Clasificación de actividades humanas aplicando Inteligencia Computacional

• Brandon Alexis López-Reynaga ^[1] ; María Elena Acevedo-Mosqueda ^[1] ; Marco Antonio Acevedo-Mosqueda ^[1] ; Sandra Luz Gómez-Coronel ^[1]
  1. [1] Instituto Politécnico Nacional

     Instituto Politécnico Nacional

     México

     
• Localización: Ingeniería, investigación y tecnología, ISSN 1405-7743, ISSN-e 2594-0732, Vol. 25, Nº. 2, 2024
• Idioma: español
• Títulos paralelos:
  • Human activity classification applying Computational Intelligence
• Enlaces
  • Texto completo
• Resumen
  • español

    La actividad diaria es de gran importancia para llevar una vida saludable. El monitoreo de esa actividad permite a una persona saber si es necesario incrementar sus movimientos diarios para, al menos, cubrir la actividad mínima diaria para vivir con salud. El monitoreo de la actividad humana tiene varias aplicaciones, en este trabajo el objetivo es la salud. El primer paso para lograr dicho objetivo es identificar los movimientos que realiza una persona. El conjunto de datos utilizado se obtuvo del repositorio de datos de UCI. La propuesta consiste en aplicar tres algoritmos de clasificación: K-NN, Regresión Logística y Redes Neuronales Convolucionales para identificar seis movimientos que son: Caminar, subir escaleras, bajar escaleras, tomar asiento, ponerse de pie y acostarse. El método de validación empleado fue Hold-Out (80-20). Los mejores resultados se obtuvieron con las Redes Neuronales Convolucionales y se usaron las métricas: Exactitud: 99.03 %, Precisión: 99.08 % y F1-score: 99.12 %. La aplicación de estos métodos logró mejorar el porcentaje de exactitud en la clasificación de actividades físicas.

  • English

    Daily activity is of great importance to lead a healthy life. The monitoring of this activity allows a person to know if it is necessary to increase their daily movements to, at least, cover the minimum daily activity to live in health. The monitoring of human activity has several applications but in this work the objective is health. The first step to achieve the objective is to be able to identify the movements that a person makes. The data set used was obtained from the UCI data repository. Our proposal is to apply three classification algorithms: K-NN, Linear Regression and Convolutional Neural Networks to identify six movements that are: walking, going up stairs, going down stairs, sitting down, standing up and lying down. The validation method used was Hold-Out (80-20). The best results were obtained with Convolutional Neural Networks and were: Accuracy: 99.03 %, Precision: 99.08 % and F1-score: 99.12 %. The application of these methods managed to improve the percentage of accuracy in the classification of physical activities.