Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/13316
Title: Κατασκευή συστήματος ανίχνευσης συμπεριφοράς βαδίσματος με χρήση συσκευής κινητού τηλεφώνου
Other Titles: Development of a walking behavior detection system using a mobile phone
Authors: Σαντοριναίος, Χριστόδουλος
Keywords: Επιταχυνσιόμετρο
Μηχανική μάθηση
Φορητή συσκευή
Keywords (translated): Accelerometer
Machine learning
Mobile device
Android
Abstract: Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η κατασκευή συστήματος ανίχνευσης συμπεριφοράς βαδίσματος με χρήση συσκευής κινητού τηλεφώνου. Η ανάπτυξη της εφαρμογής γίνεται σε λειτουργικό σύστημα Android αξιοποιώντας το επιταχυνσιόμετρο 3-αξόνων της συσκευής. Αρχικά, μελετάμε τη λειτουργία του επιταχυνσιομέτρου και τους φυσικούς κανόνες που προσδιορίζουν τη συμπεριφορά του. Παρουσιάζονται, μάλιστα, και οι κύριοι τύποι επιταχυνσιομέτρων που είναι διαθέσιμοι. Στη συνέχεια, γίνεται εκτενής αναφορά στο λειτουργικό σύστημα Android και τους λόγους που οδήγησαν στην επιλογή του ως πλατφόρμας ανάπτυξης της εφαρμογής. Παρουσιάζεται η αρχιτεκτονική του καθώς και ο τρόπος που οργανώνονται οι εφαρμογές στο συγκεκριμένο λογισμικό. Στο 3ο κεφάλαιο, προσδιορίζεται το πρόβλημα που η παρούσα διπλωματική αντιμετωπίζει. Παρουσιάζεται ο τρόπος συλλογής των δεδομένων καθώς και διαγράμματα δραστηριοτήτων. Εν συνεχεία, προτείνονται αλγόριθμοι για τη μέτρηση των βημάτων που εκτελεί ο χρήστης καθώς βρίσκεται εν κινήσει. Για να γίνει επιτυχημένη ανίχνευση της δραστηριότητας του χρήστη, γίνεται χρήση και τυποποιημένων αλγορίθμων μηχανικής μάθησης. Τέλος, παρουσιάζεται η διεπαφή χρήστη της εφαρμογής και προτείνονται βελτιώσεις που είναι δυνατόν να γίνουν μελλοντικά.
Abstract (translated): The subject of this thesis is the development of a walking behavior detection system using a mobile phone. The application is deployed on an Android operating system using the device's 3-axis accelerometer. Firstly, we study the operation of the accelerometer and the physical rules that determine its behavior. The main types of accelerometers available are also presented. Then, there is extensive reference to the Android operating system and the reasons that led to its selection as an application development platform. Its architecture is presented, as well as the way applications are organized in this software. In Chapter 3, we identify the problem that this thesis is facing. The way to collect data as well as activity diagrams are presented. Subsequently, algorithms are proposed to measure the steps the user performs while on the move. Standard machine learning algorithms are also used to successfully track user activity. Finally, the application's user interface is presented and improvements are suggested that may be made in the future.
Appears in Collections:Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)

Files in This Item:
File Description SizeFormat 
Διπλωματική.pdf6.08 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons