Utilizing Time Series Classification in Mobile Complex Activity Recognition

December 02, 2019 – ,

Über mobile Sensorgeräte wie Smartphones, Fitness Tracker und spezielle Inertial Measurement Units (IMUs) ist es heutzutage möglich, eine Vielzahl an menschlichen Bewegungsdaten zu erfassen, mit Hilfe derer man auf die zugrundeliegenden Bewegungen des Menschen zurückschließen kann. Mögliche Anwendungsgebiete sind beispielsweise das Loggen von ausgeführten Übungen in Fitness Apps oder das Interagieren mit mobilen Spielen über Gesten. Dabei erlaubt es eine Kombination von mehreren, an verschiedenen Positionen angebrachten Sensoren, auch komplexere Unterscheidungen durchzuführen, d.h. beispielsweise auch verschiedene Gangarten voneinander zu unterscheiden.

Ziel der Arbeit ist es, verschiedene Verfahren im Bereich der Time Series Classification auf ihre Einsetzbarkeit zur mobilen Bewegungserkennung zu untersuchen. Dabei soll sowohl auch die Segmentierung der Datenströme (Wann wurde eine Bewegung ausgeführt?), als auch auf die Klassifikation der ausgeführten Bewegungen (Welche Bewegung wurde ausgeführt?) eingegangen werden.

Keywords:

Research Area(s):

Tutor: Müller,

Student: Alexander Josef Müller

Open Theses