Tegevuse tuvastamine kiirendusandurite abil
Nimi
Hristijan Sardjoski
Kokkuvõte
Automaatsel tegevuse tuvastamisel on palju rakendusi, iseäranis tervise valdkonnas. Erinevate igapäevaeluliste tegevuste mõõtmine on kasulik, sest see võimaldab saada teavet terviseseisundite kohta, nagu näiteks ülekaalulisus, insult või kukkumine. Veelgi enam, erinevate kasutajasõbralike kantavate seadmete laialdane levik võimaldab koguda kolmeteljelise kiirendusanduri andmeid mittesegavalt ja diskreetselt.
Käesolevas töös on tegevuse tuvastamiseks kasutatud kiirendusanduri andmed on pärit projektist SPHERE [1]. Kiirendusmõõtmised on tehtud nelja kantava seadmega, mis olid kinnitatud katseisiku randmetele ning jalgadele.
Töö võrdleb otsustusmetsa (random forest) ning pika lühiajalise mäluga (LSTM) tehisnärvivõrkude võimet tuvastada 9 siseruumi tegevust: hambapesu, söömine, hambaniiditamine, riietumine/lahtiriietumine, (toidu) segamine, (toidu) pealemäärimine, kõndimine, käte pesemine, kirjutamine. Lisaks laiendatakse tegevuste hulka teadmata tegevusega. Suuremat tähelepanu pööratakse järgmistele teemadele: tunnuste eraldamine, kiirendusanduri aegrea tükeldamine, parameetrite ja hüperparameetrite häälestamine, mudeli treenimine, mudeli hindamine ning üldistusvõime. Tulemused näitavad, et kiirendusanduril põhinevaid ekstraheeritud tunnuseid kasutav otsustusmets ületab tuvastusvõimelt pisut kiirendusanduri mõõtetulemusi muutmata kujul kasutavat LSTM-võrku, ning seda nii 9 tegevuse tuvastamisel kui ka peale teadmata tegevuse lisamist.
Käesolevas töös on tegevuse tuvastamiseks kasutatud kiirendusanduri andmed on pärit projektist SPHERE [1]. Kiirendusmõõtmised on tehtud nelja kantava seadmega, mis olid kinnitatud katseisiku randmetele ning jalgadele.
Töö võrdleb otsustusmetsa (random forest) ning pika lühiajalise mäluga (LSTM) tehisnärvivõrkude võimet tuvastada 9 siseruumi tegevust: hambapesu, söömine, hambaniiditamine, riietumine/lahtiriietumine, (toidu) segamine, (toidu) pealemäärimine, kõndimine, käte pesemine, kirjutamine. Lisaks laiendatakse tegevuste hulka teadmata tegevusega. Suuremat tähelepanu pööratakse järgmistele teemadele: tunnuste eraldamine, kiirendusanduri aegrea tükeldamine, parameetrite ja hüperparameetrite häälestamine, mudeli treenimine, mudeli hindamine ning üldistusvõime. Tulemused näitavad, et kiirendusanduril põhinevaid ekstraheeritud tunnuseid kasutav otsustusmets ületab tuvastusvõimelt pisut kiirendusanduri mõõtetulemusi muutmata kujul kasutavat LSTM-võrku, ning seda nii 9 tegevuse tuvastamisel kui ka peale teadmata tegevuse lisamist.
Lõputöö keel
inglise
Lõputöö tüüp
Magister - Informaatika
Juhendaja(d)
Meelis Kull
Kaitsmise aasta
2019