Softwarová aplikace založená na umělé inteligenci pro real time klasifikaci pohybu

Abstract

Klasifikace pohybu je populární vědeckým cílem, a to především pohybu člověka. Kategorizace se převážně provádí pomocí shlukových funkcí nebo neuronových sítí, či jejich kombinací. Tato práce umožňuje klasifikaci osmi různých rehabilitačních cviků využívající paži, a to za pomoci tří různých metodik, jejichž výsledky jsou v této práci porovnány podle rychlosti a přesnosti. Metody dosahují přesnosti 95,87%, 91,90% a 43,60%, a práce tak umožňuje přesnou a spolehlivou klasifikaci. Pro snímání pohybu je používán senzor MoCap 9 DOF MEMS, z kterého jsou využita 3D data o akceleraci a úhlové rychlosti.

Motion classification is a popular scientific goal, especially human movement. The classification is mainly performed using cluster functions, neural networks or the combination of both. This work enables classification of eight different rehabilitation exercises using the arm, with the help of three different methodoligies, the results of which are compared in this work according to speed and accuracy. The methods achieve accuracies of 95,87%, 91,90% a 43,60%, and the work thus enables accurate and reliable classification. The MoCap 9 DOF MEMS sensor is used for motion sensing, from which 3D data on acceleration and angular velocity are used.