logo móvil
Contáctanos

Un enfoque híbrido para reconocer actividades de la vida diaria a partir del uso de objetos en el entorno doméstico

Autores: Ihianle, Isibor Kennedy; Naeem, Usman; Islam, Syed; Tawil, Abdel-Rahman

Idioma: Inglés

Editor: MDPI

Año: 2018

Descargar PDF

Acceso abierto

Artículo científico
2018

Un enfoque híbrido para reconocer actividades de la vida diaria a partir del uso de objetos en el entorno doméstico


Categoría

Gestión y administración

Subcategoría

Gestión de la tecnología y la inovación

Palabras clave

Reconocimiento
Actividades de la vida diaria
Ancianos
Deterioro cognitivo
Uso de objetos
Actividades rutinarias

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
El reconocimiento preciso de las Actividades de la Vida Diaria (AVD) juega un papel importante en la provisión de asistencia y apoyo a las personas mayores y con discapacidad cognitiva. Las técnicas actuales basadas en el conocimiento y en ontologías modelan conceptos de objetos a partir de suposiciones y del conocimiento común cotidiano sobre el uso de objetos para actividades rutinarias. Modelar actividades a partir de dicha información puede llevar a un reconocimiento incorrecto de actividades rutinarias particulares, lo que resulta en una posible falla para detectar tendencias de actividad anormales. En casos donde dicho conocimiento previo no está disponible, estas técnicas se vuelven prácticamente inempleables. Un paso significativo en el reconocimiento de actividades es el descubrimiento preciso del uso de objetos para actividades rutinarias específicas. Este documento presenta un marco híbrido para el consumo automático de datos de sensores y la asociación del uso de objetos a actividades rutinarias utilizando modelado de temas con Asignación de Dirichlet Latente (LDA). Este proceso permite el reconocimiento de actividades simples de la vida diaria a partir del uso de objetos y las interacciones en el entorno del hogar. La evaluación del marco propuesto en los conjuntos de datos de Kasteren y Ordonez muestra que produce mejores resultados en comparación con las técnicas existentes.

Otros recursos que podrían interesarte

Temas Virtualpro