فهرست:
چکیده. 1
فصل اول: کلیات تحقیق
1-1-تعریف... 3
1-2-محدویت پژوهش.... 3
1-3-اهمیت موضوع. 4
1-4-هدف تحقیق.. 4
1-5-روش تحقیق.. 4
1-5-1- مراحل دستیابی به تشخیص فعالیت در اندروید.. 4
1-5-2- علت انتخاب برنامهنویسی اندروید برای تشخیص فعالیت در موبایل.. 4
1-6-مراحل تحقیق.. 5
1-7-ساختار پایان نامه. 5
فصل دوم: مروری بر ادبیات تحقبق و پیشینه تحقیق
2-1-هدف... 8
2-2-برداشت انرژی از محیط برای تامین انرژی دستگاههای سیار. 9
2-2-1-مرور اجمالی بر، برداشت انرژی در سیستمهای سیار. 9
2-2-2-اصول برداشت از انرژی با استفاده از گرمای بدن انسان. 11
2-2-3- استفاده از بدن انسان بعنوان یک منبع حرارتی برای حسگرهای سیار. 12
2-2-4-بکارگیریTEGهادر دستگاههای سیار. 14
2-3-سابقه پژوهش در آشنایی با حسگرها و گوشیهای هوشمند تلفن همراه. 15
2-3-1-حسگرها 15
2-3-2-گوشیهای هوشمند.. 18
2-4- سابقه پژوهش تشخیص فعالیت انسانی بوسیله حسگرها 19
2-4-1-تعریف و طبقهبندی فعالیتهای انسان. 20
2-4-2-رویکردهای تشخیص فعالیت انسان. 24
2-4-2-1-رویکرد مبتنی بر ویدئو. 24
2-4-2-2-رویکرد مبتنی بر محیط حسگر. 24
2-4-2-3-رویکرد مبتنی بر حسگرهای پوشیدنی.. 24
2-4-3-رویکردهای مدل سازی فعالیت انسان. 25
2-4-3-1–رویکرد استخراج ویژگی.. 25
2-4-3-2-داده استاندارد وکاهش ابعاد ویژگی.. 26
2-4-4-الگوریتمهای تشخیص فعالیت... 26
2-4-4-1-الگوریتمهای خوشهبندی.. 28
2-4-4-2-الگوریتم خوشه بندی K-nn. 29
2-4-4-3-الگوریتم خوشه بندیANN.. 29
2-4-4-4-الگوریتم خوشه بندیSVM... 29
2-4-4-5-الگوریتم خوشه بندی Baysian. 30
2-4-4-6-الگوریتم خوشه بندی Naïve Bayes. 30
2-4-4-7-الگوریتم خوشه بندی Markov chain. 30
2-4-4-8-الگوریتم خوشه بندی HMM... 30
2-4-4-9-الگوریتم خوشه بندی Fuzzy Logic. 31
2-4-5-چالشها 32
2-4-5-1-پیچیدگی فعالیتها 32
2-4-5-2-تعداد فعالیتها 32
2-4-5-3-نوع فعالیت... 32
2-4-5-4-نیازمندیهای داده آموزشی.. 33
2-4-5-5-نیاز به دقت... 33
2-4-5-6-فعالیت طولانی مدت و سطح بالا.. 33
2-4-6-نیازمندیهای حسگر. 34
2-4-7-مکان حسگرها 34
2-4-8-تشخیص بلادرنگ... 34
2-4-9-الگوی فعالیت انسان. 35
2-4-10- یک نمونه ساده کار بر روی تشخیص فعالیتهای انسانی.. 37
2-5- سابقه پژوهش تشخیص فعالیت در دستگاههای تلفن همراه. 38
2-6-جمع بندی.. 51
فصل سوم. 57
ابزار تحقیق.. 57
مکانیسم تشخیص (آشکارسازی) فعالیت کاربر در دستگاههای محاسباتی.. 57
فصل سوم: روش اجرای تحقیق
3-1-مقدمه. 58
3-2- مقدمهای بر، برنامهنویسی اندروید.. 58
3-2-1-مشکلات... 59
3-2-2-کاربردها 59
3-2-3-مثالی ساده از آشکارسازی فعالیتهای انسان در محیط خانه. 60
3-3-سلسله مراتب نمایش.... 61
3-4-آشکارسازی فیلم.. 62
3-5-رخدادهای صوتی.. 62
3-6-خصوصیات شکل و رنگ... 62
3-7-آشکارسازی IE.. 63
3-8-آشکارسازی GF و GE.. 63
3-9-آشکارسازی فعالیتهای انسان از پشت موانع با استفاده از پویانمایی سیگنالهای رادار دوپلر 63
3-10-آشکارسازی از طریق RFID.. 64
3-11-تشخیص فعالیت در اندروید.. 65
3-12-تشخیص فعالیت کاربر در موبایل(دستاوردها، چالشها، توصیهها). 65
فصل چهارم: تجزیه و تحلیل دادهها
4-1-مقدمه. 71
4-2-جمعآوری دادهها 71
4-3-تولید داده ها 72
4-4-مجموعه دادههای برنامه. 74
4-5-مدیریت حسگر. 75
4-6-مدیریت مکان. 75
4-7-مدیریت فایل.. 76
4-8-کلاس فعالیت... 76
4-9-مراحل اجرای برنامه. 77
4-10-استخراج ویژگی.. 84
4-11-شناسایی فعالیت... 87
فصل پنجم: نتیجه گیری و پیشنهادات
5-1-جمع بندی.. 90
5-2-کار آتی.. 94
فهرست منابع.. 96
پیوست... 100
منبع:
[1] "glossary, "energy efficiency" " 12 august 2010.
[2] D. Bertozzi, L. Benini, and B. Ricco’, "Power Aware Network Interface Management for Streaming Multimedia," 2002.
[3] D. Anguita, A. Ghio, L. Oneto, X. Parra, and J. L. Reyes-Ortiz, "Human Activity Recognition on Smartphones using a Multiclass Hardware-Friendly Support Vector Machine," 2012.
[4] J. Raquel, "Smartphone Based Human Activity Prediction," 23th July, 2013.
[5] D. Anguita, A. Ghio, L. Oneto, X. Parra, and J. L. Reyes-Ortiz, "A Public Domain Dataset for Human Activity Recognition Using Smartphones," European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, 24-26 April 2013.
[6] V. Leonov, "Energy Harvesting for Self-Powered Wearable Devices," 2011.
[7] V. Pop, J. v. d. Molengraft, F. Schnitzler, J. Penders, R. v. Schaijk, and R. Vullers, "POWER OPTIMIZATION FOR WIRELESS AUTONOMOUS TRANSDUCER SOLUTIONS," Proceedings of PowerMEMS 2008+ microEMS 2008, Sendai, Japan, November 9-12 2008.
[8] J. D. Hardy and A. P. Gagge, "PHYSIOLOGICAL AND BEHAVIOURAL TEMPERATURE REGULATION IN MEN SUPPRESSING AUSTRALIAN SUMMER BUSHFIRES WITH HAND TOOLS," 1970.
[9] A. M. Khan, "Human Activity Recognition Using A Single Tri-axial Accelerometer," February, 2011 2011.
[10] R. YU, "Analog , MEMS and Sensors enable our Mobile Devices into a SMART world," 2003.
[11] L. Bao and S. S. Intille, "Activity Recognition from User-Annotated Acceleration Data," 2004.
[12] M. JOSEFA and V. NADALES, "RECOGNITION OF HUMAN MOTION RELATED ACTIVITIES FROM SENSORS," 2010.
[13] l. bao, "physical activity recognition from acceleration data under semi-naturalistic conditions," august 2003.
[14] A. Bayat and M. Pomplun, "A Study on Human Activity Recognition Using Accelerometer Data from Smartphones," Procedia Computer Science, pp. 450 – 457, 2014.
[15] A. BULLING, M. Planck, U. BLANKE, and B. SCHIELE, "A Tutorial on Human Activity Recognition Using Body-worn Inertial Sensors," p. 32 pages, (June 2013.
[16] L. Atallah, B. Lo, R. King, and G.-Z. Yang, "Sensor Placement for Activity Detection using Wearable Accelerometers," 2010.
[17] A. G. Wilde, "An Overview of Human Activity Detection Technologies for Pervasive Systems," 2010.
[18] Ö. Yürür and W. Moreno, "Energy Efficient Sensor Management Strategies in Mobile Sensing," 2011.
[19] S. Iyer, R. Mayo, L. Luo, and P. Ranganathan, "Energy-Adaptive Display System Designs for Future Mobile Environments," Mobile Systems, Applications, and Services, April 23 2003.
[20] P. Pillai and K. G. Shin, "Real-Time Dynamic Voltage Scaling for Low-Power Embedded Operating Systems," 2001.
[21] F. Martelli, "Wireless Sensor Networks," 2012.
[22] R. N. Mayo and P. Ranganathan, "Energy Consumption in Mobile Devices: Why Future Systems Need Requirements-Aware Energy Scale-Down," 2005.
[23] M. A. Sharaf, J. Beaver, A. Labrinidis, and P. K. Chrysanthis, "TiNA: A Scheme for Temporal CoherencyAware inNetwork Aggregation," September 19 2003.
[24] S. N. Srirama, H. Flores, and C. Paniagua, "Zompopo: Mobile Calendar Prediction based on Human Activities Recognition using the Accelerometer and Cloud Services," 2011.
[25] J. A. Madni, R. R. Basava, and E. Chen, "Energy Efficient Localization Framework for Mobile Applications," The Fifth International Conference on Sensor Technologies and Applications, 2011.
[26] Z. Zhuang, K.-H. Kim, and J. P. Singh, "Improving Energy Efficiency of Location Sensing on Smartphones," 2010.
[27] Y. Chon, E. Talipov, H. Shin, and H. Cha, "Mobility Prediction-based Smartphone Energy Optimization for Everyday Location Monitoring," 2011.
[28] Jeongyeup, P. Joongheon, and K. R. Govindan, "Energy-Efficient Rate-Adaptive GPS-based Positioning for Smartphones," 2010.
[29] K. Lin, A. Kansal, D. Lymberopoulos, and F. Zhao, "Energy-Accuracy Trade-off for Continuous Mobile Device Location," 2010.
[30] A. Paraschiv-Ionescu1, C. Perruchoud, E. Buchser, and K. Aminian, "Complexity of human activity patterns in chronic pain: from models to clinical assessment tools," 2009.
[31] S. Phithakkitnukoon, T. Horanont, G. D. Lorenzo, and Ryosuke, "Activity-Aware Map: Identifying human daily activity pattern using mobile phone data," 2010.
[32] M. F. A. b. Abdullah, A. F. P. Negara, M. S. Sayeed, and D.-J. Choi, "Classification Algorithms in Human Activity Recognition using Smartphones," 2012.
[33] J. Dai, X. Bai, Z. Yang, Z. Shen, and D. Xuan, "Mobile phone-based pervasive fall detection," 2010.
[34] D. T. G. HUYNH, "Human Activity Recognition with Wearable Sensors," 2008.
[35] O. s. D. Lara and M. A. Labrador, "A Survey on Human Activity Recognition using Wearable Sensors," 2012.
[36] S. Vacek, S. Knoop, and R. u. Dillmann, "Classifying Human Activities in Household Environments," 2005.
[37] B. Florentino-Lia˜no, N. O’Mahony, and A. Art´es-Rodr´ıguez, "Human Activity Recognition using Inertial Sensors with Invariance to Sensor Orientation," 2012.
[38] A. M. Khan, Y.-K. Lee, S. YLee, and T.-S. Kim, "A Triaxial Accelerometer-Based Physical-Activity Recognition via Augmented-Signal Features and a Hierarchical Recognizer," 2010.
[39] D. Anderson, R. H. Luke, James M. Keller, M. Skubic, M. J. Rantz, and M. A. Aud, "Modeling Human Activity From Voxel Person Using Fuzzy Logic" 2009.
[40] W. He, Y. Guo, C. Gao, and X. Li, "Recognition of human activities with wearable sensors," 2012.
[41] D. Maguire and R. Frisby, "Comparison of Feature Classification Algorithm for Activity Recognition Based on Accelerometer and Heart Rate Data," 2009.
[42] P. Rashidi and D. J. Cook, "COM: A Method for Mining and Monitoring Human Activity Patterns in Home-based Health Monitoring Systems," ACM Transactions on Intelligent Systems and Technology, Vol. 9, No. 4, Article 39, March 2011 2011.
[43] L. Chena and I. Khalilb, "Activity Recognition: Approaches, Practices and Trends," November 4, 2010.
[44] Y. Wang, J. Lin, and M. Annavaram, "A Framework of Energy Efficient Mobile Sensing for Automatic User State Recognition∗," 2009.
[45] O. Yurur, C. H. Liu, and W. Moreno, "A Survey of Context-Aware Middleware Designs for Human Activity Recognition," 2014.
[46] M. Berchtold, H. Günther, M. Budde, and M. Beigl, "Scheduling for a Modular Activity Recognition System to Reduce Energy Consumption on SmartPhones," 2011.
[47] Z. ZHAO, Y. CHEN, J. L. , Z. SHEN, and M. LIU, "Cross-People Mobile-Phone Based Activity Recognition," Proceedings of the Twenty-Second International Joint Conference on Artificial Intelligence, 2012.
[48] J. Frank, S. Mannor, and D. Precup, "Activity Recognition With Mobile Phones," 2011.
[49] M. Brown, T. Deitch, and L. O’Conor, "Activity Classification with Smartphone Data," 2013.
[50] J. R. Kwapisz, G. M. Weiss, and S. A. Moore, "Activity Recognition using Cell Phone Accelerometers," 2010.
[51] F. DiMarzio, "A Programmer’s Guide," 2008.
[52] J. P. Varkey and D. Pompili, "Movement Recognition Using Body Area Networks," 2009.
[53] M. Sönercan and S. Dinçer, "USER STATE TRACKING USING SMARTPHONES," 2011.