SEAbIRD : adaptable daily living activity identification from sensor data streams

Abstract

"Active Aging es una propuesta que tiene como objetivo mejorar la calidad de vida a medida que una persona envejece. Uno de los principales casos de uso de este concepto es la aplicación de productos y servicios basados en tecnología; este enfoque es conocido como Ambient Assisted Living (AAL). Una tarea importante realizada por AAL es el descubrimiento de las actividades de la vida diaria (ADL) del usuario que utilizan datos recuperados de los sensores instalados en un hogar activo. Aún así, no existe mucha investigación sobre la implementación de un sistema para el descubrimiento de ADL que contemple factores como la configuración personalizada, la falla de sensores y la privacidad del usuario. En este trabajo, identificamos los principales requisitos que debe tener un sistema de descubrimiento de ADL. Luego, proponemos un esquema de descubrimiento de ADL que soporte estas necesidades. Finalmente, exploramos la aplicación de modelos de descubrimiento de ADL adaptables y tolerantes a fallas de sensores sobre los datos correspondientes de un usuario real. Esta exploración evidencia que nuestros modelos propuestos pueden adaptarse a los escenarios mencionados anteriormente y aún así tener un desempeño sobresaliente en el proceso de descubrimiento de actividades."--Tomado del Formato de Documento de Grado.

"Active Aging is a proposal that aims to improve life quality, as a person grows old. One of the main use cases of this concept is the application of products and services based on technology; this approach, known as Ambient Assisted Living (AAL). An important activity performed by AAL is the discovery of the user's activities of daily life (ADL) employing data retrieved from sensors set on an active home. Still, there is no much research on implementing a system for ADL discovery which contemplates factors as personalized configuration, sensor failure and user privacy. We identify the main requirements that an ADL discovery system must have. Then, we propose an ADL discovery schema that supports these necessities. Finally, we explore the application of adaptable and sensor-failure tolerant ADL discovery models over recorded data from a real user. This exploration evidences that our proposed models can adapt to the above-mentioned scenarios and still have an outstanding performance on activity discovery process."--Tomado del Formato de Documento de Grado.