METODOLOGIA PARA TRANSFORMAÇÃO DE DADOS NO CONTEXTO DE RECONHECIMENTO DE ATIVIDADES HUMANAS ATRAVÉS DE REDES NEURAIS PROFUNDAS
Reconhecimento de Atividade Humana, RAH, redes neurias convolucionais
O Reconhecimento de Atividades Humanas (RAH) pode ser visto como um processo pelo qual o comportamento de uma pessoa é monitorado, capturado, processado e analisado para se inferir quais as atividades estão sendo realizadas em determinado período. O RAH usando sensores incorporados em smartphones vem ganhando muita atenção nos últimos anos devido a sua alta popularidade e devido à necessidade de aplicativos nos domínios de segurança e vigilância, saúde, ambiente assistido entre outras áreas. O RAH utilizando sensores de smartphone é um problema clássico de classificação de séries temporais multivariadas e diversas técnicas vêm sendo utilizadas na literatura para esta tarefa tais como redes neurais artificiais, máquina de vetores de suporte, k- vizinhos mais próximos, árvores de decisão, entre outros. Apesar das diversas técnicas reportadas na literatura, ainda há vários desafios enfrentados no processo de RAH. Os dados de entrada podem ser apresentados de forma bruta ou pré-processados com o uso de filtros ou outras transformações e neste estudo investigamos uma metodologia de transformação de dados da série temporal das atividades em uma imagem que as represente servindo como entrada para uma rede neural convolucional que vem sendo aplicada com sucesso no processamento e análise de imagens digitais. Com isso, espera-se possibilitar uma padronização dos experimentos de RAH utilizando transformações de dados como entrada para as redes neurais convolucionais.