Vor einiger Zeit haben wir eine Maschine Learning Activity Classification vorgestellt, welche laufen, rennen, stillstehen und radfahren mit Hilfe einer 6DoF IMU (=3 Beschleunigungen und 3 Drehraten) erkennen kann.

Neueste Version: Mehr Daten = Besserer Algorithmus

Die neueste Version wurde mit dem PAMAP2 Dataset trainiert und es wurde eine Support Vector Machine mit Radial Kernel eingesetzt, statt bisher linearem Kernel.

Der so verbesserte Detektionsalgorithmus ermöglicht Erkennungsraten von im Schnitt 97.91%. Die Confusion Matrix ist nachfolgend abgebildet (Train/Test 80/20, Subject 106 des PAMAP2 Dataset):

Accuracy der detektierten Aktivitäten bei 80/20 Train/Test Split der Person 106 des PAMAP2 Dataset

Accuracy der detektierten Aktivitäten bei 80/20 Train/Test Split der Person 106 des PAMAP2 Dataset

Verbesserte Detektion: Verbesserte Sicherheit!

Mit dieser hohen Erkennungsrate eignet sich der Machine Learning Algorithmus noch besser, um Aktivitäten von hoch verletzlichen Verkehrsteilnehmern zu erkennen. Mit der Aktivität können Rückschlüsse auf Bewegungsgeschwindigkeiten und auch Bewegungsrichtungen gezogen werden. Eine verbesserte Vorhersage der Bewegungstrajektorien ist möglich.

Source Code

Der Code ist OpenSource auf Github zu finden (like to see the Link):