Resumen

MORALES GARCIA, Santiago; HENAO BAENA, Carlos  y  CALVO SALCEDO, Andres. Reconocimiento de actividades humanas mediante SVM semisupervisado y modelos ocultos de Markov. TecnoL. [online]. 2023, vol.26, n.56, e209.  Epub 15-Jun-2023. ISSN 0123-7799.  https://doi.org/10.22430/22565337.2474.

El reconocimiento automático de la actividad humana es un área de interés para el desarrollo de aplicaciones en salud, seguridad y deportes. Actualmente, es necesario desarrollar métodos que faciliten el proceso de entrenamiento y reduzcan los costos de este proceso. Este trabajo explora una metodología para clasificar actividades físicas humanas en un paradigma semi-supervisado. Con este enfoque, es posible reducir el número de etiquetas necesarias para entrenar el modelo de aprendizaje y la complejidad de este proceso. Este proceso comienza deduciendo el número de micro-movimientos o submovimientos en los que deben agruparse los datos y asignando la etiqueta mediante una técnica de clustering. Realizamos este procedimiento para un grupo específico de micro-movimientos cuya etiqueta se desconoce. Posteriormente, se inicia el proceso de clasificación utilizando dos métodos, una Máquina de Vectores Soportados (SVM) que identifica los micro-movimientos y un Modelo Oculto de Markov que detecta la actividad física humana en función de secuencias. Los resultados muestran que con un porcentaje del 80 % de las etiquetas conocidas, se consigue resultados como los paradigmas supervisados encontrados en la literatura. Esto facilita el entrenamiento de estos modelos de aprendizaje al reducir el número de ejemplos que requieren etiquetas y reduce los costes económicos, que es una de las limitaciones significativas de los procesos de aprendizaje automático.

Palabras clave : agrupamiento espectral; aprendizaje semisupervisado; estimación de movimiento; fusión de datos; reconocimiento de actividad humana.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )