một mô hình nhận dạng các hoạt động hàng ngày bao gồm cả các hành vi bất thường dựa trên dữ liệu cảm biến gia tốc của điện thoại thông minh. Ảnh hưởng kích thước cửa sổ trượt và các tập thuộc tính khác nhau lên độ chính xác phân lớp từng hành động cũng sẽ được khảo sát đánh giá trong bài báo này. Tập thuộc tính khác nhau được xem xét dựa trên các miền khác nhau bao gồm tập thuộc tính miền thời gian tập thuộc tính miền tần số và tập thuộc tính Hjorth cùng các tổ hợp giữa các miền để lựa chọn tập thuộc tính phù hợp nâng cao kết quả phân lớp. Thực nghiệm được tiến hành trên các bộ phân loại khác nhau bao gồm Random Forest RF SVM kNN và kết quả thu được cho thấy giải thuật Random Forest đạt được kết quả nhận dạng tốt nhất. Từ khóa Nhận dạng hành động cảm biến gia tốc trên smartphone mô hình phân lớp Random Forest .