Improved Activity Classification: 97.91% Accuracy

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. https://vimeo.com/125699039 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 Verbesserte Detektion: Verbesserte Sicherheit! Mit dieser hohen Erkennungsrate eignet sich der Machine Learning Algorithmus noch besser, um Aktivitäten von hoch verletzlichen Verkehrsteilnehmern [...]

Motion Activity Classification with Acceleration and Rotation Sensor

A lot of devices are able to measure acceleration and rotation. For example every Smartphone is capable of this, the Tinkerforge IMU or even Sensor Tags for Car-2-X Communication, if they are equipped with such sensors. The interesting question is, how to get information out of the raw sensor data? For example Car-2-X communication: Every advanced driver assistant system (ADAS) nowadays is just able to 'see' a potential collision within the line of sight, like shown in this video: https://www.youtube.com/watch?v=83S8eKzzq-Y If, for example, a child is crossing the street from behind a bus, the collision avoidance system of the car (camera system) is not able to 'see' the approaching child, because it is hidden behind the bus. City of the [...]

By |2018-12-06T16:36:06+00:0004/2015|Categories: Allgemein|Tags: , , , |0 Comments

Vorhersage der Parkhausbelegung mit Offenen Daten

Wir engagieren uns seit geraumer Zeit in der Open Knowledge Foundation, welche das Ziel verfolgt, ohnehin schon öffentliche Daten auch noch standardisiert und maschinenlesbar verfügbar zu machen, damit Mehrwert daraus generiert werden kann. Ein schönes Beispiel für den Nutzen von Offenen Daten (Open Data) möchten wir am Beispiel der freien Parkplätze in Dresden zeigen. Die Stadt Dresden hat ein intelligentes Verkehrsleitsystem und -konzept (VAMOS), welches auch die freien Parkplätze in den jeweiligen Parkhäusern und -plätzen erfasst und bereitstellt. Freie Parkplätze Dresden Leider stehen diese Daten nicht offen - heißt: über eine Schnittstelle für jedermann - zur Verfügung. Die Open Data Aktivisten vom OKLab Dresden haben deshalb einen Scraper geschrieben, der die Zahlen von der Webseite holt und in eine Datenbank speichert [...]

By |2018-12-06T16:36:06+00:0003/2015|Categories: DataLab|Tags: , , , |0 Comments