The inclusion of rich sensors in smartphones enables these devices to effectively observe, analyze both the environment and user’s behavior, and thereby identify user’s activity in related context. This trend of expanding sensing capability is expected to continue; promises to have many useful applications are built and deployed. In this thesis, we want to exploit the power of smartphone’s sensing capability in the field of emergency detection. In particular, we study three phases that involve smartphone sensors, consist of sensor calibration, human physical activity recognition and hand gestures recognition. In sensor calibration phase, we propose a static and offline method to calibrate MEMS sensors, including 3-axis accelerometer, 3-axis gyroscope and 3-axis magnetometer. In human physical activity recognition phase, we study an offline method to recognize six basic activities: running, walking, sitting, standing, going upstairs, going downstairs, employ two types of sensors: accelerometer and gyroscope embedded in smartphone. In the third phase, we study one popular algorithm that is dynamic time warping to recognize hand gesture. The result of this thesis includes a tool to perform calibration, a model to recognize six basic activities and a prototype running on smartphone to recognize hand gesture.

L'inclusione di sensori all'interno degli smartphone rende questi ultimi capaci di osservare e analizzare sia l'ambiente circostante sia il comportamento dell'utente, e quindi di identificarne le attività nel contesto relativo. Ci si aspetta che questa tendenza ad espandere le capacità sensoriali dei terminali mobili continui a crescere, il che sembra promettere la possibilità di concepire e sviluppare numerose nuove applicazioni. In questa tesi ci proponiamo di sfruttare tali capacità sensoriali nel campo del riconoscimento automatico delle situazioni di emergenza. In particolare, il nostro studio consta di tre fasi di lavoro che coinvolgono i sensori degli smartphone: calibrazione dei sensori, riconoscimento delle attività dell'utente (mentre lo smartphone è addosso alla persona) e il riconoscimento dei gesti dell'utente (mentre lo smartphone è tenuto in mano). Per la fase di calibrazione proponiamo un metodo statico e offline per calibrare i sensori di tipo MEMS, che comprendono un accelerometro, un giroscopio, e un magnetometro, tutti su tre assi. Per il riconoscimento dell'attività dell'utente elaboriamo un metodo di analisi offline basato sull'accelerometro e il giroscopio per il riconoscimento di sei attività di base: correre, camminare, star seduti, stare in piedi, salire le scale e scenderle. Nella terza parte del lavoro analizziamo il noto algoritmo "dynamic time warping" per il riconoscimento dei gesti dell'utente mentre impugna lo smartphone. I risultati di questa ricerca comprendono uno strumento software per la calibrazione dei sensori, un modello algoritmico per il riconoscimento delle sei suddette attività e un prototipo funzionante di software per smartphone dedicato al riconoscimento dei gesti.

Activity recognition using smartphone based sensors

HO, THI THAO NGUYEN
2012/2013

Abstract

The inclusion of rich sensors in smartphones enables these devices to effectively observe, analyze both the environment and user’s behavior, and thereby identify user’s activity in related context. This trend of expanding sensing capability is expected to continue; promises to have many useful applications are built and deployed. In this thesis, we want to exploit the power of smartphone’s sensing capability in the field of emergency detection. In particular, we study three phases that involve smartphone sensors, consist of sensor calibration, human physical activity recognition and hand gestures recognition. In sensor calibration phase, we propose a static and offline method to calibrate MEMS sensors, including 3-axis accelerometer, 3-axis gyroscope and 3-axis magnetometer. In human physical activity recognition phase, we study an offline method to recognize six basic activities: running, walking, sitting, standing, going upstairs, going downstairs, employ two types of sensors: accelerometer and gyroscope embedded in smartphone. In the third phase, we study one popular algorithm that is dynamic time warping to recognize hand gesture. The result of this thesis includes a tool to perform calibration, a model to recognize six basic activities and a prototype running on smartphone to recognize hand gesture.
VERDICCHIO, MARIO
FONTANA, GIULIO
ING - Scuola di Ingegneria Industriale e dell'Informazione
3-ott-2013
2012/2013
L'inclusione di sensori all'interno degli smartphone rende questi ultimi capaci di osservare e analizzare sia l'ambiente circostante sia il comportamento dell'utente, e quindi di identificarne le attività nel contesto relativo. Ci si aspetta che questa tendenza ad espandere le capacità sensoriali dei terminali mobili continui a crescere, il che sembra promettere la possibilità di concepire e sviluppare numerose nuove applicazioni. In questa tesi ci proponiamo di sfruttare tali capacità sensoriali nel campo del riconoscimento automatico delle situazioni di emergenza. In particolare, il nostro studio consta di tre fasi di lavoro che coinvolgono i sensori degli smartphone: calibrazione dei sensori, riconoscimento delle attività dell'utente (mentre lo smartphone è addosso alla persona) e il riconoscimento dei gesti dell'utente (mentre lo smartphone è tenuto in mano). Per la fase di calibrazione proponiamo un metodo statico e offline per calibrare i sensori di tipo MEMS, che comprendono un accelerometro, un giroscopio, e un magnetometro, tutti su tre assi. Per il riconoscimento dell'attività dell'utente elaboriamo un metodo di analisi offline basato sull'accelerometro e il giroscopio per il riconoscimento di sei attività di base: correre, camminare, star seduti, stare in piedi, salire le scale e scenderle. Nella terza parte del lavoro analizziamo il noto algoritmo "dynamic time warping" per il riconoscimento dei gesti dell'utente mentre impugna lo smartphone. I risultati di questa ricerca comprendono uno strumento software per la calibrazione dei sensori, un modello algoritmico per il riconoscimento delle sei suddette attività e un prototipo funzionante di software per smartphone dedicato al riconoscimento dei gesti.
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
finalthesis.pdf

accessibile in internet solo dagli utenti autorizzati

Descrizione: Thesis text
Dimensione 4.1 MB
Formato Adobe PDF
4.1 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/85064