Resumen

Este trabajo presenta un modelo de reconocimiento de actividad humana (HAR) basado en características de audio. El uso del sonido como fuente de información para los modelos HAR representa un desafío debido a que los análisis de ondas sonoras generan cantidades muy grandes de datos. Sin embargo, las técnicas de selección de características pueden reducir la cantidad de datos necesaria para representar una muestra de señal de audio. Algunas de las características de audio que se analizaron incluyen los coeficientes cepstrales de frecuencia Mel (MFCC). Aunque los MFCC se utilizan comúnmente en el reconocimiento de voz e instrumentos, su utilidad dentro de los modelos HAR aún no ha sido confirmada, y este trabajo valida su utilidad. Además, se extrajeron características estadísticas de las muestras de audio para generar el modelo HAR propuesto. El tamaño de la información es necesario para conformar un modelo HAR y tiene un impacto directo en la precisión del modelo. Este problema también fue abordado en el presente trabajo; nuestros resultados indican que somos capaces de reconocer una actividad humana con una precisión del 85% utilizando el modelo HAR propuesto. Esto significa que se necesitan costos computacionales mínimos, lo que permite a los dispositivos portátiles identificar actividades humanas utilizando el audio como fuente de información.

• Materias:Algoritmo dinámico Redes Inalámbricas Redes de Comunicación Sistema de colas Teoría de juegos
• Subjects:Dynamic Algorithm Wireless Networks Communication networks Queuing systems Game theory
• Palabras claves:Características de audio; Análisis de ondas sonoras; Técnicas de selección de características; Coeficientes cepstrales de frecuencia Mel; Características estadísticas; Reconocimiento de la actividad humana
• Keywords:Audio features; Sound wave analyses; Feature selection techniques; Mel-frequency cepstral coefficients; Statistical features; Human activity recognition