Resumen

El objetivo de la Vida Activa y Asistida es desarrollar herramientas que favorezcan el envejecimiento en el lugar de las personas mayores, y los algoritmos de reconocimiento de la actividad humana pueden ayudar a controlar a las personas mayores en los entornos domésticos. Para abordar esta tarea se pueden utilizar diferentes tipos de sensores, y los sensores RGBD, especialmente los utilizados para juegos, son rentables y proporcionan mucha información sobre el entorno. Este trabajo tiene como objetivo proponer un algoritmo de reconocimiento de actividad que explote los datos del esqueleto extraídos por los sensores RGBD. El sistema se basa en la extracción de poses clave para componer un vector de características, y una máquina de vectores de apoyo multiclase para realizar la clasificación. El cálculo y la asociación de las poses clave se realizan mediante un algoritmo de agrupación, sin necesidad de un algoritmo de aprendizaje. El enfoque propuesto se evalúa en cinco conjuntos de datos disponibles públicamente para el reconocimiento de actividades, mostrando resultados prometedores especialmente cuando se aplica para el reconocimiento de acciones relacionadas con AAL. Finalmente, se discute la aplicabilidad actual de esta solución en escenarios AAL y las futuras mejoras necesarias.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:algoritmo de reconocimiento de actividades, pose clave, sensor rgbd, vector de soporte multiclase, objetivo de activo, tipo de sensor, máquina de vector de soporte, reconocimiento de aal, datos de esqueleto, vida asistida
• Keywords:activities recognition algorithm, key pose, rgbd sensor, multiclass support vector, aim of active, type of sensor, support vector machine, recognition of aal, skeleton data, assisted living