Un equip d’investigadors de la UGIVIA de la UIB desenvolupa un sistema d’intel·ligència artificial capaç d’identificar les activitats humanes
Un equip d’investigadors de la Unitat de Gràfics i Visió per Ordinador i Intel·ligència Artificial (UGIVIA) de la Universitat de les Illes Balears ha desenvolupat un sistema de reconeixement d’activitats humanes basat en intel·ligència artificial, que és capaç d’identificar el moviment de les persones i associar-lo a una tasca o activitat concreta amb una fiabilitat del 95,5 per cent, superant els models desenvolupats fins al moment. La recerca s'ha fet en col·laboració amb investigadors del SETIT Laboratory Sfax (Tunísia) i de l'Institut de Tecnologia de Waterford (Irlanda).
El sistema es basa en l’entrenament d’un model d’aprenentatge profund, que combina l’ús d’una xarxa neuronal convolucional i una de recurrent. Les xarxes neuronals convolucionals són un tipus de xarxa neuronal artificial que imiten el funcionament de les neurones del còrtex visual primari d’un cervell humà i són molt útils per al reconeixement i la classificació d’imatges. Les xarxes neuronals recurrents, en canvi, estan dissenyades per reconèixer les característiques seqüencials de les dades i utilitzar els patrons identificats en prediccions futures.
Els investigadors de l’UGIVIA han combinat l’ús d’aquests dos tipus de xarxes neuronals artificials amb l’extracció de característiques bidimensionals de l’esquelet humà. De fet, un dels problemes més importants a l’hora de reconèixer l’activitat humana és determinar com es pot descriure i estimar la postura humana, atès que la posició i l’orientació de cada una de les articulacions afecta la posició i l’orientació de les altres.
Un ús social de la tecnologia
Els investigadors de la UIB ja planifiquen com es podria aplicar aquest sistema de reconeixement d’activitats per desenvolupar assistents robòtics que ajudin a millorar la qualitat de vida de persones amb necessitats especials, com ara la gent gran o persones amb alguna discapacitat.
Aquesta recerca ha estat possible gràcies al finançament del Ministeri d'Economia, Indústria i Competitivitat (MINECO), l'Agència Estatal d'Investigació (AEI) i el Fons Europeu de Desenvolupament Regional (FEDER) de la Unió Europea, en el marc dels projectes TIN2015-67149-C3-2-R (MINECO/AEI/ERDF, EU), PERGAMEX RTI2018-096986-B-C31 (MINECO/AEI/ERDF, EU), PID2019-104829RA-I00/AEI/10.13039/501100011033 (MICINN) i del Telecommunication, Software and System Group (TSSG) del Waterford Institute of Technology, (Irlanda).
Referència bibliogràfica
Jaouedi, N.; Perales, FJ; Buades, JM; Boujnah, N., i Bouhel, MS (2020). Prediction of human activities based on a new structure of skeleton features and deep learning model. Sensors, 20, 4944. https://doi.org/10.3390/s20174944
Data de publicació: 04/12/2020