Rozpoznání dopravních prostředků pomocí signálů snímaných chytrým telefonem

Simple item page
but.committeeprof. Ing. Valentýna Provazník, Ph.D. (předseda) Ing. Martin Vítek, Ph.D. (místopředseda) Ing. Vratislav Čmiel, Ph.D. (člen) doc. RNDr. Martin Kovár, Ph.D. (člen) Ing. Martin Lamoš, Ph.D. (člen) Ing. Jan Červený, Ph.D. (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Doc. Kovár položil otázku: Jak aplikace může pomoci sledovaným lidem? Prof. Provazník položil otázku: Jakými prostředky lze docílit zlepšení výsledků? Ing. Čmiel položil otázku: Jak lze interpretovat obrázek ve Vaší práci týkající se trénování klasifikátoru? Ing. Lamoš položil otázku: Zjišťovala jste, jak jsou korelovaná data z akcelerometru a z gyroskopu? Studentka obhájila diplomovou práci.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorSmíšek, Radovancs
dc.contributor.authorNevěčná, Leonacs
dc.contributor.refereeVítek, Martincs
dc.date.created2018cs
dc.description.abstractDíky vývoji v poslední době přibývá miniaturizovaných senzorů umísťovaných do chytrých telefonů jako jsou akcelerometr, gyroskop, magnetometr, přijímač souřadnic globálního pozičního systému (GPS), mikrofon a dalších. Použití těchto senzorů k rozpoznávání lidské aktivity, za účelem zlepšení péče o zdraví je stále více aktuálním tématem. Výhodou použití chytrého telefonu k sledování aktivity osob je, že se jedná o přístroj, který u sebe měřená osoba má a nejsou s měřením žádné dodatečné náklady, nevýhodou je omezená paměť i kapacita baterie. Proto byly vybrány pouze senzory akcelerometr, gyroskop, magnetometr a mikrofon, jejichž kombinací je dosaženo nejlepšího výsledku. Senzor GPS nebyl použit pro svou energetickou náročnost a hlavně nespolehlivost vzorkování. Z naměřených dat byly vypočítány příznaky, které byly použity pro tvorbu klasifikačního modelu. Nejvyšší úspěšnosti bylo dosaženo metodou strojového učení zvanou náhodný les (angl. Random Forest). Hlavním cílem práce je vytvořit algoritmus pro rozpoznání dopravních prostředků ze signálů naměřených chytrým telefonem. Vytvořený algoritmus zvládá rozpoznání chůze a jízdy autem, autobusem, tramvají, vlakem a na kole s úspěšností 97,4 % při validaci na 20 % pozdržených dat. Při testování na sadě dat od desátého dobrovolníka byla výsledná úspěšnost vypočítaná jako průměr úspěšností rozpoznání jednotlivých druhů přepravy 90,49 %.cs
dc.description.abstractThanks to the development in recent years, the placement of miniaturized sensors such as accelerometers, gyroscopes, magnetometers, global positioning system receivers (GPS), microphones or others to commercially sold smartphones is increasing. Use of these sensors (which are to be found in the smartphone) for human activity recognition with health care improvement in mind is a discussed theme. Advantages of the use of smartphone for human movement monitoring lies in the fact that it is a device that the person measured carries with them and there are no additional costs. The disadvantages are a limited storage and battery. Therefore, only accelerometer, gyroscope, magnetometer, and microphone were chosen because their combination achieves best results. GPS sensor was excluded for its lack of reliability in sampling and for being energy demanding. Features were computed from the measured data and used for learning of the classification model. The highest accuracy was achieved with the use of a machine learning method called Random Forest. The main goal of this work was to create an algorithm for transportation mode recognition using signals sensed by a smartphone. The created algorithm succeeds in classification of walk, car, bus, tram, train, and bike in 97.4 % with 20 % holdout validation. When tested on a new set of data from the tenth volunteer, the resulting accuracy counted as average form classification recall for each transportation mode reached 90.49 %.en
dc.description.markAcs
dc.identifier.citationNEVĚČNÁ, L. Rozpoznání dopravních prostředků pomocí signálů snímaných chytrým telefonem [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.cs
dc.identifier.other110561cs
dc.identifier.urihttp://hdl.handle.net/11012/81924
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectHARcs
dc.subjectchytrý telefoncs
dc.subjectdopravní prostředkycs
dc.subjectakcelerometrcs
dc.subjectgyroskopcs
dc.subjectmagnetometrcs
dc.subjectGPScs
dc.subjectmikrofoncs
dc.subjectnáhodný lescs
dc.subjectHARen
dc.subjectsmartphoneen
dc.subjecttransportation modesen
dc.subjectaccelerometeren
dc.subjectgyroscopeen
dc.subjectmagnetometeren
dc.subjectGPSen
dc.subjectmicrophoneen
dc.subjectRandom Foresten
dc.titleRozpoznání dopravních prostředků pomocí signálů snímaných chytrým telefonemcs
dc.title.alternativeRecognition of vehicles using signals sensed by smartphoneen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2018-06-13cs
dcterms.modified2018-06-14-07:30:25cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid110561en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:34:29en
sync.item.modts2025.01.15 12:49:29en
thesis.disciplineBiomedicínské inženýrství a bioinformatikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
10.02 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
58.31 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_110561.html
Size:
4.51 KB
Format:
Hypertext Markup Language
Description:
file review_110561.html
Download
Collections
2018