Sistema de Monitoreo de Actividades y Pulso Cardíaco en una Plataforma Móvil.

Con el avance de la tecnología, el reconocimiento de actividades humanas (HAR) ha ido evolucionando y aumentando su área de desempeño en especial en el área de la salud y del deporte. Se diseñó un sistema para monitorear en el celular 10 actividades prestablecidas y a su vez, medir el pulso cardíaco...

Full description

Autores:
Peñaranda Lewis, Juan Carlos
Russo Munarriz, Vitto
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Universidad del Norte
Repositorio:
Repositorio Uninorte
Idioma:
spa
OAI Identifier:
oai:manglar.uninorte.edu.co:10584/8018
Acceso en línea:
http://hdl.handle.net/10584/8018
Palabra clave:
Machine learning, bluetooth low energy, heart-rate, accelerometer
clasificación, Bluetooth de baja energía, pulso cardíaco, acelerómetro
Rights
License
Universidad del Norte
id REPOUNORT2_3f9bb19ff640581b94c9f4cd84bcd6d3
oai_identifier_str oai:manglar.uninorte.edu.co:10584/8018
network_acronym_str REPOUNORT2
network_name_str Repositorio Uninorte
repository_id_str
spelling Pardo Gonzalez, MauricioPeñaranda Lewis, Juan CarlosRusso Munarriz, Vitto2018-06-07T21:25:32Z2018-06-07T21:25:32Z2018-05-11http://hdl.handle.net/10584/8018Con el avance de la tecnología, el reconocimiento de actividades humanas (HAR) ha ido evolucionando y aumentando su área de desempeño en especial en el área de la salud y del deporte. Se diseñó un sistema para monitorear en el celular 10 actividades prestablecidas y a su vez, medir el pulso cardíaco. Para esto, se diseñaron dos wearables; uno con un acelerómetro de tres ejes, y otro con un sensor de pulso cardíaco, ubicados a un lado de la cintura y en la muñeca respectivamente. La comunicación entre los wearables y el celular se hace mediante el protocolo de comunicación Bluetooth Low Energy (BLE) con el fin de disminuir el consumo de energía. A su vez, se realizó una medición de consumo de potencia de ambos wearable para obtener una aproximación promedio de la duración de las baterías de celda (CR2032). Para entrenar el clasificador se creó un set de datos utilizando 7 sujetos de prueba para que realicen las actividades preestablecidas. Se probaron 3 clasificadores; Random Forest, k vecinos cercanos (K-NN) y Naive baiyes, y se escogió K-NN debido a su mayor rendimiento (98.5%). El sistema es capaz de clasificar las actividades y mostrar el pulso cardíaco, además, se puede visualizar los históricos de las actividades realizadas en el pasado y su pulso cardíaco promedio por sesión.With the advancements of technology, the human activity recognition (HAR) have been evolving and widening its area of applications, especially in health and sports. A mobile monitoring system was designed. This system recognizes 10 pre-established activities as well as monitoring the subjects heart rate. Two wearable components were assembled, one with a 3-axis accelerometer and another with a heart rate sensor, located on the side of the hip and wrist, respectively. The communication between cellphone and wearable component used is the Bluetooth Low Energy (BLE) protocol with the objective of having a low power consumption. Meanwhile, both wearables were subjected to power consumption measurements with the objective of calculating an approximate duration of coin cell batteries used (CR2032). To train the classifier, a data set was record that consisted of 7 test subjects that performed the pre-established activities. Three different classifier algorithms are tested, Random Forest, K-Nearest Neighbor and Naive Bayes. The K-Nearest Neighbor was chosen due to its accuracy of 98.5%. The system is capable of classifying the activities and showing the heart rate, it’s also possible to visualize the subjects historical activities performed in the past in relation with the heart rate.spaBarranquilla, Universidad del Norte, 2018Universidad del Nortehttp://purl.org/coar/access_right/c_abf2Machine learning, bluetooth low energy, heart-rate, accelerometerclasificación, Bluetooth de baja energía, pulso cardíaco, acelerómetroSistema de Monitoreo de Actividades y Pulso Cardíaco en una Plataforma Móvil.Human activity recognition and heart rate monitoring mobile platformarticlehttp://purl.org/coar/resource_type/c_6501ORIGINALImagen.jpegImagen.jpegActividad realizada y pulso cardíacoimage/jpeg39396http://172.16.14.36:8080/bitstream/10584/8018/1/Imagen.jpeg79996089f489ff589957e87141018db1MD51imagen.pdfimagen.pdfActividad realizada y pulso cardíacoapplication/pdf70157http://172.16.14.36:8080/bitstream/10584/8018/2/imagen.pdf4a6f93de5159f05feb7ec495372870dfMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://172.16.14.36:8080/bitstream/10584/8018/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5310584/8018oai:172.16.14.36:10584/80182018-06-07 16:25:32.816Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.co
dc.title.es_ES.fl_str_mv Sistema de Monitoreo de Actividades y Pulso Cardíaco en una Plataforma Móvil.
dc.title.en_US.fl_str_mv Human activity recognition and heart rate monitoring mobile platform
title Sistema de Monitoreo de Actividades y Pulso Cardíaco en una Plataforma Móvil.
spellingShingle Sistema de Monitoreo de Actividades y Pulso Cardíaco en una Plataforma Móvil.
Machine learning, bluetooth low energy, heart-rate, accelerometer
clasificación, Bluetooth de baja energía, pulso cardíaco, acelerómetro
title_short Sistema de Monitoreo de Actividades y Pulso Cardíaco en una Plataforma Móvil.
title_full Sistema de Monitoreo de Actividades y Pulso Cardíaco en una Plataforma Móvil.
title_fullStr Sistema de Monitoreo de Actividades y Pulso Cardíaco en una Plataforma Móvil.
title_full_unstemmed Sistema de Monitoreo de Actividades y Pulso Cardíaco en una Plataforma Móvil.
title_sort Sistema de Monitoreo de Actividades y Pulso Cardíaco en una Plataforma Móvil.
dc.creator.fl_str_mv Peñaranda Lewis, Juan Carlos
Russo Munarriz, Vitto
dc.contributor.advisor.none.fl_str_mv Pardo Gonzalez, Mauricio
dc.contributor.author.none.fl_str_mv Peñaranda Lewis, Juan Carlos
Russo Munarriz, Vitto
dc.subject.en_US.fl_str_mv Machine learning, bluetooth low energy, heart-rate, accelerometer
topic Machine learning, bluetooth low energy, heart-rate, accelerometer
clasificación, Bluetooth de baja energía, pulso cardíaco, acelerómetro
dc.subject.es_ES.fl_str_mv clasificación, Bluetooth de baja energía, pulso cardíaco, acelerómetro
description Con el avance de la tecnología, el reconocimiento de actividades humanas (HAR) ha ido evolucionando y aumentando su área de desempeño en especial en el área de la salud y del deporte. Se diseñó un sistema para monitorear en el celular 10 actividades prestablecidas y a su vez, medir el pulso cardíaco. Para esto, se diseñaron dos wearables; uno con un acelerómetro de tres ejes, y otro con un sensor de pulso cardíaco, ubicados a un lado de la cintura y en la muñeca respectivamente. La comunicación entre los wearables y el celular se hace mediante el protocolo de comunicación Bluetooth Low Energy (BLE) con el fin de disminuir el consumo de energía. A su vez, se realizó una medición de consumo de potencia de ambos wearable para obtener una aproximación promedio de la duración de las baterías de celda (CR2032). Para entrenar el clasificador se creó un set de datos utilizando 7 sujetos de prueba para que realicen las actividades preestablecidas. Se probaron 3 clasificadores; Random Forest, k vecinos cercanos (K-NN) y Naive baiyes, y se escogió K-NN debido a su mayor rendimiento (98.5%). El sistema es capaz de clasificar las actividades y mostrar el pulso cardíaco, además, se puede visualizar los históricos de las actividades realizadas en el pasado y su pulso cardíaco promedio por sesión.
publishDate 2018
dc.date.accessioned.none.fl_str_mv 2018-06-07T21:25:32Z
dc.date.available.none.fl_str_mv 2018-06-07T21:25:32Z
dc.date.issued.none.fl_str_mv 2018-05-11
dc.type.es_ES.fl_str_mv article
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10584/8018
url http://hdl.handle.net/10584/8018
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.rights.es_ES.fl_str_mv Universidad del Norte
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Universidad del Norte
http://purl.org/coar/access_right/c_abf2
dc.publisher.es_ES.fl_str_mv Barranquilla, Universidad del Norte, 2018
institution Universidad del Norte
bitstream.url.fl_str_mv http://172.16.14.36:8080/bitstream/10584/8018/1/Imagen.jpeg
http://172.16.14.36:8080/bitstream/10584/8018/2/imagen.pdf
http://172.16.14.36:8080/bitstream/10584/8018/3/license.txt
bitstream.checksum.fl_str_mv 79996089f489ff589957e87141018db1
4a6f93de5159f05feb7ec495372870df
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Digital de la Universidad del Norte
repository.mail.fl_str_mv mauribe@uninorte.edu.co
_version_ 1812183107639443456