Feedback

Faculté des Sciences appliquées
Faculté des Sciences appliquées
Mémoire
VIEW 16 | DOWNLOAD 1

Detection of the type of physical activity based on an IMU sensor

Télécharger
Paolino, Alessia ULiège
Promoteur(s) : Bruls, Olivier ULiège ; Schwartz, Cédric ULiège
Date de soutenance : 5-sep-2024/6-sep-2024 • URL permanente : http://hdl.handle.net/2268.2/20850
Détails
Titre : Detection of the type of physical activity based on an IMU sensor
Auteur : Paolino, Alessia ULiège
Date de soutenance  : 5-sep-2024/6-sep-2024
Promoteur(s) : Bruls, Olivier ULiège
Schwartz, Cédric ULiège
Membre(s) du jury : Ruffoni, Davide ULiège
Drion, Guillaume ULiège
Langue : Anglais
Nombre de pages : 129
Mots-clés : [en] Human Activity Recognition (HAR),
[en] Wearable Sensors
[en] Machine Learning Algorithms
[en] Physical Activity Monitoring
[en] Multilayer Perceptron (MLP)
[en] Motion Analysis
[en] Inertial Measurement Units (IMUs)
Discipline(s) : Ingénierie, informatique & technologie > Multidisciplinaire, généralités & autres
Public cible : Chercheurs
Professionnels du domaine
Etudiants
Institution(s) : Université de Liège, Liège, Belgique
Diplôme : Cours supplémentaires destinés aux étudiants d'échange (Erasmus, ...)
Faculté : Mémoires de la Faculté des Sciences appliquées

Résumé

[en] The primary goal of this research is to develop a Human Activity Recognition (HAR) system using Inertial Measurement Units (IMUs), such as accelerometers and gyroscopes, to accurately identify and classify various types of physical movements.
The study specifically explores the use of wearable sensors for monitoring motor activities, offering an alternative solution to traditional camera-based motion capture systems, which have significant limitations, such as high costs and privacy concerns. The thesis discusses various stages of the process, including data acquisition through an experimental setup, data preprocessing, feature extraction and selection, and finally, the application of machine learning algorithms, such as Multilayer Perceptron (MLP) neural networks, for activity recognition and analysis.
The research also includes a comparative evaluation of the performance of models based on sensors positioned in different parts of the body (wrist, thigh, pocket) and provides detailed results regarding the accuracy of the models used.


Fichier(s)

Document(s)

File
Access Alessia_Paolino_Master_Thesis.pdf
Description: Thesis without the annexe, the section 6 is the Annexe A
Taille: 4.13 MB
Format: Adobe PDF
File
Access Erratum_Alessia_Paolino_Master_Thesis.pdf
Description: -
Taille: 4.17 MB
Format: Adobe PDF

Annexe(s)

File
Access Annexe A.pdf
Description: section 6 is the Annexe A
Taille: 142.89 kB
Format: Adobe PDF

Auteur

  • Paolino, Alessia ULiège Université de Liège > conv. Erasmus en sc. appl.

Promoteur(s)

Membre(s) du jury

  • Ruffoni, Davide ULiège Université de Liège - ULiège > Département d'aérospatiale et mécanique > Mécanique des matériaux biologiques et bioinspirés
    ORBi Voir ses publications sur ORBi
  • Drion, Guillaume ULiège Université de Liège - ULiège > Dép. d'électric., électron. et informat. (Inst.Montefiore) > Systèmes et modélisation
    ORBi Voir ses publications sur ORBi
  • Nombre total de vues 16
  • Nombre total de téléchargements 1










Tous les documents disponibles sur MatheO sont protégés par le droit d'auteur et soumis aux règles habituelles de bon usage.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.