Deep Learning e IoT per il monitoraggio personalizzato della salute

In questo lavoro viene proposto un innovativo sistema loT per il monitoraggio personalizzato a lungo termine delle attività svolte da una persona a casa. Il sistema integra un sensore indossabile Wi-Fi e tecniche di estrazione di caratteristiche per fornire informazioni su una serie di attività con l'obiettivo di dedurre comportamenti anomali. L'approccio presentato è stato concepito per essere esteso a sistemi che richiedono più sensori indossabili per fornire informazioni in modo personalizzato. La classificazione delle attività è stata eseguita con un set di addestramento relativamente piccolo. Questo risultato è interessante perché dimostra la possibilità di implementare, abbastanza facilmente, diversi sistemi HAR calibrati su diverse classi di problemi per gruppi di età di persone. L'architettura del sistema presentato sfrutta la connettività Wi-Fi di bordo e il cloud computing per garantire un aggiornamento costante della rete con nuovi set di addestramento quando si aggiungono utenti. A questo scopo, ogni campione di dati acquisito dal sensore viene trasferito al cloud. L'architettura del sistema progettato apre le porte a un approccio alternativo che potrebbe sfruttare l'uso di tecnologie FPGA per l'implementazione di complessi sistemi di elaborazione del segnale da produrre.