Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.12313/1301
Title: Reconocimiento de actividad personal empleando sensores a bordo de dispositivos inteligentes.
Authors: Triana Laguna, Maira Juanita
Advisors: Murcia Moreno, Harold Fabián
Keywords: Aprendizaje automático
Tecnología vestible
Información proveniente de celulares
Reconocimiento de actividades
Myo armband
Issue Date: 2019
Publisher: Universidad de Ibagué
Citation: Triana Laguna, M.J. (2019). Reconocimiento de actividad personal empleando sensores a bordo de dispositivos inteligentes. (Tesis de pregrado en Ingeniería Electrónica). Universidad de Ibagué, Tolima, Colombia.
Abstract: This book presents the use of information provided from an iPhone 7 and a Myo armband device in different acquisition schemes, assessing conventional supervised classifiers to recognize personal activity by an identification of seven classes. The classifiers were trained with a generated database from eight users and were evaluated in offline mode with other two generated databases: a database with three users in each activity and a continuous user's routine with different activities. The prediction experiments were qualified by using F1-score indicator and were compared with the native prediction from the cellphone. The obtained results presented a maximum F1-score of 100% for the first validation test and 80.7% for the second validation test. In addition, although the combined use of an arm device such as the Myo armband didn't present a significant improvement on the general F1-score, its use showed an important improvement on some specific classes.
Description: En este trabajo se presenta el uso de la información proporcionada desde un iPhone 7 y un dispositivo de brazalete Myo Armband del fabricante Thalmic Labs en diferentes esquemas de adquisición, evaluando clasificadores supervisados convencionales para reconocer la actividad personal mediante una identificación de siete clases, todas ellas relacionadas con actividades personales. Los clasificadores fueron entrenados con una base de datos generada por ocho usuarios y evaluados en modo offline con otras dos bases de datos generadas: una base de datos con tres usuarios en cada actividad y una rutina continua de usuarios con diferentes actividades. Los experimentos de predicción se calificaron utilizando el indicador de puntuación F1-score y se compararon con la predicción nativa desde el teléfono móvil. Los resultados obtenidos presentaron una puntuación F1 máxima del 100% para la primera prueba de validación y del 80,7% para la segunda prueba de validación. Además, aunque el uso combinado de un dispositivo de brazo como el brazalete Myo no presentó una mejora significativa en la puntuación general de F1, su uso mostró una mejora importante en algunas clases específicas.
URI: http://repositorio.unibague.edu.co:80/jspui/handle/20.500.12313/1301
Appears in Collections:Facultad de Ingeniería

Files in This Item:
File Description SizeFormat 
Trabajo de grado.pdf3.39 MBAdobe PDFThumbnail
View/Open
Anexos.zip332.76 MBUnknownView/Open
Autorizacion publicacion.pdf
  Restricted Access
95.37 kBAdobe PDFView/Open Request a copy



This item is licensed under a Creative Commons License Creative Commons