izboljševanja prepoznavanja aktivnosti iz položajev značk
DESCRIPTION
Izboljševanja prepoznavanja aktivnosti iz položajev značk. Mitja Luštrek Institut Jožef Stefan Odsek za inteligentne sisteme. Ozadje. Projekt Confidence: ugotavljanje zdravstvenih težav starejših iz gibanja. Ozadje. Projekt Confidence: ugotavljanje zdravstvenih težav starejših iz gibanja - PowerPoint PPT PresentationTRANSCRIPT
Izboljševanja prepoznavanja aktivnostiiz položajev značk
Mitja LuštrekInstitut Jožef Stefan
Odsek za inteligentne sisteme
Ozadje
• Projekt Confidence: ugotavljanjezdravstvenih težav starejših iz gibanja
Ozadje
• Projekt Confidence: ugotavljanjezdravstvenih težav starejših iz gibanja
• Uporabniku na telo pritrdimo značke• S senzorji določamo položaj značk v prostoru• Prepoznamo aktivnost• Interpretiramo kot normalno / nenormalno
Dva dela
• Spremembe v prepoznavanju aktivnostizaradi menjave hardvera: Smart → Ubisense
Dva dela
• Spremembe v prepoznavanju aktivnostizaradi menjave hardvera: Smart → Ubisense
• Izboljševanje prepoznavanja z izkoriščanjem znanja o:– zaporednih prepoznavah
Dva dela
• Spremembe v prepoznavanju aktivnostizaradi menjave hardvera: Smart → Ubisense
• Izboljševanje prepoznavanja z izkoriščanjem znanja o:– zaporednih prepoznavah– značilnih napakah
Menjava hardvera
• Prej: Smart– infrardeč, zelo natančen– Gaussov šum– do 12 značk
Menjava hardvera
• Prej: Smart– infrardeč, zelo natančen– Gaussov šum– do 12 značk
• Zdaj: Ubisense– radijski (UWB), manj natančen– nepravilen šum– 4 značke
Prilagoditev prepoznavanja aktivnosti
• 10 × na sekundo zajamemo koordinate značk → en nabor atributov
Prilagoditev prepoznavanja aktivnosti
• 10 × na sekundo zajamemo koordinate značk → en nabor atributov
• Več zaporednih naborov atributov združimo v atributni vektor
Prilagoditev prepoznavanja aktivnosti
• 10 × na sekundo zajamemo koordinate značk → en nabor atributov
• Več zaporednih naborov atributov združimo v atributni vektor
• S strojnim učenjem atributne vektorje klasificiramo v aktivnosti
Prilagoditev prepoznavanja aktivnosti
• 10 × na sekundo zajamemo koordinate značk → en nabor atributov
• Več zaporednih naborov atributov združimo v atributni vektor
• S strojnim učenjem atributne vektorje klasificiramo v aktivnosti
IS 2008Samo 4 značke dajo malo
manevrskega prostora
Koliko? Kako?
Kateri algoritem?
Število naborov in algoritem
• Število naborov atributov– 1–10
Število naborov in algoritem
• Število naborov atributov– 1–10 → več je bolje, najbolje torej 10
Število naborov in algoritem
• Število naborov atributov– 1–10 → več je bolje, najbolje torej 10
• Algoritem za strojno učenje– 3-najbližji sosedi– podporni vektorji– naključni gozd– “bagging”– “boosting” Adaboost M1
Število naborov in algoritem
• Število naborov atributov– 1–10 → več je bolje, najbolje torej 10
• Algoritem za strojno učenje– 3-najbližji sosedi– podporni vektorji– naključni gozd– “bagging”– “boosting” Adaboost M1
Način združevanja
• Nizanje t t + 1 t + 2 t + 31 1,5 2 2,5
En nabor atributov(en atribut)
Način združevanja
• Nizanje t t + 1 t + 2 t + 31 1,5 2 2,5
Atributni vektor
Način združevanja
• Nizanje
• Povprečenje
t t + 1 t + 2 t + 31 1,5 2 2,5
t t + 1 t + 2 t + 31,75
Način združevanja
• Nizanje
• Povprečenje
• Povprečenje + naklon
t t + 1 t + 2 t + 31 1,5 2 2,5
t t + 1 t + 2 t + 31,75
t t + 1 t + 2 t + 31,75 0,5
Način združevanja
• Nizanje
• Povprečenje
• Povprečenje + naklon
t t + 1 t + 2 t + 31 1,5 2 2,5
t t + 1 t + 2 t + 31,75
t t + 1 t + 2 t + 31,75 0,5
Izboljševanje prepoznavanjaPrave aktivnosti
hoja hoja hoja spuščanje spuščanje spuščanje
Osnovni klasifikatorhoja hoja padanje spuščanje ležanje spuščanje
Izboljševanje prepoznavanjaPrave aktivnosti
hoja hoja hoja spuščanje spuščanje spuščanje
Osnovni klasifikatorhoja hoja padanje spuščanje ležanje spuščanje
Izboljšavahoja hoja padanje hoja hoja hoja
Izboljšana klasifikacijahoja
Izboljševanje prepoznavanjaPrave aktivnosti
hoja hoja hoja spuščanje spuščanje spuščanje
Osnovni klasifikatorhoja hoja padanje spuščanje ležanje spuščanje
Izboljšana klasifikacijahoja hoja
Izboljšavahoja padanje spuščanje hoja hoja spuščanje
Izboljševanje prepoznavanjaPrave aktivnosti
hoja hoja hoja spuščanje spuščanje spuščanje
Osnovni klasifikatorhoja hoja padanje spuščanje ležanje spuščanje
Izboljšana klasifikacijahoja hoja hoja
Izboljšavapadanje spuščanje ležanje hoja spuščanje spuščanje
Izboljševanje prepoznavanjaPrave aktivnosti
hoja hoja hoja spuščanje spuščanje spuščanje
Osnovni klasifikatorhoja hoja padanje spuščanje ležanje spuščanje
Izboljšana klasifikacijahoja hoja hoja spuščanje
Izboljšavaspuščanje ležanje spuščanje spuščanje spuščanje spuščanje
Izboljševanje prepoznavanjaPrave aktivnosti
hoja hoja hoja spuščanje spuščanje spuščanje
Osnovni klasifikatorhoja hoja padanje spuščanje ležanje spuščanje
Izboljšana klasifikacijahoja hoja hoja spuščanje spuščanje
Izboljšavaležanje spuščanje spuščanje spuščanje
Izboljševanje prepoznavanjaPrave aktivnosti
hoja hoja hoja spuščanje spuščanje spuščanje
Osnovni klasifikatorhoja hoja padanje spuščanje ležanje spuščanje
Izboljšana klasifikacijahoja hoja hoja spuščanje spuščanje spuščanje
Izboljšavaležanje spuščanje
Predstavitev znanja za izboljševanje
Leva prava aktivnost ... Leva prava
aktivnostDesna prava
aktivnost ... Desna prava aktivnost
W
A različnih aktivnosti
A različnih aktivnosti
W možnih položajev meje
• A × (A – 1) × W različnih oken pravih aktivnosti• Vsakemu oknu pripada porazdelitev prepoznanih
aktivnosti
Prvi način izboljševanja
• Učenje:pri oknu pravih akt. [hoja, spuščanje, spuščanje]števec ([hoja, hoja, padanje])++
• Izboljševanje:pri oknu prepoznanih akt. [hoja, hoja, padanje] poiščemo okno pravih aktivnosti, kjer je verjetnost ([hoja, hoja, padanje]) največja
Prave aktivnosti hoja spuščanje spuščanjePrepoznane aktivnosti hoja hoja padanje
Drugi način izboljševanja
• Učenje:pri oknu pravih akt. [hoja, spuščanje, spuščanje]števec (1. aktivnost = hoja)++števec (2. aktivnost = hoja)++števec (3. aktivnost = padanje)++
Prave aktivnosti hoja spuščanje spuščanjePrepoznane aktivnosti hoja hoja padanje
Drugi način izboljševanja
• Izboljševanje:pri oknu prepoznanih akt. [hoja, hoja, padanje] poiščemo okno pravih aktivnosti, kjer je verjetnost (1. aktivnost = hoja) ×verjetnost (2. aktivnost = hoja) ×verjetnost (3. aktivnost = padanje) največja
Prave aktivnosti hoja spuščanje spuščanjePrepoznane aktivnosti hoja hoja padanje
Tretji način izboljševanja
• Učenje:pri oknu pravih akt. [hoja, spuščanje, spuščanje]števec (leva aktivnost = hoja)++števec (desna aktivnost = hoja)++števec (desna aktivnost = padanje)++
• Izboljševanje: ...
Prave aktivnosti hoja spuščanje spuščanjePrepoznane aktivnosti hoja hoja padanje
Četrti način izboljševanja
• Učenje:pri pravi aktivnosti hoja števec (hoja)++pri pravi aktivnosti spuščanje števec (hoja)++pri pravi aktivnosti spuščanje števec (padanje)++
• Izboljševanje: ...
Prave aktivnosti hoja spuščanje spuščanjePrepoznane aktivnosti hoja hoja padanje
PoizkusiŠirina okna W = 10
Način izboljševanja
Sprememba klasifikacijske
točnostiBrez 0 (točnost 83,4 %)Prvi – 5,9 %Drugi + 1,3 %Tretji + 0,9 %Četrti + 1,2 %Vsi + 1,3 %
PoizkusiŠirina okna W = 10
Način izboljševanja
Sprememba klasifikacijske
točnostiBrez 0 (točnost 83,4 %)Prvi – 5,9 %Drugi + 1,3 %Tretji + 0,9 %Četrti + 1,2 %Vsi + 1,3 %
Vsi načini izboljševanjaŠirina okna W
Sprememba klasifikacijske
točnosti5 + 0,6 %10 + 1,3 %15 + 1,5 %20 + 1,7 %25 +1,4 %
Zaključek
• Izkoriščanje znanja o zaporednih prepoznavah aktivnosti in značilnih napakah osnovnega klasifikatorja– prinese 1,7 % izboljšanje klasifikacijske točnosti– ogled doseženih izboljšav kaže, da je več najbrž
težko doseči
Zaključek
• Izkoriščanje znanja o zaporednih prepoznavah aktivnosti in značilnih napakah osnovnega klasifikatorja– prinese 1,7 % izboljšanje klasifikacijske točnosti– ogled doseženih izboljšav kaže, da je več najbrž
težko doseči• V prihodnje– izkoriščati podobnosti med atributnimi vektorji