| Summary: | Submitted by Aline Batista (alinehb.ufpel@gmail.com) on 2018-04-19T12:36:54Z
No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
dissertacao_eduardo_soares_de_abreu.pdf: 4224104 bytes, checksum: fc46a837bb512d7f07fb7941f7cd362d (MD5) === Approved for entry into archive by Aline Batista (alinehb.ufpel@gmail.com) on 2018-04-19T14:43:52Z (GMT) No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
dissertacao_eduardo_soares_de_abreu.pdf: 4224104 bytes, checksum: fc46a837bb512d7f07fb7941f7cd362d (MD5) === Made available in DSpace on 2018-04-19T14:44:01Z (GMT). No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
dissertacao_eduardo_soares_de_abreu.pdf: 4224104 bytes, checksum: fc46a837bb512d7f07fb7941f7cd362d (MD5)
Previous issue date: 2017-05-29 === Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq === Nos últimos anos, as técnicas de Reconhecimento de Atividades têm atraído atenção crescente. Entre as muitas aplicações, um interesse especial está no domínio ubíquo da e-Health, onde o reconhecimento automático de atividades é usado em sistemas de reabilitação, gerenciamento de doenças crônicas, monitoramento de idosos, bem como em aplicações de bem-estar pessoal.
Esse interesse tem tido como motivação o envelhecimento da população. Este envelhecimento resulta em significativos desafios socioeconômicos no setor da saúde pública, bem como na incidência de doenças crônico-degenerativas, sendo a demência uma das mais preocupantes. Uma alternativa que vem sendo amplamente proposta é a utilização de casas inteligentes (ambiente assistido de vivência), nos quais as residências das pessoas sob tratamento deverão contemplar serviços computacionais que possam auxiliá-las nas suas práticas diárias, de forma o mais transparente possível. Este trabalho tem como acrônimo EXEHDA-AR (EXEHDA-Activity Recognition), e seu objetivo principal é contribuir com o Subsistema de Reconhecimento de Contexto e Adaptação do middleware EXEHDA (Execution Environment for Highly Distributed Applications) capacitando-o para o atendimento das demandas do Reconhecimento de Atividades, explorando para isto uma abordagem baseada em Ciência de Contexto. O EXEHDA-AR explora processamento semântico para prover Reconhecimento de
Atividades em Casas Inteligentes, para tanto foram propostos componentes a serem integrados ao middleware EXEHDA, bem como um modelo ontológico. Os dados de contexto coletados são agrupados segundo o conceito de janela de tempo deslizante. Quando avaliado o EXEHDA-AR obteve uma acurácia média de 94,36% no Reconhecimento de Atividades. Estes resultados apontam que métodos baseados em processamento semântico constituem uma alternativa viável para o reconhecimento de Atividades com baixo nível de intrusão, indicando a continuidade dos esforços de
pesquisa. === In recent years, the techniques of Activity Recognition have attracted increasing attention. Among the many applications, special interest lies in the ubiquitous domain of e-Health, where automatic activity recognition is used in rehabilitation systems, chronic disease management, elderly monitoring, as well as in personal wellness applications. This interest has been motivated by the aging of the population. This aging results in significant socioeconomic challenges in the public health sector, as well as in the incidence of chronic-degenerative diseases, with dementia being one of the most worrying. An alternative that has been widely proposed is the use of intelligent houses (ambient assisted living), in which the residences of people under treatment should contemplate computational services that can assist them in their daily practices, in the most transparent way possible. This work has the acronym EXEHDA-AR (EXEHDA-Activity Recognition), and its main objective is to contribute with the Context Recognition and Adaptation Subsystem of the EXEHDA (Execution Environment for Highly Distributed Applications) middleware, enabling it to meet the demands Of Activity Recognition, using a Context
Awareness approach. The EXEHDA-AR explores semantic processing to provide Activity Recognition in
smart home, for which we have proposed components to be integrated with the EXEHDA middleware as well as an ontological model. The collected context data are grouped according to the concept of time-sliding window. When evaluated the EXEHDA-AR obtained an average accuracy of 94.36% in the
Recognition of Activities. These results indicate that methods based on semantic processing constitute a viable alternative for the Recognition of Activities with low level of intrusion, indicating the continuity of research efforts.
|
|---|
