Žmogaus judesių atpažinimo metodų tyrimas taikant inercinę matavimo sistemą

Abstract

Žmogaus judesių atpažinimo metodų tyrimas taikant inercinę matavimo sistemą. Magistro baigiamasis darbas. Elektronikos inžinerijos laipsniui. Vilniaus Gedimino technikos universitetas. Vilnius, 2020, 58 p., 24 iliustr., 3 lent., 56 bibl., 4 priedų. Šio magistro baigiamojo darbo tikslas – ištirti žmogaus aktyvumo atpažinimui taikomus intelektualiuosius metodus ir pritaikyti pasirinktą metodą plaukimo judesiams atpažinti iš inercine sistema išmatuotų signalų. Šiam tikslui pasiekti buvo atlikta analitinė straipsnių apžvalga, norint išsiaiškinti, su kokiais iššūkiais susiduriama įgyvendinant žmogaus judesių atpažinimo sistemą. Buvo pasirinkta panaudoti dvikryptį rekurentinio neuroninio tinklo tipą. Eksperimentinėje dalyje buvo pritaikytos dvi duomenų paruošimo metodikos ir panaudojus klaidų matricą bei F1 įvertį, įvertinti jų tikslumai. Taigi, buvo ištirti aktyvumo atpažinimo problemos sprendimo metodai bei pritaikytas dvikryptis rekurentinis neuroninis tinklas.

Investigation of human motion recognition methods using inertial measurement system. Master's Thesis for the Degree of Electronics Engineering. Vilnius Gediminas Technical University. Vilnius, 2020, 58 pages, 24 ills., 3 tbls., 56 bibliog., 4 appendices. The aim of this master's thesis is to investigate the intelligent methods used for the human activity recognition and to apply the chosen method for the recognition of swimming movements from the signals measured by the inertial system. To this end, an analytical review of the articles was conducted to elucidate the challenges faced in implementing a human motion recognition system. A bidirectional type of recursive neural network was chosen. In the experimental part, two data preparation methodologies were applied and their accuracy was evaluated using an confusion matrix and an F1-score. Thus, the methods of solving the problem of activity recognition were investigated and a bidirectional recurrent neural network was applied.