activity_recognition_from_accelerometer_data_set
Ceci est une ancienne révision du document !
Table des matières
Activity Recognition from Single Chest-Mounted Accelerometer Data Set
Votre mission: Reconnaître l'activité du porteur d'un Accéléromètre.
Source des datas
Activités
- Working at Computer
- Standing Up, Walking and Going updown stairs
- Standing
- Walking
- Going UpDown Stairs
- Walking and Talking with Someone
- Talking while Standing
Documentation
Source sur GitHub
Représentation des datas
Apprentissage avec les données brutes
Recherche des zones valable en Input de Keras
Quelle est la zone des datas à conserver en Input ?
Définition des bornes avec des sliders
Application d'un filtre: Algorithme de Savitzky-Golay
Comparaison avant et après le filtre
Après correction
Activité 1 : Working at Computer
Activité 5: Going UpDown Stairs
Activité 6: Walking and Talking with Someone
Conclusion après analyse des courbes
Une seule personne a fait 15 fois le même parcours avec les mêmes activités, en portant toujours le même accéléromètre.
Cet appareil est probablement un Rasberry Pi alimenté par batterie 5v USB. Un sélecteur permet de définir le numéro d'activité. Pas cher, facile à construire !
Ou un téléphone avec une application fixé sur la poitrine.
Apprentissage / Test
Modèle
model = Sequential() # Input layer model.add(layers.Dense(units=4, input_shape=(PAQUET, 3))) model.add(layers.Flatten()) # Hiiden layer model.add(layers.Dense(64)) # Output model.add(layers.Dense(7))
Résultats
Paquets,51,window,41,polyorder,1,Efficacité,"38,9",Epochs,5 Paquets,251,window,81,polyorder,9,Efficacité,"38,1",Epochs,10 Paquets,251,window,31,polyorder,7,Efficacité,"37,6",Epochs,20 Paquets,151,window,51,polyorder,1,Efficacité,"37,5",Epochs,10 Paquets,301,window,81,polyorder,7,Efficacité,"37,4",Epochs,5 Paquets,125,window,61,polyorder,9,Efficacité,"37,2",Epochs,5 Paquets,75,window,21,polyorder,1,Efficacité,"36,9",Epochs,10 Paquets,151,window,61,polyorder,3,Efficacité,"36,9",Epochs,10 Paquets,301,window,21,polyorder,9,Efficacité,"36,8",Epochs,10 Paquets,301,window,61,polyorder,9,Efficacité,"36,8",Epochs,10 Paquets,251,window,71,polyorder,7,Efficacité,"36,6",Epochs,20 Paquets,101,window,81,polyorder,1,Efficacité,"36,5",Epochs,10 Paquets,151,window,51,polyorder,5,Efficacité,"36,5",Epochs,10 Paquets,51,window,61,polyorder,5,Efficacité,"36,3",Epochs,20 Paquets,301,window,51,polyorder,9,Efficacité,"36,3",Epochs,20 Paquets,301,window,81,polyorder,5,Efficacité,"36,3",Epochs,20 Paquets,25,window,51,polyorder,9,Efficacité,"36,2",Epochs,20 Paquets,251,window,61,polyorder,3,Efficacité,36,Epochs,5 Paquets,51,window,71,polyorder,3,Efficacité,"35,9",Epochs,10 Paquets,301,window,51,polyorder,9,Efficacité,"35,6",Epochs,10 Paquets,125,window,51,polyorder,5,Efficacité,"35,5",Epochs,5 Paquets,51,window,31,polyorder,9,Efficacité,"35,4",Epochs,10 Paquets,101,window,31,polyorder,5,Efficacité,"35,4",Epochs,20 Paquets,101,window,51,polyorder,7,Efficacité,"35,4",Epochs,5 Paquets,101,window,41,polyorder,1,Efficacité,"35,2",Epochs,5 Paquets,251,window,31,polyorder,3,Efficacité,"35,2",Epochs,10 Paquets,151,window,21,polyorder,9,Efficacité,"35,1",Epochs,10 Paquets,151,window,31,polyorder,7,Efficacité,"35,1",Epochs,20 Paquets,251,window,81,polyorder,3,Efficacité,"35,1",Epochs,5 Paquets,301,window,51,polyorder,5,Efficacité,"35,1",Epochs,20 Paquets,101,window,81,polyorder,1,Efficacité,35,Epochs,5 Paquets,125,window,21,polyorder,1,Efficacité,35,Epochs,20
Construction de mon propre capteur
Application Android
Pour Roulez Bourrez: création d'une application Android avec Kivy pour capter une marche de 10 secondes et en déduire l'alcoolémie.
Capture de datas pour l'apprentissage
Des testeurs cobayes seront chargés de picoler, enregister les verres bus et capturer leur marche !
activity_recognition_from_accelerometer_data_set.1602666651.txt.gz · Dernière modification : 2020/10/14 09:10 de serge