YOLO pieeja cilvēku kustību klasificēšanai

Abstract

Cilvēku aktivitātes klasificēšana ar viedierīču palīdzību ir noderīga gan medicīnas pielietojumiem, gan sporta pielietojumiem, un citiem. Piemēram, pateicoties tai ir iespējams atpazīt lietotāja kritienu un savlaicīgi izsaukt palīdzību. Šajā darbā ir apskatīts kā tiek veikta cilvēku kustību atpazīšana un sportisko aktivitāšu atkārtojumu skaitīšana ar viedtālruņiem. Darba praktiskajā daļā ir ievākti kustību dati no vairākiem cilvēkiem veicot pietupienus. Šie dati izmantoti, lai izveidotu dziļo neironu tīklu modeli, kurš spēj atpazīt pietupienus, kā arī saskaitīt to atkārtojumu skaitu. Darbā tiek piedāvāts izmantot konvolūciju līmeņus un idejas no YOLO dziļo neironu tīkla, kuru izmanto objektu atpazīšanai attēlos. Uz validācijas kopas modelis sasniedz 90% precizitāti, kas ir samērojama ar līdzīgiem pētījumiem. Šis darbs ir izstrādāts FLPP projekta "Kompleksa novērtēšanas un atbalsta programma, lai samazinātu ar ekrānos pavadīto laiku saistītos veselības riskus pusaudžiem" ietvaros, kuru veic LSPA sadarbībā ar LU.

Human activity classification with the help of smart devices is useful for medical, sports, and other applications. For example, thanks to HAR it is possible to determine if a person has fallen, and promptly call for help. This thesis examines how the recognition of human movements and counting of repetitions in sports activities with smartphones is performed. In the practical part of the thesis, movement data is collected from several people performing squats. This data is used to create a model of deep neural networks that can recognize squats, as well as count their number of repetitions. The paper proposes to use convolutional layers and ideas from the YOLO network which is used for object recognition in images to create a single model for both of these tasks. The model on the validation set achieves an accuracy of 90%, which is comparable to similar studies. This work has been developed within the FLPP "Comprehensive Assessment and Support Program to Reduce Screen Time Related Health Risks in Adolescents" project, which is carried out by LSPA in cooperation with LU.