Identifikacija oseb ob vstopu skozi vrata z uporabo pospeškomera in strojnega učenja (Identification of Users Entering a Door Using Accelerometer and Machine Learning)

V prispevku sta opisana sistem in postopek za identifikacijo omejenega števila oseb ob vstopu skozi vrata na podlagi izmerjenih pospeškov vratnega krila z uporabo metod strojnega učenja. Postopek je preizkušen na več kot 1000 vstopih 12 različnih oseb in dosega klasifikacijsko točnost do 82 %. V prispevku je podana tudi analiza vpliva razlik v načinu vstopa med različnimi osebami na klasifikacijsko točnost identifikacije, ki kaže, da je za raznolike in majhne skupine oseb mogoče doseči skoraj 100 % točnost, medtem ko je pričakovana točnost za zelo homogene in velike skupine bistveno nižja.

[1]  Mitja Lustrek,et al.  Fall Detection and Activity Recognition with Machine Learning , 2009, Informatica.

[2]  Andreas Christmann,et al.  Support vector machines , 2008, Data Mining and Knowledge Discovery Handbook.

[3]  Matjaz Gams,et al.  Intelligent High-Security Access Control , 2007, Informatica.

[4]  Heikki Ailisto,et al.  Identifying users of portable devices from gait pattern with accelerometers , 2005, Proceedings. (ICASSP '05). IEEE International Conference on Acoustics, Speech, and Signal Processing, 2005..

[5]  B. Yegnanarayana,et al.  Artificial Neural Networks , 2004 .

[6]  James Kelly,et al.  AutoClass: A Bayesian Classification System , 1993, ML.

[7]  Peter E. Hart,et al.  Nearest neighbor pattern classification , 1967, IEEE Trans. Inf. Theory.

[8]  Baining Guo,et al.  Kinect Identity: Technology and Experience , 2011, Computer.

[9]  Blaz Zupan,et al.  Orange: From Experimental Machine Learning to Interactive Data Mining , 2004, PKDD.