prikaz prve stranice dokumenta Varijabilnosti u procesu snimanja akceleracija tijekom simuliranja ljudskih padova
No public access
master's thesis
Varijabilnosti u procesu snimanja akceleracija tijekom simuliranja ljudskih padova
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. urn:nbn:hr:168:219264
Pavlaković, Lovro
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Pavlaković, L. (2020). Varijabilnosti u procesu snimanja akceleracija tijekom simuliranja ljudskih padova (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:219264

Pavlaković, Lovro. "Varijabilnosti u procesu snimanja akceleracija tijekom simuliranja ljudskih padova." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:219264

Pavlaković, Lovro. "Varijabilnosti u procesu snimanja akceleracija tijekom simuliranja ljudskih padova." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2020. https://urn.nsk.hr/urn:nbn:hr:168:219264

Pavlaković, L. (2020). 'Varijabilnosti u procesu snimanja akceleracija tijekom simuliranja ljudskih padova', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 25 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:219264

Pavlaković L. Varijabilnosti u procesu snimanja akceleracija tijekom simuliranja ljudskih padova [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2020 [cited 2024 December 25] Available at: https://urn.nsk.hr/urn:nbn:hr:168:219264

L. Pavlaković, "Varijabilnosti u procesu snimanja akceleracija tijekom simuliranja ljudskih padova", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:168:219264

Metadata
TitleVarijabilnosti u procesu snimanja akceleracija tijekom simuliranja ljudskih padova
Title (english)Variabilites in Acceleration Measurement Process During Simulated Human Falls
AuthorLovro Pavlaković
MentorRatko Magjarević (mentor)
Committee memberRatko Magjarević (predsjednik povjerenstva)
Committee memberIgor Lacković (član povjerenstva)
Committee memberŽeljka Lučev Vasić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2020-07-15, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Electrical Engineering
Abstract
Automatizirana detekcija padova starijih osoba i osoba s posebnim potrebama je važan dio sustava za praćenje njihova zdravlja. Za treniranje i validaciju sustava za detekciju pada dostupan je velik broj javnih skupova podataka. Pokazalo se da rezultati dobiveni u tim skupovima podataka nisu konzistentni zbog nedostatka standardizirane eksperimentalne metodologije. U ovom radu je analizirano 13 skupova podataka koji su se koristili u istraživanjima detekcije padova pomoću mjerenja troosnim akcelerometrom i istraženi su uzroci varijabilnosti među skupovima podataka. Na tim skupovima podataka je ispitano pet različitih algoritama za detekciju pada predloženih u prethodnim istraživanjima u kombinaciji sa sedam različitih binarnih klasifikatora iz područja strojnog učenja. Pokazano je da vrijednosti pragova koje su korištene u navedenim istraživanjima ne daju zadovoljavajuće rezultate za sve skupove podataka. Razvijena je metoda optimizacije pragova koja se zasniva na pretrazi očekivanog područja u prostoru odlika gdje se nalaze optimalne vrijednosti. Time su postignute osjetljivosti od 94 % i specifičnosti od 98 % uz poboljšanje energetske učinkovitosti algoritama smanjenjem broja poziva klasifikatora za do 36 %.
Abstract (english)
Automated fall detection is an important part of systems for assisted living. Many public datasets are available for training and validating fall detection systems. It has been shown that these datasets are not consistent because of a lack of standardized experimental methodology. 13 publicly available datasets for accelerometer-based fall detection are analyzed in this paper and the causes of the variabilities are explored. 5 different fall detection algorithms that were proposed in previous studies in combination with 7 different machine learning binary classifiers are tested on these datasets. It is shown that the thresholds used in the original studies aren’t applicable to all datasets. This is solved using a proposed optimization method based on a search through the area of feature space which is expected to contain the optimal values. Using this method sensitivity of 94 % and specificity of 98 % are achieved, and the energy efficiency of the algorithms is improved by reducing the number of events that need to be classified by up to 36 %.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:219264
Study programmeTitle: Electrical Engineering and Information Technology
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 13:25:44