Detekce lidské aktivity na základě senzorů mobilního zařízení
Loading...
Date
Authors
Straka, Marek
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Táto práca sa venuje analýze senzorových údajov získaných cez Generic Sensor API s cieľom klasifikovať ľudskú aktivitu metódami strojového učenia. Práca poskytuje detailný opis tohto rozhrania, možnosti využitia a taktiež možné obmedzenia v moderných prehliadačoch dostupných pre mobilné zariadenia. Hlavným prínosom tejto práce je vytvorenie vlastnej anotovanej dátovej sady senzorových dát nazbieraných pomocou spomínaného API rozhrania, obsahujúca merania zozbierané počas vykonávania vybraných aktivít. Z týchto dát bolo vytvorených niekoľko klasifikátorov rozpoznávacúcich vykonávanú aktivitu, kedy najlepší dosahoval úspešnosť klasifikácie 92 až 96\% pri rozpoznávaní deviatich rôznych aktivít. Natrénované modely boli nasadené v implementovanej webovej aplikácií, kde boli testované na dátach meraných v aktuánom čase u viacerých používateľov. Výsledky tejto práce poskytujú ucelený návrh riešenia od zberu a spracovania senzorových dát, až po ich prípravu pre klasifikáciu, natrénovanie klasifikačných modelov a následného vhodného otestovania.
This work is devoted to the analysis of sensor data obtained via the Generic Sensor API with the aim of classifying human activity using machine learning methods. The work provides a detailed description of this interface, its possible uses, and also possible limitations in modern browsers available for mobile devices. The main contribution of this work is the creation of a custom annotated dataset of sensor data collected using the aforementioned API interface, containing measurements collected during the performance of selected activities. Several classifiers recognizing the performed activity were created from this data, with the best achieving a classification success rate of 92 to 96\% when recognizing nine different activities. The trained models were deployed in an implemented web application, where they were tested on data measured in real time by multiple users. The results of this work provide a comprehensive solution proposal from the collection and processing of sensor data to their preparation for classification, training of classification models, and subsequent appropriate testing.
This work is devoted to the analysis of sensor data obtained via the Generic Sensor API with the aim of classifying human activity using machine learning methods. The work provides a detailed description of this interface, its possible uses, and also possible limitations in modern browsers available for mobile devices. The main contribution of this work is the creation of a custom annotated dataset of sensor data collected using the aforementioned API interface, containing measurements collected during the performance of selected activities. Several classifiers recognizing the performed activity were created from this data, with the best achieving a classification success rate of 92 to 96\% when recognizing nine different activities. The trained models were deployed in an implemented web application, where they were tested on data measured in real time by multiple users. The results of this work provide a comprehensive solution proposal from the collection and processing of sensor data to their preparation for classification, training of classification models, and subsequent appropriate testing.
Description
Keywords
{Generic Sensor API, mobilné zariadenia, akcelerometer, gyroskop, magnetometer, orientácia, neurónové siete, príznaky, aktivity, senzor, signál, meranie, Generic Sensor API, mobile devices, accelerometer, gyroscope, magnetometer, orientation, neural networks, features, activities, sensor, signal, measurement
Citation
STRAKA, M. Detekce lidské aktivity na základě senzorů mobilního zařízení [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2025.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
Inteligentní zařízení
Comittee
doc. Ing. František Zbořil, CSc. (předseda)
RNDr. Marek Rychlý, Ph.D. (člen)
doc. Ing. Vladimír Janoušek, Ph.D. (člen)
Ing. Martin Hrubý, Ph.D. (člen)
doc. Ing. Michal Bidlo, Ph.D. (člen)
Ing. Tomáš Goldmann, Ph.D. (člen)
Date of acceptance
2025-06-25
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení