Submitted by camilla martins (camillasmmartins@gmail.com) on 2017-04-27T11:48:21Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_ReconhecimentoAtividadesHumanas.pdf: 1181419 bytes, checksum: 3354c3ea10e6220a8859bdc4bdb1c23c (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2017-05-04T12:01:30Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_ReconhecimentoAtividadesHumanas.pdf: 1181419 bytes, checksum: 3354c3ea10e6220a8859bdc4bdb1c23c (MD5) / Made available in DSpace on 2017-05-04T12:01:30Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_ReconhecimentoAtividadesHumanas.pdf: 1181419 bytes, checksum: 3354c3ea10e6220a8859bdc4bdb1c23c (MD5) Previous issue date: 2016-12-16 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O Reconhecimento de Atividades Humanas (RAH) é uma área de pesquisa importante e desafiadora, com muitas aplicações na área de ambientes inteligentes, saúde e segurança domiciliar. RAH pode ser visto como um processo pelo qual o comportamento de uma pessoa é monitorado e analisado para inferir quais as atividades que estão sendo realizadas em determinado período de tempo. Este trabalho apresenta a criação de dois sistemas para RAH baseado em Redes Neurais Auto-associativas desenvolvidos a partir de um banco de dados público composto por sinais de 6 atividades básicas. Os sinais foram adquiridos a partir de um acelerômetro e giroscópio de um Smartphone e tanto as características extraídas dos sinais no domínio do tempo quanto sinais brutos da aceleração do corpo foram utilizadas para o desenvolvimento dos sistemas de RAH propostos. Os resultados obtidos mostram a eficácia do sistema e a aplicabilidade das Redes Neurais Auto-associativas para o problema de RAH. / Human Activity Recognition (HAR) is an important challenging research area with many applications in intelligence ambient, healthcare and homeland security systems. HAR is the process whereby a person is monitored through sensors and analyzed to infer the undergoing activities during a period of time. This work presents the development of two systems for the HAR using auto associative neural networks. The activity recognition systems are based on public dataset that has signal from three static postures (standing, sitting, lying) and three dynamic activities (walking, walking downstairs and walking upstairs).The dataset was captured by using accelerometer and gyroscopic sensor of a Smartphone. The features extracted from the time and the acceleration due to body motion were used to the development of the proposed systems. Our experimental results illustrates the effectiveness of the proposed system.