Pavlov, Alexander (2015)
Erkennung von Aufstehsituationen mit multimodaler Sensorik.
Technische Universität Darmstadt
Masterarbeit, Bibliographie
Kurzbeschreibung (Abstract)
In dieser Arbeit wurde die Erkennung von sechs ausgewählten Aktivitäten mit dem multimodalen Bettsystem untersucht. Bei der multimodalen Sensorik handelt es sich um eine Kombination aus einem Elektropotentialsensor, einem kapazitiven Sensor, einem Passiv-Infrarot-Sensor und einem 3-Achsen-Beschleunigungssensor. Es wurde ein prototypisches System im Multimedia Appliances Lab am Fraunhofer IGD aufgebaut. Anschließend wurden Aufzeichnungen mit zehn Personen durchgeführt und die Trainings- und Testdaten für den Machine-Learning-Algorithmus gesammelt. Aus den aufgenommen Daten wurden die Merkmale im Zeitbereich, im Zeit-Frequenzbereich und im Frequenzbereich extrahiert. Die beste Klassifikationsgenauigkeit des entwickelten Systems, abgeschätzt mit dem F-Maß, berechnet sich zu 0,999 und wurde bei der Aktivität „Epilepsie“ beobachtet. Das über alle Aktivitäten gemittelte F-Maß ist zufriedenstellend und erreicht einen Wert von 0,870.
| Typ des Eintrags: | Masterarbeit |
|---|---|
| Erschienen: | 2015 |
| Autor(en): | Pavlov, Alexander |
| Art des Eintrags: | Bibliographie |
| Titel: | Erkennung von Aufstehsituationen mit multimodaler Sensorik |
| Sprache: | Deutsch |
| Referenten: | Kupnik, Prof. Mario |
| Publikationsjahr: | 17 Dezember 2015 |
| Kurzbeschreibung (Abstract): | In dieser Arbeit wurde die Erkennung von sechs ausgewählten Aktivitäten mit dem multimodalen Bettsystem untersucht. Bei der multimodalen Sensorik handelt es sich um eine Kombination aus einem Elektropotentialsensor, einem kapazitiven Sensor, einem Passiv-Infrarot-Sensor und einem 3-Achsen-Beschleunigungssensor. Es wurde ein prototypisches System im Multimedia Appliances Lab am Fraunhofer IGD aufgebaut. Anschließend wurden Aufzeichnungen mit zehn Personen durchgeführt und die Trainings- und Testdaten für den Machine-Learning-Algorithmus gesammelt. Aus den aufgenommen Daten wurden die Merkmale im Zeitbereich, im Zeit-Frequenzbereich und im Frequenzbereich extrahiert. Die beste Klassifikationsgenauigkeit des entwickelten Systems, abgeschätzt mit dem F-Maß, berechnet sich zu 0,999 und wurde bei der Aktivität „Epilepsie“ beobachtet. Das über alle Aktivitäten gemittelte F-Maß ist zufriedenstellend und erreicht einen Wert von 0,870. |
| Fachbereich(e)/-gebiet(e): | 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Elektromechanische Konstruktionen (aufgelöst 18.12.2018) 18 Fachbereich Elektrotechnik und Informationstechnik > Mess- und Sensortechnik 18 Fachbereich Elektrotechnik und Informationstechnik |
| Hinterlegungsdatum: | 24 Apr 2017 15:09 |
| Letzte Änderung: | 24 Apr 2017 15:09 |
| PPN: | |
| Referenten: | Kupnik, Prof. Mario |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum