izboljševanja prepoznavanja aktivnosti iz položajev značk

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


• Izboljševanje prepoznavanja z izkoriščanjem znanja o:– zaporednih prepoznavah

Dva dela


• 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



• Več zaporednih naborov atributov združimo v atributni vektor




• S strojnim učenjem atributne vektorje klasificiramo v aktivnosti




• 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 atributov– 1–10 → več je bolje, najbolje torej 10


• 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

Izboljševanje prepoznavanjaPrave aktivnosti

hoja hoja hoja spuščanje spuščanje spuščanje

Osnovni klasifikatorhoja hoja padanje spuščanje ležanje spuščanje




Izboljšavahoja hoja padanje hoja hoja hoja

Izboljšana klasifikacijahoja




Izboljšana klasifikacijahoja hoja

Izboljšavahoja padanje spuščanje hoja hoja spuščanje




Izboljšana klasifikacijahoja hoja hoja

Izboljšavapadanje spuščanje ležanje hoja spuščanje spuščanje




Izboljšana klasifikacijahoja hoja hoja spuščanje

Izboljšavaspuščanje ležanje spuščanje spuščanje spuščanje spuščanje




Izboljšana klasifikacijahoja hoja hoja spuščanje spuščanje

Izboljšavaležanje spuščanje spuščanje 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)++


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


Tretji način izboljševanja

• Učenje:pri oknu pravih akt. [hoja, spuščanje, spuščanje]števec (leva aktivnost = hoja)++števec (desna aktivnost = hoja)++števec (desna aktivnost = padanje)++

• Izboljševanje: ...


Četrti način izboljševanja

• Učenje:pri pravi aktivnosti hoja števec (hoja)++pri pravi aktivnosti spuščanje števec (hoja)++pri pravi aktivnosti spuščanje števec (padanje)++

• Izboljševanje: ...


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


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


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

izboljševanja prepoznavanja aktivnosti iz položajev značk

Documents