Human Activity Recognition in Daily Life and Sports Using Inertial Sensors
Erkennung Menschlicher Aktivität im Alltag und Sport unter Verwendung von Inertialsensoren
Please always quote using this URN: urn:nbn:de:bvb:29-opus4-124662
- Human Activity Recognition (HAR) deals with the automatic recognition of physical activities and plays a major role in the health and sports sector. Knowledge about the performed activities can be used to monitor compliance regarding physical activity recommendations, investigate the causes of physical activity behavior, implement sport-specific training programs, and replicate the physical demands during sport competition. Currently available tools for HAR often rely on questionnaires which involve problems in the reliability when recalling activities.
In this thesis, algorithms for HAR are introduced and evaluated which apply machine learning techniques to inertial sensor data. Daily asHuman Activity Recognition (HAR) deals with the automatic recognition of physical activities and plays a major role in the health and sports sector. Knowledge about the performed activities can be used to monitor compliance regarding physical activity recommendations, investigate the causes of physical activity behavior, implement sport-specific training programs, and replicate the physical demands during sport competition. Currently available tools for HAR often rely on questionnaires which involve problems in the reliability when recalling activities.
In this thesis, algorithms for HAR are introduced and evaluated which apply machine learning techniques to inertial sensor data. Daily as well as sport-specific activities are considered including sitting, washing dishes, climbing stairs, and kicking in soccer. Besides the development and implementation of algorithms, mandatory extensions regarding the design of HAR systems are further identified and future research directions are provided.…
- Die automatische Erkennung menschlicher Aktivität spielt eine große Rolle im Gesundheits- und Sportsektor. Das Wissen über die Aktivität, die durchgeführt wird, kann verwendet werden, um die Einhaltung von Empfehlungen hinsichtlich körperlicher Aktivität zu überprüfen, die Ursachen des Aktivitätsverhaltens zu untersuchen, für einen Sport spezifische Trainingsprogramme zu implementieren und die körperlichen Anforderungen, die in einem sportlichen Wettkampf vorkommen, nachzubilden. Derzeitig zur Verfügung stehende Systeme zur Aktivitätserkennung beruhen oftmals auf Fragebögen. Fragebögen zu benutzen beinhaltet das Problem, dass man sich nicht zuverlässig an die Aktivität, dieDie automatische Erkennung menschlicher Aktivität spielt eine große Rolle im Gesundheits- und Sportsektor. Das Wissen über die Aktivität, die durchgeführt wird, kann verwendet werden, um die Einhaltung von Empfehlungen hinsichtlich körperlicher Aktivität zu überprüfen, die Ursachen des Aktivitätsverhaltens zu untersuchen, für einen Sport spezifische Trainingsprogramme zu implementieren und die körperlichen Anforderungen, die in einem sportlichen Wettkampf vorkommen, nachzubilden. Derzeitig zur Verfügung stehende Systeme zur Aktivitätserkennung beruhen oftmals auf Fragebögen. Fragebögen zu benutzen beinhaltet das Problem, dass man sich nicht zuverlässig an die Aktivität, die durchgeführt wurde, erinnert.
In dieser Doktorarbeit werden Algorithmen zur sensorbasierten Aktivitätserkennung vorgestellt und evaluiert, die Techniken des Maschinellen Lernens auf Inertialsensor-Daten anwenden. Die automatische Erkennung von Alltags- und Sportaktivitäten bildet dabei den Fokus. Beispiele für Aktivitäten sind Sitzen, Geschirrspülen, Treppen steigen und Schießen im Fußball. Neben der Entwicklung und Implementierung von Algorithmen, werden notwendige Design-Erweiterungen von Aktivitätserkennungssystemen identifiziert und zukünftige Forschungsrichtungen aufgezeigt.…
Author: | Dominik Schuldhaus |
---|---|
Persistent identifiers - URN: | urn:nbn:de:bvb:29-opus4-124662 |
Persistent identifiers - DOI: | https://doi.org/10.25593/978-3-96147-226-0 |
ISBN: | 978-3-96147-226-0 |
Series (Volume number): | FAU Studien aus der Informatik (8) |
Publisher: | FAU University Press |
Place: | Erlangen |
Referee: | Bjoern M. Eskofier, Kristof van Laerhoven |
Advisor: | Bjoern M. Eskofier |
Document Type: | Doctoral Thesis |
Language: | English |
Year of publication: | 2019 |
Date of online publication (Embargo Date): | 2019/11/26 |
Publishing Institution: | FAU University Press |
Granting institution: | Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät |
Acceptance date of the thesis: | 2019/02/12 |
Release Date: | 2019/11/27 |
Tag: | daily activities; human activity recognition; inertial sensors; machine learning; pattern recognition; signal analysis; soccer activities; wearable computing systems |
SWD-Keyword: | Monitoring; Maschinelles Lernen; Beschleunigungssensor; Gyroskop; Data Mining; Mustererkennung; Signalverarbeitung; Body Area Network; Big Data; Alltag; Fußball |
Length/size: | xvii, 266 Seiten |
Notes: | Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-96147-225-3 |
Institutes: | Technische Fakultät |
Dewey Decimal Classification: | 0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik |
0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 006 Spezielle Computerverfahren | |
open_access (DINI-Set): | open_access |
Collections: | Universität Erlangen-Nürnberg / FAU University Press |
Licence (German): | ![]() |