| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Golfa sitienu detektēšana valkājamu inerciālo sensoru signālos |
| Nosaukums angļu valodā |
Detecting Golf Swings Within Wearable Inertial Measurement Unit Signals |
| Struktūrvienība |
12300 Lietišķo datorsistēmu institūts |
| Darba vadītājs |
Atis Hermanis |
| Recenzents |
Aleksejs Grocevs |
| Anotācija |
Bakalaura darba tips: 2. tips - aktuālo jomas problēmu risinājumi.
Bakalaura darba mērķis ir sekmēt valkājamu sensoru sistēmu pielietojumu attīstību. Mērķis tika realizēts, izstrādājot algoritmu, kas veic notikumu detektēšanu valkājamas sensoru sistēmas inerciālo sensoru datos.
Valkājamas sensoru sistēmas ir iekārtas, kuras, lietojot dažādus sensorus, ievāc dažāda veida informāciju par valkātāju. Plaši tiek izmantoti inerciālie sensori, kuri mēra ķermeņa kinemātiku. Var būt nepieciešamība no sensoru datiem iegūt informāciju par kādu specifisku notikumu - piemēram, lai veiktu datos balstītu soļu analīzi, vispirms nepieciešams detektēt, kur šie soļi atrodas.
Esošo notikumu detektēšanas metožu adaptēšana jauniem pielietojumiem, piemēram, sporta kustību detektēšanai, ir laikietilpīga un to precizitāte ir mainīga. Bakalaura darba ietvaros tika izpētītas notikumu detektēšanas metodes, izstrādāta notikumu detektēšanas pieeja, kura izmanto laika rindu klasifikācijas algoritmu MINIROCKET. Detektorā ietverot klasifikācijas algoritmu, iegūstams viegli adaptējams detektors.
Uz šīs pieejas pamata tika izstrādāts RSD - golfa sitienu detektēšanas algoritms, kas paredzēts izmantošanai ar HackMotion plaukstas locītavas sensoru sistēmu. Veiktajos salīdzinošajos eksperimentos, RSD pārspēja HackMotion esošos sitienu detektorus, tika sasniegta precizitāte virs 99%.
Darba pamattekstā ir 79 lappuses, 41 attēls un 10 tabulas. Darbā izmantoti 82 informācijas avoti. Darbam nav pielikumu. |
| Atslēgas vārdi |
laika rindas, laika rindu klasifikācija, notikumu detektēšana, valkājamas sensoru sistēmas |
| Atslēgas vārdi angļu valodā |
time series, time series classification, event detection, wearable sensor systems |
| Valoda |
lv |
| Gads |
2022 |
| Darba augšupielādes datums un laiks |
30.05.2022 20:26:56 |
