Reconnaissance de l'activité humaine grâce à l'apprentissage profond

HAR est un domaine de recherche li la d tection volontaire d'activit s quotidiennes effectu es par des personnes sur la base de s ries de donn es temporelles utilisant des capteurs. Le HAR couvre diff rents domaines tels que la surveillance, le suivi des b b s, les soins de sant aux personnes g es, les voitures intelligentes, en utilisant diff rentes approches pour r soudre les probl mes de mani re efficace et pr cise. Les syst mes HAR traditionnels utilisent des capteurs portables tels que des unit s de mesure inertielle (IMU) et des capteurs d' tirement pour reconna tre l'activit .Cette approche donne des r sultats remarquables pour les activit s de base de l'utilisateur, telles que s'asseoir, se tenir debout et marcher. Mais pour les activit s complexes telles que la course, le saut, la lutte et le balancement, les syst mes HAR bas s sur des capteurs pr sentent des taux de classification erron e plus lev s en raison des erreurs de lecture des capteurs. Ces erreurs de capteur entra nent les pires r sultats de classification possibles et r duisent les performances globales du syst me HAR. En utilisant une combinaison de CNN et de LSTM, les donn es seront extraites et trait es partir de vid os. Dans cet ouvrage, un r seau neuronal convolutionnel profond est propos , qui permet d'extraire les caract ristiques pour la collecte des donn es partir de la s quence d'entr e (vid o). Ensuite, la LSTM sera utilis e pour d terminer les relations temporelles entre les images.