Activity recognition and bioinspired approaches for robotics in intelligent environments (2021)
- Authors:
- Autor USP: RANIERI, CAETANO MAZZONI - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: ROBÔS; PERCEPÇÃO DA FACE; VISÃO COMPUTACIONAL; AMBIENTES URBANOS; REDES NEURAIS
- Keywords: Activities dataset; Aprendizado profundo; Base de dados de atividades; Bioinspired computational model; Deep learning; Human activity recognition; Modelo computacional bioinspirado; Neurorobotics; Neurorrobótica; Reconhecimento de atividade humana
- Agências de fomento:
- Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)
Processo FAPESP: 2017/02377-5,2018/25902-0and2017/01687-0;2013/07375-0 - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
- Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
- Nvidia Grants program, and the Neuro4PD project, funded by Royal Society and Newton Fund
- Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)
- Language: Inglês
- Abstract: Projetos de automação residencial têm sido desenvolvidos há algum tempo, tendo evoluído para os chamados ambientes inteligentes. Esses ambientes são caracterizados pela presença de conjuntos de sensores e atuadores, conectados de forma a responder adequada e proativamente a diferentes situações. A integração de ambientes inteligentes com robôs permite a introdução de capacidades adicionais de sensoriamento, além da realização de tarefas com maior flexibilidade e menor complexidade mecânica do que os robôs monolíticos tradicionais. Para dotar tais ambientes de comportamentos verdadeiramente autônomos, algoritmos devem extrair informações semanticamente significativas de quaisquer dados sensoriais disponíveis. Reconhecimento de atividade humana é um dos campos de pesquisa mais ativos dentro deste contexto. Neste projeto, foi abordado o projeto e avaliação de técnicas de aprendizado para reconhecimento da atividade humana, considerando diferentes modalidades de sensores. Dois tipos de redes neurais, baseadas em combinações de Redes Neurais Convolucionais com Redes Recorrentes com Memória de Curto e Longo Prazo ou Redes Convolucionais Temporais, foram propostas e avaliadas em duas bases de dados públicas para reconhecimento de atividade multimodal de vídeos e sensores inerciais. A estrutura resultante foi então empregada a um novo conjunto de dados, o HWU-USP activities dataset, coletado como parte deste trabalho, em um ambiente real dotado de vídeos, unidades inerciais esensores ambientais. Foi avaliada a influência dos sensores ambientais, sincronizados aos dados inerciais e de vídeo, na acurácia dos resultados, tendo se mostrado uma abordagem promissora. Além disso, o novo conjunto de dados foi provido de atividades complexas com dependências de longo prazo, avaliadas por meio de classificadores baseados em segmentos de comprimento limitado, simulando os resultados para aplicações de tempo real. Em um segundo momento, foram desenvolvidos trabalhos sobre dados neurofisiológicos de primatas induzidos à doença de Parkinson, indo de análises e classificação dos dados, com uso de redes neurais, até a construção de um modelo computacional das estruturas acometidas dentro do cérebro. Embora distinta dos estudos sobre reconhecimento de atividades e tecnologias assistivas, focos desta tese, esses trabalhos foram relacionados na natureza das técnicas empregadas, e seus resultados fizeram parte do cenário de aplicação desenvolvido em seguida. Por fim, foi projetado e implementado um cenário de aplicação na forma de simulação robótica, de modo que o módulo desenvolvido pudesse ser avaliado em situações práticas. Para o mecanismo de seleção de comportamento, uma abordagem bioinspirada baseada em modelos computacionais do circuito núcleos da base-tálamo-córtex foi avaliada e comparada a abordagens não bioinspiradas baseadas em heurísticas simples.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 02.06.2021
-
ABNT
RANIERI, Caetano Mazzoni. Activity recognition and bioinspired approaches for robotics in intelligent environments. 2021. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-11082021-112227/. Acesso em: 27 dez. 2025. -
APA
Ranieri, C. M. (2021). Activity recognition and bioinspired approaches for robotics in intelligent environments (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-11082021-112227/ -
NLM
Ranieri CM. Activity recognition and bioinspired approaches for robotics in intelligent environments [Internet]. 2021 ;[citado 2025 dez. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-11082021-112227/ -
Vancouver
Ranieri CM. Activity recognition and bioinspired approaches for robotics in intelligent environments [Internet]. 2021 ;[citado 2025 dez. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-11082021-112227/ - Ambiente para interação baseada em reconhecimento de emoções por análise de expressões faciais
- Neuro4PD: an initial neurorobotics model of Parkinson's disease
- Uncovering human multimodal activity recognition with a deep learning approach
- A neurorobotics approach to behaviour selection based on human activity recognition
- A data-driven biophysical computational model of Parkinson's disease based on marmoset monkeys
- A novel mechanism for misbehavior detection in vehicular networks
- Unveiling Parkinson's disease features from a primate model with deep neural networks
- Activity recognition for ambient assisted living with videos, inertial units and ambient sensors
- Sistema de monitoramento de idosos integrado a dispositivos móveis
- An evaluation of iron ore characteristics through machine learning and 2-D LiDAR technology
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
