| บทคัดย่อโครงการ |
บทคัดย่อ
งานวิจัยนี้ศึกษาการรู้จำท่าทางกิจกรรมตามปกติโดยใช้คุณลักษณะเด่นที่ได้จากเซนเซอร์ความเร่งเป็นอินพุตให้โครงข่ายประสาทเทียมตัดสินการรู้จำโดยใช้เซนเซอร์ความเร่ง 3 แกนจำนวน 2 ชุดติดที่ลำตัวและต้นขาของผู้ทดสอบ ใช้คุณลักษณะเด่นที่ได้จากเซนเซอร์ทั้งสองตำแหน่งสำหรับจำแนกหรือรู้จำท่าทางจำนวน 10 ค่า ได้แก่ แนวโน้มการเพิ่ม/ลดความเร่งเมื่อเทียบกับค่าเริ่มต้นของแต่ละแกนแต่ละตำแหน่งรวม 6 ค่า และค่าสูดสุดหรือต่ำสุดของความเร่งลัพธ์ที่แต่ละตำแหน่งอีก 4 ค่า ทดลองรู้จำท่าทางจำนวน 6 ท่าทางได้แก่ ก้มเก็บของ นอน-นั่ง นั่ง-นอน นั่ง-ยืน ยืน-นั่ง และเดินทางราบ โดยมี 2 การทดลอง คือ การทดลองที่ 1 ศึกษาคุณลักษณะเด่นที่ใช้ในการรู้จำ และการทดลองที่ 2 ศึกษาการตัดสินใจรู้จำท่าทางโดยใช้โครงข่ายประสาทเทียมสำหรับบุคคลในช่วงวัยที่แตกต่างกัน การทดลองที่ 1 ใช้ผู้ทดสอบแสดงท่าทางทั้ง 6 ท่าทางจำนวน 1 คน โดยให้ทำซ้ำท่าละ 4 ครั้ง ผลการทดลองพบว่า 1) แนวโน้มการเพิ่ม/ลดความเร่งเมื่อเทียบกับค่าเริ่มต้นของแต่ละแกนสำหรับลำตัวหรือสำหรับต้นขาเพียงอย่างเดียวไม่สามารถใช้เป็นคุณลักษณะเด่นสำหรับจำแนกท่าทางทั้ง 6 ท่าได้ 2) แนวโน้มการเพิ่ม/ลดความเร่งเมื่อเทียบกับค่าเริ่มต้นของแต่ละแกนสำหรับลำตัวและต้นขาสามารถจำแนกทุกท่าทางได้ยกเว้นท่าก้มเก็บของและเดินทางราบ 3) ใช้คุณลักษณะเด่นทั้ง 10 ค่าร่วมกันสามารถจำแนกหรือรู้จำท่าทางได้ทั้งหมด ในการทดลองที่ 2 ทดลองกับผู้ทดสอบแบ่งตามกลุ่มอายุ 3 ช่วง คือ วัยรุ่น วัยกลางคน และผู้สูงอายุ รวมทั้งหมด 6 คน ให้ผู้ทดสอบแสดงท่าทางทั้ง 6 ท่าทางโดยให้ทำซ้ำท่าละ 4 ครั้ง ใช้คุณลักษณะเด่นทั้ง 10 ค่าร่วมกันเป็นอินพุตให้โครงข่ายประสาทเทียมช่วยในการตัดสินใจรู้จำท่าทาง ผลการทดลองหลังจากทำ 2-fold cross validation ข้อมูลสำหรับฝึกฝนและทดสอบแล้ว พบว่า คุณลักษณะเด่นทั้ง 10 ค่าสามารถรู้จำท่าทางของผู้ทดสอบได้หลากหลายวัยและไม่ขึ้นกับผู้ทดสอบ โดยให้เปอร์เซ็นต์ความถูกต้องในการรู้จำหรือจำแนกท่าทางเท่ากับ 90.28
คำสำคัญ: รู้จำ, จำแนก, กิจกรรมตามปกติ
Abstract
This research studies on Activity of Daily Living (ADL) Recognition using features based on acceleration and an Artificial Neural Network (ANN). Two sets of a tri-axial accelerometer were mounted on a trunk and a thigh of a subject. Ten acceleration features from both positions were six increasing/decreasing trends of accelerations of each axis/position and four minimum/maximum resultant accelerations at each position. Subjects performed six scenarios of ADL, including bend down, lie-sit, sit-lie, sit-stand, stand-sit, and walking. Two experiments were investigated. First: a study on features for ADL recognition. Second: a study on ADL recognition using ANN on subjects’ variety age. For first experiment, a subject performed six scenarios and each scenario was repeated four times.The results showed that 1) increasing/decreasing trends of accelerations of each axis at trunk or thigh only could not use to be features for ADL classification. 2) increasing/decreasing trends of accelerations of each axis at trunk and thigh were features for all scenarios excepting bend down and walking. 3) All scenarios could be classified by using all of ten features. For second experiment, all scenarios were performed by six subjects, including teenager, middle-aged person, and the elderly. Each scenario was repeated four times. All of ten features were inputs for ADL recognition using ANN. For 2-fold cross validation, the result showed that those ten acceleration features could be used to classify/recognition ADL and offered the Activity of Daily Living percentage recognition to 90.28.
Keywords: Recognition, Classification, Activity of Daily Living
|
