Sviluppo di un prototipo per l'acquisizione di segnali da geofoni e la classificazione di attività umane

Negli ultimi anni, l'impiego di particolari sensori utilizzati congiuntamente ad algoritmi di Machine Learning ha permesso di sviluppare sistemi in grado di riconoscere e classificare differenti attività umane per mezzo dell’analisi delle vibrazioni strutturali da esse generate. Questo elaborato tratta il progetto e la realizzazione di un prototipo autonomo per l’acquisizione di segnali provenienti da geofoni elettromagnetici al fine di classificare quattro differenti attività umane (camminata, corsa, bicicletta, monopattino). Il cuore del prototipo è costituito dalla scheda Arduino Mega 2560, basata sul microcontrollore elettronico ATMega 2560. A seguito dello sviluppo del prototipo, sono state effettuate le rilevazioni dei dati per ognuna delle sopracitate attività. Si sono poi valutate, tramite matrici di confusione, le performance di una rete neurale feedforward impiegata come classificatore.