Resumen

El reconocimiento de la actividad humana mediante acelerómetros triaxiales puede proporcionar información valiosa para evaluar las capacidades funcionales. En este artículo, presentamos un enfoque basado en sensores de acelerómetro para el reconocimiento de la actividad humana. Nuestro método de reconocimiento propuesto utiliza un esquema jerárquico, en el que el reconocimiento de diez clases de actividad se divide en cinco problemas de clasificación distintos. Cada clasificador utilizó el algoritmo Least Squares Support Vector Machine (LS-SVM) y Naive Bayes (NB) para distinguir las diferentes clases de actividad. La clase de actividad se reconoció basándose en la media, la varianza, la entropía de la magnitud y el ángulo de las características de la señal del acelerómetro triaxial. Nuestro método de reconocimiento de actividades propuesto reconoció diez actividades con una precisión media del 95,6% utilizando un único acelerómetro triaxial.

• Materias:Ingeniería electrónica Comunicaciones Ópticas Redes Inalámbricas Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering Optical communications Wireless Networks Signal processing computer-assisted Data processing
• Palabras claves:máquina de vectores de soporte de mínimos cuadrados, reconocimiento de actividad humana, método de reconocimiento de actividad, diferentes clases de actividad, distintos problemas de clasificación, reconocimiento de actividad humana, acelerómetro triaxial único, señal de acelerómetro triaxial, bayes ingenuo, sensor de acelerómetro
• Keywords:least squares support vector machine, human activity recognition, activity recognition method, different activity classes, distinct classification problems, human activity recognition, single triaxial accelerometer, triaxial accelerometer signal, naive bayes, accelerometer sensor