Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/106483
Author(s): Mário Filipe Araújo Ferreira
Title: Daily Activity Patterns Recognition
Issue Date: 2017-07-11
Abstract: Embedding computational capability into quotidian objects is called ubiquitous computing and is a big trend in software engineering. These objects become capable of tracking their user's actions using various sensors that can collect many types of information, such as heart rate, location and movement. All this information can be used in many ways and one of them is to compare past and present sensor metrics to establish connections and similarities between activities, with the final objective of gaining knowledge about the user of the pervasive system.Fraunhofer AICOS solutions in the field of monitoring physical activity and related metrics store substantial amounts of data generated during the use of such applications by the users. The analysis of this data would lead to the understanding of user's behaviour patterns, that could greatly improve the reach of the solutions already created.The lack of knowledge about the user's behaviour patterns prevents the solutions previously mentioned from personalizing their suggestions, strategies and recommendations to improve their efficiency when applied to intervene in the user's physical, cognitive or behaviour decline.It is quite important for caregivers to have a complete awareness of the user's routines so they can correct the unhealthy ones. In this work, the problem of using computational devices and algorithms to detect user's routines is addressed by using frequent pattern mining techniques. To implement these methods the data provided by the Smart Companion's applications was parsed and used as input in a set of potentially useful algorithms for frequent item set mining, like the FP-Growth and Split and Merge algorithms. The algorithm capable of producing the best results was embedded in the pattern recognition web tool which then uses visualization methods specially developed to meet user's needs. The final product was validated by potential end-users, informal caregivers of the Smart Companion's users, who utilized the pattern recognition tool to evaluate if new knowledge about the user's routine was created and appropriately conveyed.
Description: A incorporação de capacidade computacional em objetos quotidianos tem o nome de computação ubíqua e é uma tendência em foco da engenharia de software. Estes objetos tornam-se capazes de monitorizar as ações do seu utilizador através do uso de múltiplos sensores que recolhem variados tipos de informação, tais como a sua frequência cardíaca, localização e os seus movimentos. Estes dados podem ser usados com diversas finalidades, uma delas é a comparação de métricas sensoriais atuais e do passado de forma a estabelecer ligações e similaridades com o intuito de adquirir conhecimento acerca do utilizador do sistema pervasivo.As soluções da Fraunhofer AICOS na área de monitorização da atividade física e métricas relacionadas armazenam grandes quantidades de dados gerados durante o seu uso por parte dos utilizadores. A análise desta informação iria conduzir a uma melhor perceção dos padrões de comportamento dos utilizadores, o que consecutivamente iria potencializar o alcance das soluções já existentes.A falta de conhecimento relativo aos padrões de comportamento dos utilizadores impede que as soluções previamente mencionadas personalizem as suas sugestões, estratégias e recomendações para melhorar a sua eficiência quando aplicadas e intervir no declínio físico, cognitivo ou comportamental do utilizador.Para os cuidadores é bastante importante ter um conhecimento completo das rotinas diárias do utilizador ao seu cuidado, para que tenham a capacidade de corrigir as que se revelam prejudiciais. No trabalho desta dissertação foi abordada a problemática do uso de dispositivos computacionais e algoritmos para detetar rotinas do utilizador através da implementação de técnicas de extração de padrões frequentes. Para implementar estes métodos os dados fornecidos pelas aplicações do Smart Companion foram filtrados e posteriormente usados como input num conjunto de algoritmos para extração de item sets frequentes, tais como o algoritmo FP-Growth e Split and Merge. O método capaz de produzir melhores resultados foi embutido na ferramenta web de reconhecimento de padrões, que aplicou posteriormente métodos de visualização especialmente desenvolvidos para as necessidades do utilizador final. O produto final foi validado por potenciais end-users, cuidadores informais dos utilizadores do Smart Companion, que usaram a ferramenta de reconhecimento de padrões com a finalidade de avaliar se foi gerado novo conhecimento sobre as rotinas do utilizador e se esta foi transmitida da forma mais correta.
Subject: Engenharia electrotécnica, electrónica e informática
Electrical engineering, Electronic engineering, Information engineering
Scientific areas: Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática
Engineering and technology::Electrical engineering, Electronic engineering, Information engineering
TID identifier: 201801248
URI: https://repositorio-aberto.up.pt/handle/10216/106483
Document Type: Dissertação
Rights: embargoedAccess
License: https://creativecommons.org/licenses/by-nc-nd/4.0/
Embargo End Date: 2020-07-10
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
205604.pdf
  Restricted Access
Daily Activity Patterns Recognition2.5 MBAdobe PDF    Request a copy from the Author(s)


This item is licensed under a Creative Commons License Creative Commons