Rendimiento de algoritmos de clasificación en el reconocimiento de actividades de personas

Abstract

El reconocimiento del accionar de personas utilizando técnicas de aprendizaje de máquina y la gran cantidad de información proporcionada por sensores y procesadas por ordenadores, son sintetizados en modelos que permite estimar comportamientos futuros y prevenir posibles acontecimientos o acciones que afecten al ser humano. Un modelo correctamente entrenado y validado, fácilmente puede sustituir al ser humano en la toma de decisiones. Los modelos de reconocimiento surgen de la aplicación de varias metodologías de aprendizaje de máquina para el tratamiento de los datos. Parten con el análisis del problema a solucionar, la organización de la información en variables, la extracción de características que expresan la acción y el entorno, la segmentación de las características para el entrenamiento y evaluación, el entrenamiento de cada algoritmo y finalmente la evaluación. Este trabajo se centra en la solución a un problema de reconocimiento de cuatro actividades caminar, sentarse en una cama, sentarse en una silla y acostarse. Se utiliza la base de datos de un repositorio digital, los mismos que se someten a metodologías para acondicionar los datos de tal forma que sean útiles para el entrenamiento. Los algoritmos considerados en el entrenamiento son el K-vecinos más cercanos, máquina vectorial de soporte y una red neuronal artificial. La evaluación se basa en métricas que permiten cuantificar el rendimiento de los modelos. La matriz de confusión y sus derivaciones como: la tasa de error, especificidad y recall son los principales indicadores. Los resultados obtenidos, independientemente del modelo, son aceptables debido que sus rendimientos están sobre el 80% de eficiencia en el reconocimiento.