Aktivitätserkennung mittels Sensordaten eines Smartphones

Inhaltsverzeichnis

• Einleitung
• Allgemeiner Klassifizierungsprozess konkretisiert zur Realisierung eines Aktivitätserkennungssystems.
  • Datenerfassung
  • Konfiguration des Datenerfassungssystems.
  • Smartphone Sensoren.
  • Kombination von Sensoren
  • Datenvorverarbeitung
  • Fehlende Messwerte und Signalschätzung.
  • Normalisieren.
  • Merkmalskalierung (Normalisieren)
  • Fensterung.
  • Merkmalsextraktion
  • Instanzbasierte Merkmalsextraktion.
  • Modellbasierte Merkmalsextraktion.
  • Merkmalselektion
  • Filter Ansatz (Statistischer Ansatz).
  • Wrapper Ansatz (Kombinatorische Merkmalselektion).
  • Inkludierter Ansatz (Embedded Approach).
  • Ensemble Feature Selection (EFS).
  • Transformation / Dimensionsreduktion.
  • Klassifizierung
  • Klassifizierung anhand instanzbasierter Merkmale.
  • Klassifizierung anhand modellbasierter Merkmale.
  • Hyperparameteroptimierung
  • Variante: Trageorientierungsunabhängigkeit
  • Beschleunigungsbetragsverfahren.
  • Einheitliches Bezugssystem.
• Entwicklung eines Aktivitätserkennungssystems anhand des allgemeinen Klassifizierungsprozesses
• Grundlegendes Aktivitätserkennungssystem
• Datenerfassung.
• Merkmalsextraktion
• Klassifizierung.
• Erkennungsraten von Sensorkombinationen
• Analysen zur Verbesserung des Aktivitätserkennungssystems
• Merkmalselektion.
• Bestimmung der Frequenzbänder.
• Datenvorverarbeitung.
• Zusammenfassung der Analyseergebnisse.
• Erkennungsraten von Sensorkombinationen (optimierte Konfiguration).
• Hyperparameteroptimierung und MLP
• Variante Beschleunigungsbetragsverfahren.
• Echtzeitaktivitätserkennung
• Segmentierung der Sensorsignale durch Fensterung.
• Energieeffiziente Aktivitätserkennung
• Optimierung Abtastfrequenz.
• Optimierung der zu übermittelnden Daten bei einer Server Client Architektur.
• Evaluation des Aktivitätserkennungssystems
• Fazit

Zielsetzung und Themenschwerpunkte

Diese Arbeit hat zum Ziel, die Effizienz der Aktivitätserkennung mithilfe von Sensordaten eines Smartphones zu untersuchen. Dabei liegt der Fokus auf der Entwicklung eines Echtzeitaktivitätserkennungssystems, das die Tragegewohnheiten des Nutzers berücksichtigt und gleichzeitig energieeffizient ist.

• Entwicklung eines Aktivitätserkennungssystems für Smartphones.
• Optimierung der Erkennungsraten durch Analyse von Sensordaten und Merkmalsextraktion.
• Bewertung verschiedener Klassifikationsmethoden und Auswahl der optimalen Methode.
• Steigerung der Energieeffizienz des Systems.
• Bewertung der Praktikabilität und Usability des entwickelten Systems.

Zusammenfassung der Kapitel

Das erste Kapitel führt in die Thematik der Aktivitätserkennung mit Sensordaten von Smartphones ein und erläutert die Motivation für die Entwicklung eines solchen Systems. Kapitel zwei beschreibt den allgemeinen Klassifizierungsprozess, der als Grundlage für die Entwicklung des Aktivitätserkennungssystems dient. Die einzelnen Schritte des Klassifizierungsprozesses werden detailliert erläutert, von der Datenerfassung über die Datenvorverarbeitung bis hin zur Merkmalsextraktion und Klassifizierung. Kapitel drei konzentriert sich auf die Entwicklung des Aktivitätserkennungssystems selbst. Hier werden verschiedene Ansätze zur Merkmalsextraktion und Klassifizierung vorgestellt und ihre Ergebnisse hinsichtlich der Erkennungsraten und der Energieeffizienz verglichen. Kapitel vier evaluiert das entwickelte Aktivitätserkennungssystem anhand verschiedener Metriken und diskutiert die Ergebnisse. Schließlich fasst das fünfte Kapitel die Ergebnisse zusammen und gibt einen Ausblick auf zukünftige Forschungsrichtungen.

Schlüsselwörter

Aktivitätserkennung, Smartphone Sensoren, Zeitreihenanalyse, Klassifizierung, Merkmalsextraktion, Merkmalselektion, Energieeffizienz, Echtzeitverarbeitung, Tragegewohnheiten.