Influence of accelerometer signal preprocessing and classification method on human activity recognition

Kupryjanow, A.; Kaszuba, K.; Czyżewski, A.

Artykuł - szczegóły

Tytuł artykułu

Influence of accelerometer signal preprocessing and classification method on human activity recognition

Autorzy

Kupryjanow A. , Kaszuba K. , Czyżewski A.

Identyfikatory

Warianty tytułu

Wpływ przetwarzania wstępnego i wyboru metody klasyfikacji na skuteczność rozpoznawania aktywności ruchowych

Języki publikacji

Abstrakty

A study of data preprocessing influence on accelerometer-based human activity recognition algorithms is presented. The frequency band used to filter-out the accelerometer signals and the number of accelerometers involved were considered in terms of their influence on the recognition accuracy. In the tests four methods of classification were used: support vector machine, decision trees, neural network, k-nearest neighbor.

W artykule przedstawiono wpływ przetwarzania wstępnego sygnału przyspieszenia na skuteczność rozpoznawania aktywności ruchowych. Przeanalizowano zależność filtracji sygnałów oraz ilości zastosowanych czujników na skuteczność klasyfikacji. W badaniach wykorzystano cztery różne klasyfikatory: maszynę wektorów wsparcia, drzewa decyzyjne, sztuczne sieci neuronowe oraz klasyfikator najbliższego sąsiada.

Słowa kluczowe

accelerometer human activity recognition human activity classification k-nearest neighbor neural network support vector machine (SVM) decision tree

czujniki przyspieszenia rozpoznawanie aktywności klasyfikacja ruchu algorytm k najbliższego sąsiada sieć neuronowa maszyna wektorów wsparcia drzewo decyzyjne

Wydawca

Wydawnictwo SIGMA-NOT

Czasopismo

Elektronika : konstrukcje, technologie, zastosowania

Rocznik

2010

Tom

Vol. 51, nr 3

Strony

18--23

Opis fizyczny

Bibliogr. 14 poz., tab.

Twórcy

autor

Kupryjanow A.

autor

Kaszuba K.

autor

Czyżewski A.

Gdańsk University of Technology, Multimedia Systems Department, Gdańsk, Poland

Bibliografia

[1] Baga D., Fotiadis D. I., Konitsiotis S., et. all.: PERFORM: Personalised Disease Management for Chronic Neurodegenerative Diseases: The Parkinson's Disease and Amyotrophic Lateral Sclerosis Cases. eChallenges e-2009 Conference, 21-23 October 2009, Istanbul, Turkey (in press).
[2] Aminian K., Najafi B.: Capturing human motion using body-fixed sensors: outdoor measurement and clinical applications. Computer Animation and Virtual Worlds 15, pp. 79-94, 2004.
[3] Lee S. W., Mase K.: Activity and Location Recognitions Using Wearable Sensors. Pervasive Computing July-September, pp. 24-32, 2002.
[4] Greenlaw R., Robledo M. G., Estrada J. J., et. all.: PERFORM: Building and mining electronic records of neurological patients being monitored in the home, World Congress on Medical Physics and Biomedical Engineering, 7-12 September 2009, Munich, Germany (in press).
[5] Maziewski P., Suchomski P., Kostek B., Czyżewski A.: An Intuitive Graphical User Interface for the Parkinson's Disease Patients, Proceedings of the 4th International IEEE EMBS Conference on Neural Engineering, April 29 - May 2, 2009, Antalya, Turkey.
[6] Mathie M. J., Coster A. C. F., Lovell N. H., Celler B. G.: Accelerometry: providing an integrated, practical method for long-term, ambulatory monitoring of human movement - Physiological measurement 25, pp. R1-R20, 2004.
[7] Godfrey A., Conway R., Meagher D., OLaighin G.: Direct Measurement of Human Movement by Accelerometry, Medical Engineering & Physics 30, pp. 1364-1386, 2008.
[8] Bao L., Intille S. S.: Activity Recognition from User-Annotated Acceleration Data. PERVASIVE 2004, LNCS 3001, pp. 1-17, 2004.
[9] Ravi N., Dandekar N., Mysore P., Littman M.: Activity Recognition from Accelerometer Data. Proceedings of the Seventeenth Conference on Innovative Applications of Artificial Intelligence (IAAI-05), pp. 1541-1546, 2005.
[10] Huynh T., Schiele B.: Analyzing Features for Activity Recognition. Joint sOc-EUSAl Conference, Grenoble, October 2005.
[11] Shimmer: Sensing Health with Intelligence Modularity, Mobility and Experimental Reusability. Real Time Technologies Manual, September 2008.
[12] Lombriser C., Bharatula N., Troste G., Roggen D.: On-body activity recognition in a dynamic sensor netowork. Proceedings of the ICST 2nd International Conference on Body Area Networks, Article No. 17, Florence, Italy, 2007.
[13] Engelbrecht A. P: Computational Intelligence. John Willey & Sons, West Sussex, 2007.
[14] Larose D. T.: Discovering Knowledge in Data. An Introduction to DATA MINING. John Willey & Sons, London, 2005.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BWA9-0036-0003