Resumen

El campo del reconocimiento de actividades ha evolucionado relativamente temprano y ha atraído a innumerables investigadores. Con el continuo desarrollo de la ciencia y la tecnología, la investigación de las personas sobre el reconocimiento de actividades humanas también se está profundizando y enriqueciendo. Hoy en día, ya sea en medicina, educación, deportes o hogares inteligentes, varios campos han desarrollado un fuerte interés en el reconocimiento de actividades, y una serie de resultados de investigación también se han puesto en la producción y la vida real de las personas. En la actualidad, los teléfonos inteligentes se han vuelto bastante populares, y la tecnología se está volviendo cada vez más madura, y varios sensores han surgido en un momento histórico, por lo que la investigación relacionada con el reconocimiento de actividades basada en sensores de teléfonos móviles tiene su necesidad y posibilidad. Este artículo utilizará un teléfono inteligente Android para recopilar los datos de seis comportamientos básicos humanos, que son caminar, correr, estar de pie, sentarse, subir escaleras y bajar escaleras, a través de su sensor de aceleración, y utilizará el modelo clásico de aprendizaje profundo CNN (red neuronal convolucional) para fusionar esos datos móviles multidimensionales, utilizando TensorFlow para el entrenamiento del modelo y la evaluación de pruebas. El modelo generado se transplantará finalmente a un teléfono Android para completar el sistema de reconocimiento de actividades en el extremo móvil.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Campo; Reconocimiento de actividad; Investigación; Sensores; Aprendizaje profundo; Teléfono móvil
• Keywords:Field; Activity recognition; Research; Sensors; Deep learning; Mobile phone