User, device, orientation and position independent human activity recognition on smart phones

User, device, orientation and position independent human activity recognition on smart phones

Advisor: 

Cem Ersoy

Assigned to: 

Yunus Emre Ustev

Type: 

Year: 

2015

Status: 

Summary:

Smart phones equipped with a rich set of sensors are explored as alternative platforms for human activity recognition in the ubiquitous computing domain. However, there exist challenges that should be tackled before the successful acceptance of such systems by the masses. In this thesis, we particularly focus on the challenges arising from the differences in user behavior and in the hardware. To investigate the impact of these factors on the recognition accuracy, we collected data from 20 users focusing on five basic locomotion activities using the accelerometer, gyroscope and magnetometer. Using this dataset, we analyze whether activity recognition can be performed independently in terms of device, device model, user, device orientation and device position. We first show that, using raw acceleration, above 96% recognition accuracy can be obtained for device and model dependency tests, while success rate for orientation and user dependency tests remained at 87% and 90%. In order to tackle these issues, we first calculated linear acceleration, then using sensor fusion these acceleration readings are converted from phone coordinates to the earth coordinates. These methods helped in removing the orientation effects and increased both the user-independent and orientation-independent activity recognition accuracy to 98% and 95%. Finally, we analyze the impact of phone position on activity recognition using three different methods, namely using a generalized classifier, position-specific classifier and a joint classifier and show that using position-specific classification is not necessary, a generalized classifier performs very similarly. However, analyzing the confusion matrices, we observe that, stationary activities (sitting and standing) reduce the performance and combining these activities into a stationary class boosted recognition rates up to 98%.

Özet:

Zengin bir algılayıcı kümesi ile donatılmış akıllı telefonlar, insan eylemlerinin tanınmasında alternatif platformlar olarak yaygın hesaplama alanında araştırılmaktadır. Ancak bu tip sistemlerin kitleler tarafından başarılı bir şekilde kabul edilebilmesi için bir takım zorluklar mevcuttur. Bu tezde, bilhassa insan davranışlarından ve donanımdan kaynaklanan zorluklara yoğunlaşılmıştır. Bu faktörlerin eylem tanıma başarımı üzerindeki etkisini analiz edebilmek için, 20 katılımcıdan ivmeölçer algılayıcısı kullanılarak, beş temel hareket eylemi içeren bir veri kümesi toplanmıştır. Bu veri kümesi kullanılarak, eylem tanımanın cihaz, cihaz modeli, kullanıcı, cihaz yönelimi ve cihaz pozisyonu gibi telefon üzerinde eylem tanımayı etkileyecek faktörlerden bağımsız olarak yapılıp yapılamayacağı analiz edilmiştir. Öncelikle cihaz ve cihaz modelinden bağımsız bir şekilde eylem tanıma deneylerinde %96 başarım elde edilirken, cihaz pozisyonu ve kullanıcı bağımlılığı testlerinde %87 ve %90 başarım elde edilebildi. Bu konularla baş etmek için, öncelikle doğrusal ivmelenme değerleri hesaplandı ve ardından algılayıcıların birleşimi ile ivmenin telefon koordinatlarından dünya koordinatlarına çevrilmesi sağlandı. Bu metotlar ile, cihazın yöneliminin etkisi ortadan kaldırılarak, kişiden ve yönelimden bağımsız eylem tanımanın başarımı sırayla %98 ve %95'e yükselmiştir. Son olarak telefonun pozisyonun etkisi üç farklı metot, genel sınıflandırma, pozisyona-özel sınıflandırma ve ortak sınıflandırma kullanılarak analiz edilmiş ve pozisyona özel sınıflandırma yapmanın gerekli olmadığı genel sınıflandırma kullanmanın da benzer sonuçlar elde ettiği gösterilmiştir. Ancak, karışıklık matrislerine yakından bakıldığında sabit aktivitelerin (ayakta durma ve oturma) başarımı düşürdüğü ve bu aktiviteleri tek bir sınıfta birleştirilmesi ile eylemler %98 üzerinde bir başarım ile tanınabilmektedir.

Bize Ulaşın

Bilgisayar Mühendisliği Bölümü, Boğaziçi Üniversitesi,
34342 Bebek, İstanbul, Türkiye

  • Telefon: +90 212 359 45 23/24
  • Faks: +90 212 2872461
 

Bizi takip edin

Sosyal Medya hesaplarımızı izleyerek bölümdeki gelişmeleri takip edebilirsiniz