Sviluppo di un sistema di riconoscimento di azioni tramite sensori inerziali

L'Human Action Recognition (HAR) è un campo di ricerca in rapida evoluzione che sta trasformando profondamente il nostro modo di interagire con il mondo digitale e le macchine. Questa tesi si concentra sullo sviluppo di un sistema di riconoscimento per azioni umane basato sull'utilizzo di sensori inerziali, ovvero sensori dotati di accelerometri e giroscopi. Il riconoscimento di azioni tramite sensori inerziali è una sfida complessa a causa della varietà di movimenti umani e delle azioni eseguibili. Questo studio esamina gli approcci principali di elaborazione dei segnali e di machine learning utilizzati per estrarre le caratteristiche dai dati sensoriali e addestrare le reti neurali. Attraverso un'attenta progettazione sperimentale e la raccolta di dati per vari tipi di azioni e soggetti, è stato sviluppato un algoritmo di riconoscimento delle azioni che ha raggiunto un'accuratezza del 91.58%. L'accuratezza del modello di riconoscimento ottenuta è ottima e garantisce un riconoscimento affidabile delle azioni, tuttavia, esistono ancora sfide e possibili sviluppi futuri nella ricerca del riconoscimento di azioni, in particolare per la classificazione di movimenti molto simili tra loro.