+7 499 135-41-63 (ВЦ РАН)
   info@forecsys.ru
      или посмотреть карту сайта
29 ноября 2017
«Форексис» на форуме «Борьба с мошенничеством в сфере высоких технологий. Antifraud Russia – 2017»

 

28 ноября 2017
Начат проект по разработке нового АРМ аналитика системы САФРАН

 

13 ноября 2017
Завершен проект разработки подсистемы управления данными в оперативной памяти (InMemory) для системы «САФРАН»

 

02 ноября 2017
МФТИ в сотрудничестве с компанией «Форексис» провел исследование текущих процессов в области управления заказами клиентов «ТехноНИКОЛЬ» и управления привлекаемым транспортом

 

23 октября 2017
В НСФР состоялось заседание Подгруппы по тестированию критериев противодействия неправомерному использованию инсайдерской информации и манипулирования рынком (ПНИИИиМР)

 

20 октября 2017
Состоялась научная конференция «Математические методы распознавания образов 18»

 

11 сентября 2017
«Форексис» приглашает студентов старших курсов и аспирантов пройти стажировку в московском офисе компании

 

31 августа 2017
Специалисты компании «Форексис» завершили расчет экономических показателей по каждому из трех рынков Московской Биржи

 

29 августа 2017
Завершился первый этап совместного проекта «Форексис» и IBS по развитию прикладного ПО государственной автоматизированной информационной системы ГАС «Управление»

 

23 августа 2017
Завершилась совместная работа компании «Форексис» и специалистов из Высшей школы информатики и прикладной математики Политехнического института г. Гренобля (Франция).

 

Новости

Завершилась совместная работа компании «Форексис» и специалистов из Высшей школы информатики и прикладной математики Политехнического института г. Гренобля (Франция).

Целью проекта являлась разработка распознавания модели двигательной активности рабочего чего на стройке в ходе производственной деятельности (установки каркаса). Двигательная активность рабочего представляется набором элементарных действий: сверление, забивание дюбеля, хождение и др.

Анализируемые данные представляют собой временные ряды, полученные с закрепленных на руках и ногах рабочих акселерометров с частотой 50 Гц на протяжении двух часов. Элементарным действием на временном ряде акселерометра является квазипериодический сегмент, состоящий из коротких повторяющихся действий. Например, забивание дюбеля состоит из однотипных действий движения рукой, хождение – из однотипных шагов. Основной задачей являлось выделение из временного ряда подобных квазипериодических сегментов.

Для решения этой задачи был предложен подход на основе анализа базового шаблона действия, состоящий из следующих этапов. 1. Сегментация временного ряда на элементарные действия (шаги рабочего, движение рукой и пр.). 2. Расчет среднего шаблона действия с использованием метрики выравнивания временных рядов. 3. На основе среднего шаблона были рассчитаны признаки для классификации – параметры модели нелинейной регрессии сводимости участка временного ряда к среднему шаблону. Параметры имеют физический смысл похожести текущего действия на шаблон, амплитуды движения, продолжительности движения.

Для создания модели распознавания действий использовались алгоритмы деревьев принятия решений и случайного леса. В качестве признаков модели были использованы параметры сводимости к среднему шаблону, базовые статистики (среднее, дисперсия, распределение значений сегмента), а также параметры различных моделей прогнозирования: модели авторегрессии и дискретного преобразования Фурье. Были применены методы сокращения данных и рекурсивного удаления атрибутов.

Предложенный подход позволил достичь высокого качества распознавания процесса хождения, в котором действие хождения представлено набором повторяющихся однотипных действия – шагов. Было достигнуто качество распознавания в 80% точности. Помимо распознавания шагов благодаря итоговой модели стало возможным значительно повысить качество распознавания следующих движений: подъем по ступенькам, прыжки, бег, а также неподвижного состояния (стоя, сидя и лежа).

Дата публикации: 23.08.2017

вернуться к другим новостям