Identificación de actividades humanas utilizando autómatas finitos con pesos

Abstract

El presente trabajo aborda la problemática de la identificación de actividades humanas en entornos ubicuos, caracterizados por la recopilación de datos provenientes de múltiples fuentes heterogéneas. El enfoque adoptado se basa en el aprendizaje de patrones de comportamiento, así como de los patrones sensoriales asociados a distintas actividades, mediante la construcción de autómatas finitos ponderados y expresiones regulares, respectivamente. A partir de estos modelos, es posible predecir secuencias de actividades a partir de los datos recopilados, utilizando las expresiones regulares como herramienta de inferencia. El estudio se apoya en un conjunto de datos recogidos durante diez días en un entorno inteligente, donde un único habitante fue monitorizado mediante sensores binarios, un suelo inteligente, balizas BLE y un reloj inteligente, registrando 24 clases de actividades distintas.

This work addresses the problem of identifying human activities in ubiquitous environments, which are characterized by the collection of data from multiple heterogeneous sources. The approach adopted is based on learning behavioral patterns as well as the sensory patterns associated with different activities, through the construction of weighted finite automata and regular expressions, respectively. Based on these models, it is possible to predict sequences of activities from the collected data, using regular expressions as an inference tool. The study relies on a dataset gathered over ten days in a smart environment, where a single inhabitant was monitored using binary sensors, a smart floor, BLE beacons, and a smartwatch, recording 24 distinct activity classes.