Classificação de atividades físicas através do uso do acelerómetro do smartphone

Dissertação de natureza científica realizada para a obtenção do grau de Mestre em Engenharia de redes de comunicação e Multimédia

Os smartphones desempenham hoje um papel ubíquo no acesso e processamento de informação, sendo que, na sua grande maioria, possuem uma miríade de sensores integrados que os torna capazes de gerar informação de elevada precisão e rigor. A monitorização do exercício físico apresenta-se como uma das novas tendências possibilitada pela utilização destes dispositivos. Sensores de movimento, como o acelerómetro, possibilitam a caraterização de movimento. Este trabalho pretende estudar esta temática e desenvolver uma aplicação para o sistema operativo Android, que tira partido dos sensores embutidos nos smartphones e das tecnologias web, com o objetivo de realizar classificação de atividades. A solução desenvolvida é feita com base na arquitetura cliente-servidor. A aplicação cliente realiza a aquisição de dados, visualização e gravação do sinal obtido através do acelerómetro do smartphone e a aplicação servidor recebe a informação adquirida pelo cliente, processa-a e classifica-a. De modo a ser possível classificar movimentos em atividades foi realizada uma extensa análise dos sinais adquirido por forma a perceber quais as caraterísticas mais distintivas e formulou-se o problema em análise do paradigma da aprendizagem supervisionada tendo sido estudados vários tipos de classificadores. O estudo de utilização já realizado, usou um cenário típico de utilização, posicionando o smartphone junto à cintura dentro do bolso frontal direito, na tentativa de simular condições o mais naturais possíveis. A exploração preliminar da extração de caraterísticas tanto no domínio da frequênciaxcomo no domínio do tempo e classificadores paramétricos e não paramétricos permitiu obter resultados preliminares que demonstram que a classificação de atividades é realizada com elevada precisão ( > 95%).

Abstract: Nowadays, smartphones play an ubiquitous role in accessing and processing information, most of them having a myriad of integrated sensors that makes them capable of generating information with high accuracy and precision. The monitoring of physical exercises presents itself as one of the new trends, made possible by the use of devices like smartphones. Motion sensors such as the accelerometer enable live motion measurement. This paper intends to study this issue and develop an application for the Android operating system, which takes advantage of sensors embedded in smartphones and web technologies, with the goal to classify multiple physical activities. The developed solution is based on client-server architecture. The client application performs data acquisition, visualization and recording of the signal obtained by the smartphone's accelerometer and the server application receives the information acquired by the client, processes it and classifies it. In order for the application to be able to classify multiple movements throughout the activity performed by the user, an extensive analysis of the acquired signals was carried out to understand its most distinctive features. We used a supervised approach with the goal of reviewing the best techniques that should be useful for achieving the classification with the lowest error. For the signals acquisition the smartphone was positioned along the waist, inside the right front pocket in na attempt to simulate conditions as natural as possible. The study explored features extracted in both time and frequency domain, and parametric and non-parametric classifiers. Preliminary results demonstrate that the classification of activities can be done with remarkable accuracy ( > 95%).