Jessica Sena defendeu nesta tarde (18), sua dissertação “Human Activity Recognition based on Wearable Sensors using Multiscale DCNN Ensemble”, obtendo seu Mestrado pelo Programa de Pós-Graduação em Ciência da Computação da Universidade Federal de Minas Gerais (UFMG). Os principais resultados de sua pesquisa foram apresentados há dois meses na European Signal Processing Conference (EUSIPCO), em Roma, Itália. Sena foi recentemente aceita no doutorado em Ciência da Computação da UFMG, a partir do início de 2019.

O Reconhecimento de Atividade Humana (HAR) baseado em sensor tem atraído interesse em várias áreas, como aplicações médicas, militares e de segurança. Recentemente, os dispositivos vestíveis ganharam espaço no reconhecimento de atividades, principalmente devido à sua ampla adoção pelo consumidor, facilidade de coleta de dados e variedade de modalidades de sensores, sendo que a última fornece fontes complementares e ricas de informação.

No entanto, há dois aspectos principais com sensores vestíveis que devem ser abordados, a saber, a heterogeneidade dos dados de múltiplos sensores e a natureza temporal. Para enfrentar o primeiro aspecto, a abordagem proposta por Jéssica processa cada sensor separadamente, aprendendo recursos para cada sensor e realizando a classificação antes da fusão com a saída de classificação dos outros sensores. Para abordar o segundo aspecto, os padrões são extraídos de várias escalas temporais.

A extração de características de múltiplas escalas temporais é realizada usando um conjunto de Redes Neurais Convolucionais Profundas (DCNN). Neste conjunto, são usados ​​núcleos convolucionais com diferentes alturas para cada DCNN. Como as linhas nos dados do sensor representam os dados capturados ao longo do tempo, cada altura do kernel extrai recursos em uma escala temporal específica.

A abordagem de Jessica é capaz de extrair de padrões de movimento simples, como uma torção de pulso ao pegar uma colher, para movimentos complexos, como a marcha humana. Seu método multimodal e multitemporal supera os trabalhos anteriores em sete conjuntos de dados importantes usando dois protocolos diferentes.

Banca avaliadora

O professor William Robson Schwartz, coordenador do Smart Sense Laboratory, orientou a pesquisa de Sena. O comitê de dissertação foi composto pelos professores Marcos André Gonçalves e Leonardo Antonio Torres, dos Departamentos de Ciência da Computação e Engenharia Eletrônica da UFMG, respectivamente.

Currículo da pesquisadora

Uma das integrantes mais antigas do Sense, Jéssica Sena é formada em Sistemas de Informação pela UFMG, com a monografia, também orientada pelo professor Schwartz, “Melhorias na atualização em tempo real de galerias de assuntos em configurações multicâmera”. Seus principais tópicos de pesquisa incluem biometria, reconhecimento de padrões, vigilância e visão computacional. Ela também participa de projetos de P & D realizados pelo Sense em parceria com empresas privadas.