Tato práce se zabývá vlastnostmi měření na systému Android. Rozebírá několik možností, jak lze využít inerciálních senzorů v mobilních telefonech k rozpoznávání pohybových aktivit člověka.
Je zde popsáno několik vědeckých prací, které demonstrují možnosti využití inerciálních senzorů v mobilních telefonech. Například aplikace detekující spánkové cykly, aplikace detekující obstrukční spánkovou apnoe nebo náramek, který detekuje epileptické záchvaty uživatele.
Dále jsou zde rozebrány možnosti a skutečné vlastnosti senzorů, které nabízí systém Android.
Potom je diskutován návrh algoritmu pro detekci epileptických záchvatů. Jsou zde uvedeny grafy s naměřenými hodnotami od skutečných pacientů s epileptickými záchvaty a jejich analýza.
Na závěr jsou testovány schopnosti mobilního telefonu detekovat různé frekvence ze signálu získaného z akcelerometru. Mobilní akcelerometr je porovnáván s průmyslovým akcelerometrem od firmy Kistler.
Annotation in English
The thesis deals with characteristics of measuring on the Android system. It analyses a few options of using inertial sensors in mobile phones to detect human physical activity.
It describes several scientific works which demonstrates some ways of using inertial sensors in mobile phones. For example applications detecting sleep cycles, obstructive sleeping apnea or a bracelet detecting epileptic fit of the user.
Furthermore there are examined capabilities and real characteristics of the sensors which are offered by Android system.
Then there is discussed a project of algorithm for detecting epileptic fit including charts with measured values of real patients suffering from epileptic fits and their analysis.
Finally capabilities of a mobile phone have been tested to detect various frequency rates received from accelerometer signal. Mobile accelerometer is compared with industrial accelerometer made by Kistler company.
Tato práce se zabývá vlastnostmi měření na systému Android. Rozebírá několik možností, jak lze využít inerciálních senzorů v mobilních telefonech k rozpoznávání pohybových aktivit člověka.
Je zde popsáno několik vědeckých prací, které demonstrují možnosti využití inerciálních senzorů v mobilních telefonech. Například aplikace detekující spánkové cykly, aplikace detekující obstrukční spánkovou apnoe nebo náramek, který detekuje epileptické záchvaty uživatele.
Dále jsou zde rozebrány možnosti a skutečné vlastnosti senzorů, které nabízí systém Android.
Potom je diskutován návrh algoritmu pro detekci epileptických záchvatů. Jsou zde uvedeny grafy s naměřenými hodnotami od skutečných pacientů s epileptickými záchvaty a jejich analýza.
Na závěr jsou testovány schopnosti mobilního telefonu detekovat různé frekvence ze signálu získaného z akcelerometru. Mobilní akcelerometr je porovnáván s průmyslovým akcelerometrem od firmy Kistler.
Annotation in English
The thesis deals with characteristics of measuring on the Android system. It analyses a few options of using inertial sensors in mobile phones to detect human physical activity.
It describes several scientific works which demonstrates some ways of using inertial sensors in mobile phones. For example applications detecting sleep cycles, obstructive sleeping apnea or a bracelet detecting epileptic fit of the user.
Furthermore there are examined capabilities and real characteristics of the sensors which are offered by Android system.
Then there is discussed a project of algorithm for detecting epileptic fit including charts with measured values of real patients suffering from epileptic fits and their analysis.
Finally capabilities of a mobile phone have been tested to detect various frequency rates received from accelerometer signal. Mobile accelerometer is compared with industrial accelerometer made by Kistler company.
Seznamte se se současným stavem monitorování pohybových aktivit pomocí inerciálních senzorů.
Prozkoumejte možnosti monitorování pohybových aktivit osob pomocí "chytrých"\\ telefonů. Zvláštní důraz věnujte možnosti identifikace nežádoucích pohybů (pád,\\ záchvat, ...).
Navrhněte algoritmus pro rozpoznání epileptického záchvatu dětí během spánku a jeho implementaci do mobilního telefonu s operačním systémem Android. Pro rozpoznání záchvatu použijte klasifikační metody založené na frekvenční analýze naměřeného signálu.
Vyvinutý algoritmus ověřte na vhodném testovacím zařízení.
Research Plan
Seznamte se se současným stavem monitorování pohybových aktivit pomocí inerciálních senzorů.
Prozkoumejte možnosti monitorování pohybových aktivit osob pomocí "chytrých"\\ telefonů. Zvláštní důraz věnujte možnosti identifikace nežádoucích pohybů (pád,\\ záchvat, ...).
Navrhněte algoritmus pro rozpoznání epileptického záchvatu dětí během spánku a jeho implementaci do mobilního telefonu s operačním systémem Android. Pro rozpoznání záchvatu použijte klasifikační metody založené na frekvenční analýze naměřeného signálu.
Vyvinutý algoritmus ověřte na vhodném testovacím zařízení.
Recommended resources
BEHAR, Joachim, Aoife ROEBUCK, Mohammed SHAHID, Jonathan DALY, Andre HALLACK, Niclas PALMIUS, John STRADLING a Gari D. CLIFFORD. SleepAp: An Automated Obstructive Sleep Apnoea Screening Application for Smartphones. IEEE Journal of Biomedical and Health Informatics [online]. 2015, 19(1): 325-331 [cit. 2015-10-07]. DOI: 10.1109/jbhi.2014.2307913.\\
BAYAT, Akram, Marc POMPLUN a Duc A. TRAN. A Study on Human Activity Recognition Using Accelerometer Data from Smartphones.Procedia Computer Science [online]. 2014, 34: 450-457 [cit. 2015-10-07]. DOI: 10.1016/j.procs.2014.07.009.\\
BUJARI, Armir, Bogdan LICAR a Claudio E. PALAZZI. Movement pattern recognition through smartphone's accelerometer. In: 2012 IEEE Consumer Communications and Networking Conference (CCNC)[online]. 2012 [cit. 2015-10-07]. DOI: 10.1109/ccnc.2012.6181029.\\
MEDNIEKS, Zigurd R. Programming Android. 2nd ed. Beijing: O'Reilly, c2012, xvii, 542 s. ISBN 9781449316648.\\
MILETTE, Greg a Adam STROUD. Professional Android sensor programming. Hoboken, N.J.: Wiley, c2012, xxxiii, 517 p. ISBN 978-1-118-26505-5.
Recommended resources
BEHAR, Joachim, Aoife ROEBUCK, Mohammed SHAHID, Jonathan DALY, Andre HALLACK, Niclas PALMIUS, John STRADLING a Gari D. CLIFFORD. SleepAp: An Automated Obstructive Sleep Apnoea Screening Application for Smartphones. IEEE Journal of Biomedical and Health Informatics [online]. 2015, 19(1): 325-331 [cit. 2015-10-07]. DOI: 10.1109/jbhi.2014.2307913.\\
BAYAT, Akram, Marc POMPLUN a Duc A. TRAN. A Study on Human Activity Recognition Using Accelerometer Data from Smartphones.Procedia Computer Science [online]. 2014, 34: 450-457 [cit. 2015-10-07]. DOI: 10.1016/j.procs.2014.07.009.\\
BUJARI, Armir, Bogdan LICAR a Claudio E. PALAZZI. Movement pattern recognition through smartphone's accelerometer. In: 2012 IEEE Consumer Communications and Networking Conference (CCNC)[online]. 2012 [cit. 2015-10-07]. DOI: 10.1109/ccnc.2012.6181029.\\
MEDNIEKS, Zigurd R. Programming Android. 2nd ed. Beijing: O'Reilly, c2012, xvii, 542 s. ISBN 9781449316648.\\
MILETTE, Greg a Adam STROUD. Professional Android sensor programming. Hoboken, N.J.: Wiley, c2012, xxxiii, 517 p. ISBN 978-1-118-26505-5.