Mostrar o rexistro simple do ítem
Análisis de movimiento mediante textil inteligente
dc.contributor.author | Delgado-Oleas, Gabriel | |
dc.contributor.author | Avellar, Leticia | |
dc.contributor.author | Stefano Filho, Carlos Alberto | |
dc.contributor.author | Frizera Neto, Anselmo | |
dc.contributor.author | Leal Junior, Arnaldo | |
dc.contributor.author | Rocón, Eduardo | |
dc.date.accessioned | 2022-09-05T08:18:23Z | |
dc.date.available | 2022-09-05T08:18:23Z | |
dc.date.issued | 2022 | |
dc.identifier.citation | Delgado-Oleas, G., Avellar, L., Stefano-Filho, C., Frizera, A., Leal-Junior, A., Rocon, E. (2022) Análisis de movimiento mediante textil inteligente. XLIII Jornadas de Automática: libro de actas, pp.66-70 https://doi.org/10.17979/spudc.9788497498418.0066 | es_ES |
dc.identifier.isbn | 978-84-9749-841-8 | |
dc.identifier.uri | http://hdl.handle.net/2183/31354 | |
dc.description.abstract | [Resumen] Este artículo presenta el desarrollo de un textil inteligente (smart garment) portátil dotado de 30 sensores de fibra óptica multiplexados que, a través de algoritmos de Inteligencia Artificial (IA), es capaz de clasificar de actividades de múltiples sujetos. Se evalúan seis actividades diarias: de pie, sentado, en cuclillas, brazos arriba y abajo, caminar y correr. El clasificador utilizado es el de k vecinos más cercanos y los resultados de 10 ensayos de todos los voluntarios presentaron una precisión de 94,00 (0,14) %. La cadencia y la frecuencia respiratoria se estimaron y compararon con los datos de una unidad de medición inercial ubicada en la parte posterior de la prenda. El error más alto fue del 2,22 %. El enfoque propuesto presentó la viabilidad para el reconocimiento de actividad y la extracción de parámetros relacionados con el movimiento, en el ámbito de los desarrollos en Healthcare 4.0. | es_ES |
dc.description.abstract | [Abstract] This paper presents the development of a wearable smart garment equipped with 30 multiplexed fiber optic sensors that, through Artificial Intelligence (AI) algorithms, can classify multiple subjects' activities. Six daily activities are evaluated: standing, sitting, squatting, arms up and down, walking, and running. The classifier used is k-nearest neighbors, and results from 10 trials of all volunteers showed an accuracy of 94.00 (0.14)%. Cadence and respiratory rate were estimated and compared with data from an inertial measurement unit located on the back of the garment. The highest error was 2.22%. The proposed approach presented feasibility for activity recognition and extraction of motion-related parameters in the scope of Healthcare 4.0 developments. | es_ES |
dc.description.sponsorship | Este trabajo pertenece al proyecto Discover2Walk “Desarrollo de una plataforma robótica para ayudar a niños con Parálisis Cerebral a descubrir cómo caminar”, financiado por el Ministerio de Ciencia e Innovación (Ref. PID2019-105110RB-C31). | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidade da Coruña. Servizo de Publicacións | es_ES |
dc.relation.uri | https://doi.org/10.17979/spudc.9788497498418.0066 | es_ES |
dc.rights | Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/es/ | * |
dc.subject | Healthcare | es_ES |
dc.subject | Textil inteligente | es_ES |
dc.subject | Análisis de movimiento | es_ES |
dc.subject | Smartgarment | es_ES |
dc.subject | Movement analysis | es_ES |
dc.title | Análisis de movimiento mediante textil inteligente | es_ES |
dc.title.alternative | Smart garment for movement analysis | es_ES |
dc.type | info:eu-repo/semantics/conferenceObject | es_ES |
dc.rights.access | info:eu-repo/semantics/openAccess | es_ES |
UDC.startPage | 66 | es_ES |
UDC.endPage | 70 | es_ES |
dc.identifier.doi | https://doi.org/10.17979/spudc.9788497498418.0066 | |
UDC.conferenceTitle | XLIII Jornadas de Automática | es_ES |