Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/2452
Title: Uso de técnicas de aprendizado de máquina para identificar a melhor disposição de sensores vestíveis para detecção de quedas.
Authors: Pinto, Arthur Bernardo Assumpção
metadata.dc.contributor.advisor: Assis, Gilda Aparecida de
Torres, Luiz Carlos Bambirra
metadata.dc.contributor.referee: Leite, Harlei Miguel de Arruda
Amorim, Vicente José Peixoto de
Assis, Gilda Aparecida de
Keywords: Quedas - acidentes em idosos - detectores
Aprendizado do computador
Automação
Issue Date: 2019
Citation: PINTO, Arthur Bernardo Assumpção. Uso de técnicas de aprendizado de máquina para identificar a melhor disposição de sensores vestíveis para detecção de quedas. 2019. 46 f. Monografia (Graduação em Engenharia da Computação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2019.
Abstract: Com o constante crescimento do número de idosos na população atual, tornou-se necessário repensar e propor novas maneiras de se lidar com as demandas específicas da faixa etária, uma vez que as mudanças corporais e psico-sociais nessa idade exigem cuidado. Nesse sentido, as quedas dos idosos estão entre as principais causas de situações de difícil recuperação e mortes. Diante disso, o uso de aprendizagem de maquina junto com a captura de movimentos através de sensores tem sido cada vez mais utilizado para o desenvolvimento de sistemas detectores de quedas. Com isso, o presente trabalho busca utilizar um algoritmo baseado em aprendizagem de máquina para, a partir de dados de sensores vestíveis posicionados em diferentes regiões anatômicas, identificar as melhores posições do corpo humano para uso dos mesmos. Os resultados mostram que a maioria das regiões apresentam um bom desempenho para identificar as atividades diárias. Entretanto, quando trata-se de diferenciar as atividades das quedas, as maiores acurácias foram obtidas com os sensores posicionados no quadril direito e na cintura.
metadata.dc.description.abstracten: With the growing number of elderly people in the current population, it has become necessary to rethink and propose new ways to deal with the specific demands of the age group, since body and psycho-social changes at this age require care. In this sense, the falls of the elderly are among the main causes of difficult recovery situations and deaths. Given this, the use of machine learning along with motion capture through sensors has been increasingly used for the development of fall detection systems. Thus, the present work seeks to use a machine learning algorithm to identify, from wearable sensors data placed in different anatomical regions, to identify the best positions of the human body for their use. Results show that most regions perform well to identify daily activities. However, when it comes to differentiating activities from falls, the highest accuracy was obtained with sensors positioned on the right hip and waist.
URI: http://www.monografias.ufop.br/handle/35400000/2452
Appears in Collections:Engenharia de Computação JMV

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_UsoTécnicasAprendizado.pdf6,13 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.