TAZ-TFM-2018-1093


Detección de actividades humanas con sensores portables

Benages Pardo, Luis
Buldain Pérez, Julio David (dir.)

Universidad de Zaragoza, EINA, 2018
Departamento de Ingeniería Electrónica y Comunicaciones, Área de Tecnología Electrónica

Máster Universitario en Ingeniería Electrónica

Resumen: Diseño e implementación de un sistema capaz de distinguir entre distintas actividades realizadas durante el desempeño de un partido de tenis, siendo la finalidad última la correcta clasificación de un conjunto de golpes realizados. El modelo presenta robustez ante la variabilidad de las dimensiones, edad o sexo de cualquier sujeto que realice las actividades. Los datos han sido recopilados con dos nodos sensores que incorporan acelerómetro y giróscopo, y la tecnología de comunicación de bajo consumo Bluetooth Low Energy. Los modelos creados están basados en técnicas de Deep Learning con aprendizaje semi-supervisado, e implementados con TensorFlow con su API en Python. Primero se ha obtenido un extractor de características de los datos entrenando de manera no supervisada un Autoencoder Convolucional. Después se han entrenado distintas arquitecturas de Perceptrones Multicapa MLP con las características extraídas. Finalmente se exponen los resultados de clasificación obtenidos.

Tipo de Trabajo Académico: Trabajo Fin de Master

Creative Commons License



El registro pertenece a las siguientes colecciones:
Trabajos académicos > Trabajos Académicos por Centro > Escuela de Ingeniería y Arquitectura
Trabajos académicos > Trabajos fin de máster



Volver a la búsqueda

Valore este documento:

Rate this document:
1
2
3
 
(Sin ninguna reseña)