Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
HUMAN ACTIVITY MONITORING USING SMARTPHONE
Blekinge Tekniska Högskola, Fakulteten för teknikvetenskaper, Institutionen för tillämpad signalbehandling.
Blekinge Tekniska Högskola, Fakulteten för teknikvetenskaper, Institutionen för tillämpad signalbehandling.
2014 (Engelska)Självständigt arbete på avancerad nivå (masterexamen)Studentuppsats (Examensarbete)
Abstract [en]

The main aim of the project is to develop an algorithm which will classify the activity performed by a human who is carrying a smart phone. The day to day life made humans very busy at work and during daily activities, mostly elderly people who are at home have an important need to monitor their activity by others when they are alone, if they are inactive for a long time without movement, or in some situations like if they have fallen down, became unconscious for sometime or seized with a cardiac arrest etc… will help the observer to know the state of activity of person being monitored. In this project we develop an algorithm to know the activity of a person using accelerometer available in Smartphone. We have extracted the Smartphone accelerometer data using an application called accelerometer data logger version 1.0 available in Smartphone market and have processed the data in Matlab for classifying the different activities of human being into static and dynamic activity, if the activity is dynamic then further classification into walking or running is performed with the algorithm. We implemented smoothening filters for data analysis and statistical techniques like standard deviation, mean and signal magnitude analysis for activity classification. This classification algorithm will let us know the type of activity either static or dynamic and then classify the position of the user, such as walking, running or ideal, which can provide useful information for the observer who is monitoring the activities of wearer, and which will help the wearer for his daily living. To bring out the extensive use of algorithm and to provide valuable feedback for wearer regarding his activities, energy spent by user during the activities was calculated at a given time using regression methods and was implemented in the algorithm. The developed model was able to estimate the energy spent by the user, the observations recorded were almost similar to the treadmill data which is taken as a standard for our model and the mean error is not more than ±2 for 30 observations. The final results when compared with the standard model was proved to be 93 % accurate on average of 30 subjects data which is used for verifying the algorithm developed. With these set of results we have come to a conclusion that algorithm can be easily implemented in a real time Smartphone application with low false predictions and can be implemented with low computational cost and fast real-time response. In future our classification algorithm can also be used in military applications where one can know what the soldier is doing without actually seeing him and additionally it can be proved as a support system in athlete’s health monitoring and training.

Abstract [sv]

I denna modell har vi utvecklat en algoritm för aktivitetsklassificeringoch energiförbrukning uppskattning , vilket hjälper oss i övervakningen daglig mänsklig aktivitet med större noggrannhet . Resultaten valideras med standard energiförbrukning teknik och aktivitetsklassificeringsvideoobservationer. Vi vill att denna modell ska integreras i smarta mobiltelefoner för att ge slutanvändaren en vänlig atmosfär utan att lägga några komplicerade funktioner för hantering av utrustningen . Denna modell är mycket användbart i klinisk uppföljning av patienterna , kommer det att hjälpa oss att övervaka gamla , sjuka och utvecklingsstörda personens aktivitetsidentifiering och hjälper oss i nära övervakning av patienterna men fysiskt att vara borta från dem . Våra bärbara MEMS baserade treaxlig accelerometer system baserat smartphone kompatibel algoritm tillsammans med andra fysiologiska övervakningsparametrarkommer att ge korrekt övervakning rörelse och energiförbrukning uppskattning för klinisk analys . Denna modell är användbar för analys och övervakning av grupp -och enskilda individer , vilket kommer att leda till att spåra deras rörelser och en framgångsrik räddningsaktion för att rädda dem från dödliga sjukdomar och förebygga risker när de är skadade . Framtida arbete kommer att vara kontinuerlig övervakning av ämnen enskild aktivitet tillsammans med gruppaktivitet . Identifiera hållning övergång av olika aktiviteter i en kort tid som att springa till sittande , sittande till stående , står att krypa etc.

Ort, förlag, år, upplaga, sidor
2014. , s. 44
Nyckelord [en]
ACTIVITY MONITORING, ENERGY EXPENDITURE, SMARTPHONES, MEMS, MEDICINE AND BIOLOGY IN SOCIETY.
Nationell ämneskategori
Tvärvetenskapliga studier inom samhällsvetenskap Datavetenskap (datalogi) Omvårdnad
Identifikatorer
URN: urn:nbn:se:bth-2566Lokalt ID: oai:bth.se:arkivex750C658178BC37BDC1257C8200119307OAI: oai:DiVA.org:bth-2566DiVA, id: diva2:829850
Uppsök
teknik
Handledare
Anmärkning
0091-7660885577Tillgänglig från: 2015-04-22 Skapad: 2014-02-17 Senast uppdaterad: 2018-01-11Bibliografiskt granskad

Open Access i DiVA

fulltext(1057 kB)460 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1057 kBChecksumma SHA-512
2e8948cfce42e12c4e7458ee21f76689f2beb70a93aae59068e9723006dbb6bb7f88ced280dd346b6475539b664f0abc2eabb35e555e76d2916185881162e099
Typ fulltextMimetyp application/pdf

Av organisationen
Institutionen för tillämpad signalbehandling
Tvärvetenskapliga studier inom samhällsvetenskapDatavetenskap (datalogi)Omvårdnad

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 460 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 320 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf