@mastersthesis{amslaurea13267,
title = {Progettazione ed implementazione di un sistema generale di Human Activity Recognition attraverso l'utilizzo di sensori embedded ed algoritmi di feature selection},
author = {Alberto Testoni},
url = {https://amslaurea.unibo.it/id/eprint/13267},
year = {2017},
date = {2017-01-01},
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.},
keywords = {android, Feature Selection, Human Activity Recognition, Machine Learning, Pattern recognition, Ubiquitous Computing, Wearable Sensors},
pubstate = {published},
tppubtype = {mastersthesis}
}
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.
