Grupo de Procesado de Datos y Simulación                                    ETSI de Telecomunicación                      ...
contenido de la presentación            introducción y motivación            modelos ocultos de Markov            fase ...
introducción y motivación                                                                                     alzhéimer• A...
el alzhéimer y las AVDsDIAGNÓSTICOo el alzhéimer se manifiesta inicialmente por una discreta alteración en la  ejecución n...
aplicación de la Inteligencia Ambiental                                                    • diagnóstico                  ...
modelos ocultos de Markov• modelan explícitamente procesos aleatorios variables en el  tiempo• modelan transiciones tempor...
modelos ocultos de Markov                                                                  ‘problemas clásicos’•    Proble...
fase de reconocimiento de actividadesentradas1.    localización simbólica del usuario (PDA) (6)      o     entrada      o ...
estados empleados                              diseñados a partir de las entradas             • localización              ...
topología de red               determinada por las transiciones posibles de las entradaslocalización,                     ...
topología de red               determinada por las transiciones posibles de las entradaslocalización,                     ...
topología de redSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobile de activida...
clasificación - modelado de actividadesSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-a...
modelado de actividades                                                                                      ‘entrada→coci...
calidad de las entradas                                                      bjk                              modelo del  ...
clasificación - algoritmo evaluadorSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware...
modelos ocultos de Markov                                                                  ‘problemas clásicos’•    Proble...
algoritmo de avance• función de avance                                                                                    ...
clasificación markoviana   ALGORITMO SELECTOR   • máxima probabilidad   • definición de umbral   • distribución de probabi...
HMMs estratificados (=LHMMs)Sistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobile...
ventajas de los LHMMs1 LHMM de varios niveles ↔ estructura de clasificación basada en HMMs de un sólo nivel(concatenando l...
estructura LHMM implementada                                                      máxima probabilidad           entradas  ...
modelado de rutinasSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobile de activ...
fase de mejora de la estimación      A             B            C        A,A,A,C,C,...                        A,A,A,B,C,.....
fase de mejora de la estimaciónentradas1.    localización simbólica del usuario (PDA) (6)      o     entrada      o     pa...
estados empleados                              diseñados a partir de las entradas             • localización              ...
topología de red               determinada por las transiciones posibles de las entradaslocalización,                     ...
calidad de las entradas                                                      bjk                              modelo del  ...
topología de redSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobile de activida...
fase de mejora de la estimaciónSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mob...
modelos ocultos de Markov                                                                  ‘problemas clásicos’•    Proble...
algoritmo de Viterbi• se define la función δt(i): la probabilidad del mejor camino hasta el estado qt=Si  habiendo obtenid...
algoritmo de Viterbi                                             punteros de camino más probable                          ...
algoritmo de Virterbi enventanadoo1      o2    ...   ot                                           q’1       q’2   ...   q’...
algoritmo de Virterbi enventanadoo1      o2    ...   ot                                                q’1       q’2      ...
mejora de la estimación - evaluaciónsistemas de estimación de entrada                        fase de mejora de la estimaci...
mejora de la estimación - evaluaciónSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-awar...
reconocimiento de actividades - evaluaciónSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of contex...
reconocimiento de actividades - evaluaciónSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of contex...
reconocimiento de actividades - evaluaciónSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of contex...
sistema integrado - evaluación                                     ≠Sistema de reconocimiento automáticoservices – CISTI 2...
sistema integrado - evaluaciónprobabilidad de acierto / mejora introducida  Sistema de reconocimiento automáticoservices –...
sistema integrado - evaluaciónSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobi...
sistema integrado - evaluaciónSIN mejora introducida                                                        mejora introdu...
gestión de alarmasSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobile de activi...
ontología de actividades (y restricciones)Sistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of contex...
ontología de actividadesSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobile de ...
ontología de restriccionesSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobile d...
clasificación de actividadesSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobile...
gestión de alarmasSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobile de activi...
conclusiones y trabajos futuros CORTO PLAZO • acoplamiento de modelos en sistema integrado • diseño de modelos realistas (...
any question?Sistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobile de actividades...
algortimo de avance (detalle)Sistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobil...
algortimo de Viterbi (detalle)Sistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-aware mobi...
modelos ocultos de Markov                                                                           definiciónSistema de r...
modelos ocultos de Markov                                          algunas características• La transición a un estado futu...
modelado de actividades                                                                                      ‘entrada→coci...
modelado de actividades‘entrada→cocina’                                                        ‘actividad-cocina’Sistema d...
posible ampliación – mayor granularidadSistema de reconocimiento automáticoservices – CISTI 2008  Prototyping of context-a...
algoritmo evaluador                                                            planteamiento del problema•    Problema de ...
algoritmos de decodificación                                                                planteamiento del problema•   ...
reconocimiento de actividades                   [detalle de funcionamiento]                                   (memoria, pá...
reconocimiento de actividades (con LHMM)                 [ejemplo de funcionamiento]                                   (me...
Upcoming SlideShare
Loading in …5
×

[TrabajoFinMaster] Sistema de reconocimiento automático de eventos asociados con las actividades de la vida diaria

362 views

Published on

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
362
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

[TrabajoFinMaster] Sistema de reconocimiento automático de eventos asociados con las actividades de la vida diaria

  1. 1. Grupo de Procesado de Datos y Simulación ETSI de Telecomunicación Universidad Politécnica de MadridSistema de reconocimiento automático de eventos asociados con las actividades de la vida diaria Diseño y evaluación Josué Iglesias Álvarez josue@grpss.ssr.upm.es
  2. 2. contenido de la presentación  introducción y motivación  modelos ocultos de Markov  fase de reconocimiento de actividades  modelos ocultos de Markov estratificados  fase de mejora de la estimación  evaluación y resultados  fase de gestión de alarmas  conclusiones y trabajos futurosSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 2 / 13 2
  3. 3. introducción y motivación alzhéimer• Afecta a un 10% de los mayores de 65 años, constituyendo aproximadamente el 20% de las dependencias graves• 29,8 millones de enfermos en 2008• 81,1 millones en 2050• 3.506 $/año/enfermo (principalmente relacionados con el desempeño de Actividades de la Vida Diaria) envejecimiento de la población prevalencia de la demencia para los mayores de 65 años 1950 2000 2030Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 3 / 13 3
  4. 4. el alzhéimer y las AVDsDIAGNÓSTICOo el alzhéimer se manifiesta inicialmente por una discreta alteración en la ejecución normal de las actividades de la vida cotidianao indicadores formales sobre la realización de actividades de la vida diaria son clave para ubicar al paciente en una u otra fase de la enfermedadTERAPIA OCUPACIONALo el establecimiento y supervisión de una serie de secuencias de tareas, acostumbrando al enfermo a que las realice siempre de la misma manera, le permitirán desarrollar la orientación y saber qué es lo que ha hecho ya y qué es lo siguiente que debe hacerSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 4 / 13 4
  5. 5. aplicación de la Inteligencia Ambiental • diagnóstico • inicial • evolución reconocimiento automático de • monitorización • control terapia actividades • detección anomalías(y detección de ‘anomalías’) • asistencia • recordatorios • generación de alarmas modelos ocultos modelado de Markov ontológicoSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 5 / 13 5
  6. 6. modelos ocultos de Markov• modelan explícitamente procesos aleatorios variables en el tiempo• modelan transiciones temporal del contexto (secuencias)• 2 procesos: • proceso de Markov no observado (estados ocultos) • proceso observado (dependiente probabilísticamente del proceso oculto)• evolucionan según • πi: probabilidades a priori • aij: probabilidades de transición entre estados ocultos • bjk: probabilidades de emisión de símbolos observablesSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 6 / 13 6
  7. 7. modelos ocultos de Markov ‘problemas clásicos’• Problema de evaluación. Dado un HMM completo, con probabilidades de transición aij, probabilidades de observación bjk y vector de probabilidades a priori πi, calcular la probabilidad de que una secuencia de observables O haya sido generada por ese HMM.• Problema de decodificación. Dado un HMM completo, con probabilidades de transición aij, probabilidades de observación bjk y vector de probabilidades iniciales πi, y dada una secuencia de observables O, determinar la secuencia de estados ocultos que con mayor probabilidad haya generado esa secuencia de observables.• Problema de aprendizaje. Dada una serie de secuencias de observaciones de entrenamiento Od, ajustar los parámetros (aij, bjk y πi) de un HMM de manera que el modelo se adapte de forma óptima a estas secuencias.Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 7 / 13 7
  8. 8. fase de reconocimiento de actividadesentradas1. localización simbólica del usuario (PDA) (6) o entrada o pasillo o salón o cocina o dormitorio o aseo2. acción elemental (4) o tumbado o sentado o parado o caminandoSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 8 / 13 8
  9. 9. estados empleados diseñados a partir de las entradas • localización → 6 posibles entradas • acción elemental → x 4 posibles entradas 24 estados integrados modelo del comportamiento del usuario (πi, aij) modelo de la calidad de las estimaciones de entrada (bjk)Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 9 / 13 9
  10. 10. topología de red determinada por las transiciones posibles de las entradaslocalización, entradatransiciones posibles tumbado entrada entrada parado sentado entrada 6 estados caminando 24 estados salón caminando 4 estados pasillo caminandoacción elemental, pasillo parado pasillo sentadotransiciones posibles pasillo tumbado Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 10 / 1310
  11. 11. topología de red determinada por las transiciones posibles de las entradaslocalización, entradatransiciones posibles tumbado entrada entrada parado sentado entrada 6 estados caminando 24 estados salón caminando  17 estados 4 estados pasillo caminandoacción elemental, pasillo parado pasillo sentadotransiciones posibles pasillo tumbado Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 11 / 1311
  12. 12. topología de redSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 12 / 1312
  13. 13. clasificación - modelado de actividadesSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 13 / 1313
  14. 14. modelado de actividades ‘entrada→cocina’ entrada pasillo salón cocina parado parado parado parado cocina sentado entrada pasillo salón cocina caminando caminando caminando caminando ‘actividad-cocina’ cocina sentado salón caminando cocina caminando cocina paradoSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 14 / 1314
  15. 15. calidad de las entradas bjk modelo del  comportamiento del usuario (πi, aij) modelo de la calidad de las estimaciones de entrada (bjk)• probabilidad de acierto parametrizada (Pa)• probabilidad de error equidistribuidaSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 15 / 1315
  16. 16. clasificación - algoritmo evaluadorSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 16 / 1316
  17. 17. modelos ocultos de Markov ‘problemas clásicos’• Problema de evaluación. Dado un HMM completo, con probabilidades de transición aij, probabilidades de observación bjk y vector de probabilidades a priori πi, calcular la probabilidad de que una secuencia de observables O haya sido generada por ese HMM.• Problema de decodificación. Dado un HMM completo, con probabilidades de transición aij, probabilidades de observación bjk y vector de probabilidades iniciales πi, y dada una secuencia de observables O, determinar la secuencia de estados ocultos que con mayor probabilidad haya generado esa secuencia de observables.• Problema de aprendizaje. Dada una serie de secuencias de observaciones de entrenamiento Od, ajustar los parámetros (aij, bjk y πi) de un HMM de manera que el modelo se adapte de forma óptima a estas secuencias.Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 17 / 1317
  18. 18. algoritmo de avance• función de avance λ=(πi, aij, bjk) expresión recursiva• desarrollo ... Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 18 / 1318
  19. 19. clasificación markoviana ALGORITMO SELECTOR • máxima probabilidad • definición de umbral • distribución de probabilidadSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 19 / 1319
  20. 20. HMMs estratificados (=LHMMs)Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 20 / 1320
  21. 21. ventajas de los LHMMs1 LHMM de varios niveles ↔ estructura de clasificación basada en HMMs de un sólo nivel(concatenando los distintos modelos de los distintos niveles)• flexibilidad en la selección de entradas – en general entradas(L) = salidas(L-1) pero ... – permite integrar nuevas entradas → entradas(L) = salidas(L-1) + nuevasEntradas• acceso a diferentes niveles de inferencia – diferentes tipos de inferencias en cada nivel → – permiten alimentar sistemas externos (o internos) con distintas necesidades de información inferida• selección flexible de temporización – diferentes frecuencias de muestreo – diferentes tamaños de ventana – diferentes desplazamientos de ventana• entrenamiento desacoplado – entrenamiento independiente de cada nivel de LHMM → – actualización independiente de cada tipo de entradas – p.ej. la modificación o ajuste de los sensores de bajo nivel en un sistema sensible al contexto únicamente requerirían el reentrenamiento de los niveles más bajos del LHMM, manteniendo sin modificar ni reentrenar los niveles superiores – presentan menos problemas de sobreentrenamiento (pues cada nivel se entrena con menos cantidad de datos) – alcanzan el mismo rendimiento que con estructuras clásicas de un sólo nivel, pero con menos datos de entrenamientoSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 21 / 1321
  22. 22. estructura LHMM implementada máxima probabilidad entradas algoritmo de avance salidasSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 22 / 1322
  23. 23. modelado de rutinasSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 23 / 1323
  24. 24. fase de mejora de la estimación A B C A,A,A,C,C,... A,A,A,B,C,...Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 24 / 1324
  25. 25. fase de mejora de la estimaciónentradas1. localización simbólica del usuario (PDA) (6) o entrada o pasillo o salón algoritmo de Viterbi enventanado o cocina o dormitorio o aseo modelado de actividades2. acción elemental (4) o tumbado o sentado o parado o caminandoSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 25 / 1325
  26. 26. estados empleados diseñados a partir de las entradas • localización → 6 posibles entradas • acción elemental → x 4 posibles entradas 24 estados integrados modelo del comportamiento del usuario (πi, aij) modelo de la calidad de las estimaciones de entrada (bjk)Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 26 / 1326
  27. 27. topología de red determinada por las transiciones posibles de las entradaslocalización, entradatransiciones posibles tumbado entrada entrada parado sentado entrada 6 estados caminando 24 estados salón caminando  17 estados 4 estados pasillo caminandoacción elemental, pasillo parado pasillo sentadotransiciones posibles pasillo tumbado Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 27 / 1327
  28. 28. calidad de las entradas bjk modelo del  comportamiento del usuario (πi, aij) modelo de la calidad de las estimaciones de entrada (bjk)• probabilidad de acierto parametrizada (Pa)• probabilidad de error equidistribuidaSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 28 / 1328
  29. 29. topología de redSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 29 / 1329
  30. 30. fase de mejora de la estimaciónSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 30 / 1330
  31. 31. modelos ocultos de Markov ‘problemas clásicos’• Problema de evaluación. Dado un HMM completo, con probabilidades de transición aij, probabilidades de observación bjk y vector de probabilidades a priori πi, calcular la probabilidad de que una secuencia de observables O haya sido generada por ese HMM.• Problema de decodificación. Dado un HMM completo, con probabilidades de transición aij, probabilidades de observación bjk y vector de probabilidades iniciales πi, y dada una secuencia de observables O, determinar la secuencia de estados ocultos que con mayor probabilidad haya generado esa secuencia de observables.• Problema de aprendizaje. Dada una serie de secuencias de observaciones de entrenamiento Od, ajustar los parámetros (aij, bjk y πi) de un HMM de manera que el modelo se adapte de forma óptima a estas secuencias.Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 31 / 1331
  32. 32. algoritmo de Viterbi• se define la función δt(i): la probabilidad del mejor camino hasta el estado qt=Si habiendo obtenido las t primeras observaciones expresión recursiva• desarrollo ... Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 32 / 1332
  33. 33. algoritmo de Viterbi punteros de camino más probable para conocer el estado qt tengo que saber antes el estado qt+1  este algoritmo requiere la secuencia completa de observaciones  incompatible con nuestra aplicación (necesitamos salidas en tiempo real)Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 33 / 1333
  34. 34. algoritmo de Virterbi enventanadoo1 o2 ... ot q’1 q’2 ... q’t o2 o3 ... ot+1 q’1 q’2 ... q’t o3 o4 ... ot+2 q’1 q’2 ... q’t . algoritmo . . estándar de . . Viterbi . ... ... ... ot+T q’1 q’2 ... q’t q*1 q*2 q*3 ... ? aij = 0 Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 34 / 1334
  35. 35. algoritmo de Virterbi enventanadoo1 o2 ... ot q’1 q’2 ... q’t = o2 o3 ... ot+1 q’1 q’2 ... q’t = o3 o4 ... ot+2 q’1 q’2 ... q’t . algoritmo . . estándar de . . Viterbi . ... ... ... ot+T q’1 q’2 ... q’t retardo q*2 q*3 q*4 ... d = tamañoVentana - 2  Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 35 / 1335
  36. 36. mejora de la estimación - evaluaciónsistemas de estimación de entrada fase de mejora de la estimación Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 36 / 1336
  37. 37. mejora de la estimación - evaluaciónSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 37 / 1337
  38. 38. reconocimiento de actividades - evaluaciónSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 38 / 1338
  39. 39. reconocimiento de actividades - evaluaciónSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 39 / 1339
  40. 40. reconocimiento de actividades - evaluaciónSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 40 / 1340
  41. 41. sistema integrado - evaluación ≠Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 41 / 1341
  42. 42. sistema integrado - evaluaciónprobabilidad de acierto / mejora introducida Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 42 / 1342
  43. 43. sistema integrado - evaluaciónSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 43 / 1343
  44. 44. sistema integrado - evaluaciónSIN mejora introducida mejora introducidaCON mejora introducida Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 44 / 1344
  45. 45. gestión de alarmasSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 45 / 1345
  46. 46. ontología de actividades (y restricciones)Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 46 / 1346
  47. 47. ontología de actividadesSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 47 / 1347
  48. 48. ontología de restriccionesSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 48 / 1348
  49. 49. clasificación de actividadesSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 49 / 1349
  50. 50. gestión de alarmasSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 50 / 1350
  51. 51. conclusiones y trabajos futuros CORTO PLAZO • acoplamiento de modelos en sistema integrado • diseño de modelos realistas (proceso de aprendizaje) • integración con subsistemas de entrada (no simulación) • ampliación del tipo de entradas (mayor granularidad) • extensión del modelado ontológico a otros bloques MEDIO PLAZO • desarrollo de niveles superiores de la jerarquía de LHMMs • reconocimiento → predicción • desarrollo sobre plataforma móvil • interfaz gráfica de configuración/resultados • etc.Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 51 / 1351
  52. 52. any question?Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 52 / 1352
  53. 53. algortimo de avance (detalle)Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 53 / 1353
  54. 54. algortimo de Viterbi (detalle)Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 54 / 1354
  55. 55. modelos ocultos de Markov definiciónSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 55 / 1355
  56. 56. modelos ocultos de Markov algunas características• La transición a un estado futuro sólo depende del estado actual – HMM de primer orden: – HMM de orden k:• La probabilidad de transición entre estados es independiente del instante de tiempo:Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 56 / 1356
  57. 57. modelado de actividades ‘entrada→cocina’ entrada pasillo salón cocina parado parado parado parado cocina sentado entrada pasillo salón cocina caminando caminando caminando caminando ‘actividad-cocina’ cocina sentado salón caminando cocina caminando cocina paradoSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 57 / 1357
  58. 58. modelado de actividades‘entrada→cocina’ ‘actividad-cocina’Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 58 / 1358
  59. 59. posible ampliación – mayor granularidadSistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 59 / 1359
  60. 60. algoritmo evaluador planteamiento del problema• Problema de evaluación. Dado un HMM completo, con probabilidades de transición aij, probabilidades de observación bjk y vector de probabilidades a priori πi, calcular la probabilidad de que una secuencia de observables O haya sido generada por ese HMM.Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 60 / 1360
  61. 61. algoritmos de decodificación planteamiento del problema• Problema de decodificación. Dado un HMM completo, con probabilidades de transición aij, probabilidades de observación bjk y vector de probabilidades iniciales πi, y dada una secuencia de observables O, determinar la secuencia de estados ocultos que con mayor probabilidad haya generado esa secuencia de observables. ? Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 61 / 1361
  62. 62. reconocimiento de actividades [detalle de funcionamiento] (memoria, página 109)Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 62 / 1362
  63. 63. reconocimiento de actividades (con LHMM) [ejemplo de funcionamiento] (memoria, página 112)Sistema de reconocimiento automáticoservices – CISTI 2008 Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es josue@grpss.ssr.upm.es 63 / 1363

×