Aprendizagem profunda e IoT para rastreio personalizado da saúde

Neste trabalho, é proposto um sistema inovador de loT para monitorização personalizada a longo prazo das actividades realizadas por uma pessoa em casa. O sistema integra um sensor wearable Wi-Fi e técnicas de extração de características para fornecer informações sobre uma série de actividades com o objetivo de inferir comportamentos anormais. A abordagem apresentada foi concebida para ser alargada a sistemas que requerem múltiplos sensores portáteis que fornecem informações de forma personalizada. A classificação das actividades foi realizada com um conjunto de treino relativamente pequeno. Este resultado é interessante porque mostra a possibilidade de implementar, muito facilmente, diferentes sistemas HAR calibrados em diferentes classes de problemas para grupos etários de pessoas. A arquitetura do sistema apresentado explora a conetividade Wi-Fi a bordo e a computação em nuvem para garantir uma atualização constante da rede com novos conjuntos de treino quando são adicionados utilizadores. Para o efeito, cada amostra de dados adquirida pelo sensor é transferida para a nuvem. A arquitetura do sistema concebida abre a porta a uma abordagem alternativa que poderia tirar partido da utilização de tecnologias FPGA para a implementação de sistemas complexos de processamento de sinais a produzir.