Intelligent Platform for Non Intrusive Assistance of Elderly People

Mejia, Melchor Edoardo Lopez; Gómez-Montalvo, Jorge R.; Mena, Francisco Moo; Ramirez, Francisco Alejandro Madera

doi:10.1109/tla.2016.7530442

Cited by 5 publications

(2 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Outra abordagem em e-Healthé a estimação do risco que uma atividade fora de casa representa para uma pessoa idosa (Mejia et al, 2016;Cardoso et al, 2016).…”

Section: Trabalhos Correlatosunclassified

“…Sendo assim, cada janela de 5 segundos resulta em 357 características, que são apresentadas a 3 classificadores:Árvore de Decisão J48, SMO e Naïve Bayes. O trabalho em Mejia et al (2016), por sua vez, utiliza GPS para identificar se o idoso está realizando alguma atividade fora do comum e, assim, calcular o risco de acidentes do idoso naquela situação.…”

Section: Trabalhos Correlatosunclassified

See 1 more Smart Citation

Utilizando Acelerômetros de Smartphones para Prevenção de Acidentes de Trânsito

Silva

Zaghetto

et al. 2019

Anais Do 14º Simpósio Brasileiro De Automação Inteligente

View full text Add to dashboard Cite

This paper presents a method based on Artificial Neural Networks that uses signals captured from conventional cell phone accelerometers to identify user's displacement patterns. The patterns are classified according to the location of the device (pocket, hand or console) and the way the user moves (using a car or walking). Such method enables the identification of risky situations that can lead to accidents, such as driving or walking using a smartphone. Tests show that the proposed method is able to identify one of 10 possible transport modes with an average hit rate of 95%. Resumo: Este artigo apresenta um método baseado em Redes Neurais Artificiais que, utilizando sinais capturados a partir de acelerômetros de telefones celulares convencionais,é capaz de identificar padrões de deslocamento do usuário definidos pela localização do dispositivo (no bolso, na mão ou no console) e pela forma como o usuário se desloca (utilizando um carro ou a pé). Tal método possibilita a identificação de situações de risco que podem culminar em acidentes, como dirigir ou andar utilizando um smartphone. Os testes mostram que o método propostoé capaz de identificar uma dentre 10 possíveis classes de transporte com uma taxa de acerto médio de 95%.

show abstract

“…Outra abordagem em e-Healthé a estimação do risco que uma atividade fora de casa representa para uma pessoa idosa (Mejia et al, 2016;Cardoso et al, 2016).…”

Section: Trabalhos Correlatosunclassified