Esta página contém o código-fonte e os dados usados em nosso artigo Reconhecimento de Atividade Humana Baseado em Dados de Sensores Vestíveis: Uma Padronização do Estado da Arte. Neste artigo, implementamos e avaliamos várias abordagens de última geração, desde métodos baseados em recursos artesanais até redes neurais convolucionais. Além disso, padronizamos um grande número de conjuntos de dados, que variam em termos de taxa de amostragem, número de sensores, atividades e assuntos. Implementamos e avaliamos vários métodos de última geração, resumidos na tabela abaixo.

Resultados

Precisão média alcançada pelos métodos usando o Leave-One-Subject-Out (LOSO) como protocolo de validação. O símbolo “x” significa que não foi possível executar o método no respectivo conjunto de dados.

Método	MHEALTH	PAMAP2	USCHAD	UTD-1	UTD-2	WHARF	WISDM
Kwapisz et al.	90.41	71.27	70.15	13.04	66.67	42.19	75.31
Catal et al.	94.66	85.25	75.89	32.45	74.67	46.84	74.96
Kim et al.	93.90	81.57	64.20	38.05	64.60	51.48	50.22
Chen and Xue	88.67	83.06	75.58	x	x	61.94	83.89
Jiang and Yin	51.46	x	74.88	x	x	65.35	79.97
Ha et al.	88.34	73.79	x	x	x	x	x
Ha and Choi	84.23	74.21	x	x	x	x	x