Activity Recognition con redes neuronales utilizando el acelerómetro del celular

[DiegoHDMGZ]

Activity Recognition
Integrantes
José Misael Abanto Llanos (jabantol@uni.pe)
Diego Hurtado de Mendoza González Zúñiga (diego.hurtadodemendoza.g@uni.pe)
Patricia Elena Pazce Alama (ppazcea@uni.pe)
Donnalyn Francesca Melgar Grijalba (dmelgarg@uni.pe)

Curso: Inteligencia Artificial (ST414V)

Resumen
El presente proyecto fue realizado para el examen final del curso Inteligencia Artificial con el profesor Oporto.
Se tiene como objetivo principal la clasificación de actividades de una persona a través del uso del acelerómetro del celular. Se definieron 3 tipos de actividades: caminando, parado y saltando. Se creó un dataset con un hombre joven, un hombre adulto, una mujer joven, una mujer adulta realizando cada una de las actividades. Para cada una de las 3 actividades, cada una de las 4 personas realizó 50 experimentos con duración 5 segundos cada uno, con lo que da un total de 600 muestras captadas a través del acelerómetro. Las personas elegidas para crear el dataset son ,en algunos casos, los mismos integrantes del grupo y ,en otros, algunos familiares nuestros.

Cada señal fue pasada por un proceso de segmentación para aumentar la data, con lo que se llegó a un total de 3600 muestras (900 muestras por persona). La señal luego es pasada por un filtro pasabajos gaussiano para poder eliminar el ruido de las frecuencias altas y luego se aplicó la transformada rápida de Fourier (FFT) para convertirlo en un vector de características relacionados con el plano de la frecuencia. Después, todos los vectores de cada muestra de entrenamiento son pasados a una red neuronal que fue entrenado y luego usada para las predicciones.

Finalmente se realizo un prototipo de aplicación para el celular a través de un programa en python creado por el grupo que puede ser ejecutado usando la app Pydroid 3.

Se adjunta el documento pdf con mayores detalles.

Proyecto gitlab : https://gitlab.com/ia-uni/examen-final