Testoni, Alberto
(2017)
Progettazione ed implementazione di un sistema generale di Human Activity Recognition attraverso l'utilizzo di sensori embedded ed algoritmi di feature selection.
[Laurea], Università di Bologna, Corso di Studio in
Informatica per il management [L-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (1MB)
| Contatta l'autore
|
Abstract
L'eccezionale sviluppo della microelettronica e dei sistemi informatici verificatosi nell'ultimo decennio ha consentito la nascita di sensori e dispositivi mobili con caratteristiche senza precedenti; l'elevata potenza di calcolo, il basso costo e le ridotte dimensioni hanno fatto diventare questi strumenti parte della nostra vita quotidiana. Gli smartphone dei nostri giorni integrano funzionalità di comunicazione ed elevate capacità computazionali e di sensing, attraverso un largo numero di sensori embedded. I dati provenienti dai sensori presenti sullo smartphone possono fornire informazioni utili circa l'ambiente nel quale si trova l'utente che sta utilizzando il dispositivo; come raccogliere e analizzare queste grandi quantità di dati rispettando la privacy dell'utente costituisce un'importantissima sfida per il futuro, nonché un'area di ricerca molto attiva. Sofisticate tecniche di riconoscimento si occupano di identificare automaticamente l'attività che l'utente sta svolgendo o il veicolo con il quale egli si sta spostando utilizzando i dati provenienti dai sensori dello smartphone; questo processo di inferenza statistica è possibile grazie ai modelli prodotti dagli algoritmi di classificazione. Partendo dallo stato dell'arte nel campo della cosiddetta Human Activity Recognition, si evidenziano alcune importanti domande ancora senza risposta: è possibile costruire un sistema di classificazione affidabile tracciando il maggior numero possibile di sensori? Il processo di classificazione e di creazione del modello può essere spostato su un server remoto in grado di effettuare velocemente operazioni costose? In questa tesi di laurea si cerca di rispondere alle domande appena poste, implementando un sistema di identificazione automatica dell'attività svolta dall'utente costituito da un'applicazione Android e da un server remoto dedicato al processo di classificazione.
Abstract
L'eccezionale sviluppo della microelettronica e dei sistemi informatici verificatosi nell'ultimo decennio ha consentito la nascita di sensori e dispositivi mobili con caratteristiche senza precedenti; l'elevata potenza di calcolo, il basso costo e le ridotte dimensioni hanno fatto diventare questi strumenti parte della nostra vita quotidiana. Gli smartphone dei nostri giorni integrano funzionalità di comunicazione ed elevate capacità computazionali e di sensing, attraverso un largo numero di sensori embedded. I dati provenienti dai sensori presenti sullo smartphone possono fornire informazioni utili circa l'ambiente nel quale si trova l'utente che sta utilizzando il dispositivo; come raccogliere e analizzare queste grandi quantità di dati rispettando la privacy dell'utente costituisce un'importantissima sfida per il futuro, nonché un'area di ricerca molto attiva. Sofisticate tecniche di riconoscimento si occupano di identificare automaticamente l'attività che l'utente sta svolgendo o il veicolo con il quale egli si sta spostando utilizzando i dati provenienti dai sensori dello smartphone; questo processo di inferenza statistica è possibile grazie ai modelli prodotti dagli algoritmi di classificazione. Partendo dallo stato dell'arte nel campo della cosiddetta Human Activity Recognition, si evidenziano alcune importanti domande ancora senza risposta: è possibile costruire un sistema di classificazione affidabile tracciando il maggior numero possibile di sensori? Il processo di classificazione e di creazione del modello può essere spostato su un server remoto in grado di effettuare velocemente operazioni costose? In questa tesi di laurea si cerca di rispondere alle domande appena poste, implementando un sistema di identificazione automatica dell'attività svolta dall'utente costituito da un'applicazione Android e da un server remoto dedicato al processo di classificazione.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Testoni, Alberto
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Human Activity Recognition,Android,Feature Selection,Wearable Sensors,Ubiquitous Computing,Machine Learning,Pattern recognition
Data di discussione della Tesi
14 Marzo 2017
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Testoni, Alberto
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Human Activity Recognition,Android,Feature Selection,Wearable Sensors,Ubiquitous Computing,Machine Learning,Pattern recognition
Data di discussione della Tesi
14 Marzo 2017
URI
Statistica sui download
Gestione del documento: