Reconocimiento de actividades a partir de señales inerciales y acústicas
Year: 2018
Type: dissertation
Abstract: El problema de reconocimiento de actividades consiste en identificar las actividades que realiza una persona o animal a lo largo del tiempo. Se presentan diversos desafíos para discriminar entre actividades, como lo son el procesamiento de registros de larga duración y lidiar con información dada en diferentes escalas temporales. Un sistema de reconocimiento automático puede asistir en estas tareas mediante varias modalidades de captura. En particular, en esta tesis se trabaja en el reconocimiento de actividades a partir de señales inerciales y acústicas. Estas se capturan con sensores dispuestos sobre el cuerpo de la persona o el animal, permitiendo el monitoreo continuo y sin restringir el área de captura. A lo largo de las aplicaciones se evalúan diferentes propuestas para el procesamiento de las señales y la clasificación de las actividades.Las señales inerciales permiten capturar indirectamente los movimientos del cuerpo y se utilizan tanto en humanos como en vacas lecheras. En el caso de las actividades humanas se trabaja principalmente en una nueva representación de las señales, basada en el análisis cepstral. Esta representación permite capturar la dinámica del cuerpo asociada a las actividades de interés. Las características cepstrales, solas o en combinación con otras ya conocidas, se desempeñan muy bien en el reconocimiento de actividades cotidianas y superan a las características del estado del arte. En un esquema similar de trabajo, y de acuerdo a experimentos preliminares, el procesamiento de las señales inerciales también permite la detección de celo en vacas lecheras.Por otra parte, se utilizan señales acústicas para el monitoreo de las actividades alimentarias en vacas lecheras. Se reconocen las dos actividades principales a partir del procesamiento de las señales sonoras. En una primera etapa, se delimitan los bloques de actividad al detectar la periodicidad de los eventos masticatorios. Esta periodicidad es detectada mediante la autocorrelación de la envolvente de la señal. En una segunda etapa, se clasifican los bloques de actividad caracterizando lasinterrupciones, las cuales son detectadas a partir de cambios en la energía del sonido. La evaluación de la propuesta se realiza sobre registros de larga duración y utilizando métricas multidimensionales. Los resultados son satisfactorios y superana un sistema comercial muy utilizado en distintos establecimientos alrededor del mundo.
Source: CONICET Digital (CONICET)
Author: Sebastián R. Vanrell
Language: Spanish
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W2952963973