Bài viết này đề xuất sử dụng cảm biến gia tốc trên điện thoại thông minh đeo ở thắt lưng, thực hiện các thuật toán nhẹ về tính toán để nhận dạng các hoạt động cơ bản hằng ngày của con người. Phương pháp được đề xuất sử dụng một tập các thuộc tính tối thiểu để hệ thống có thể nhận dạng trong thời gian thực nhưng vẫn cho kết quả nhận dạng tốt. | Các công trình nghiên cứu phát triển và ứng dụng CNTT và Truyền thông Một phương pháp xây dựng hệ thống nhận dạng hành vi của người trong thời gian thực dựa trên các thuật toán học máy Nguyễn Quang Huy1 Trần Đức Nghĩa1 Đào Tô Hiệu2 Trần Đức Tân2 Vũ Thị Thương3 Đỗ Xuân Trung4 1 Viện Công nghệ thông tin Viện Hàn lâm Khoa học và Công nghệ Việt Nam Hà Nội 2 Trường Đại học Phenikaa Hà Nội 3 Đại học Phương Đông Hà Nội 4 Đại học Kinh Bắc Bắc Ninh Tác giả liên hệ Trần Đức Nghĩa Email nghiatd@ Ngày nhận bài 31 08 2022 ngày sửa chữa 19 11 2022 ngày duyệt đăng 25 11 2022 Định danh DOI Tóm tắt Một trong những vấn đề quan trọng trong hệ thống nhận dạng hành vi của người Human Áctivity Recognition HAR đó là giá thành tốc độ và độ chính xác. Cùng với sự phát triển của các thiết bị di động các bộ vi xử lý ngày càng hiện đại đi cùng với việc tích hợp nhiều cảm biến khác nhau bao gồm cả gia tốc kế đã giúp việc nhận dạng hành vi người trở nên dễ dàng và nhanh chóng hơn. Tuy nhiên độ chính xác của việc phân loại hành vi dựa trên cảm biến gia tốc còn phụ thuộc rất nhiều yếu tố khác nhau dẫn đến kết quả có thể có sự sai lệch. Bằng nhiều thử nghiệm khác nhau chúng tôi nhận thấy rằng việc lựa chọn các thuộc tính tối ưu có quan hệ quyết định tới hiệu suất của việc phân loại. Trong bài báo này chúng tôi đề xuất một bộ thuộc tính đơn giản nhưng cho kết quả rất khả quan với độ chính xác tới 99 . Chúng tôi đã thực nghiệm và so sánh với một vài thuật toán phân loại khác nhau trên tập dữ liệu thu thập từ một số tình nguyện viên. Từ khóa Phân loại cảm biến gia tốc nhận dạng hành vi. Title A Method of Building a Real-time Human Behavior Recognition System based on Machine Learning Algorithms Abstract One of the key issues in Human Activity Recognition HAR systems is cost speed and accuracy. Along with the development of mobile devices integration of various sensors including accelerometers has made human behavior recognition easier and faster.
