Robust expert systems for more flexible real-world activity recognition

Resumen

(Resumen) El análisis del comportamiento humano ha despertado un tremendo interés durante los últimos años. Este tipo de estudio se plantea como una herramienta fundamental para una mejor comprensión de las necesidades individuales de cada persona así como para ayudar a satisfacer dichas necesidades. Uno de los campos de investigación con más relevancia dentro del estudio del comportamiento humano es el encargado del reconocimiento de la actividad humana. El reconocimiento de la actividad humana tiene como objetivo la identificación automática de las conductas del ser humano a partir de la observación de las acciones ejecutadas por el mismo y su interacción con el entorno que le rodea. El conocimiento adquirido a través del análisis del comportamiento humano es actualmente aprovechado en múltiples áreas, tales como el deporte o la industria del videojuego, manifestando un especial interés en el ámbito de la salud y el bienestar. Los sistemas de monitorización portables o ¿vestibles¿ se encuentran a la vanguardia del reconocimiento de la actividad humana. Estos sistemas hacen uso de sensores capaces de medir el movimiento humano y que son integrados en dispositivos específicos o artículos de uso cotidiano como relojes, brazaletes o bandas. Son muchas las contribuciones proporcionadas hasta la fecha en el ámbito del reconocimiento automático de la actividad humana, alcanzando muchos de los sistemas propuestos una alta eficiencia en la detección e identificación de la actividad. No obstante, la inmensa mayoría de los sistemas desarrollados hasta la fecha son originariamente ideados para operar en condiciones ideales o de laboratorio. En consecuencia, el uso de estos sistemas en el mundo real presenta serias limitaciones que reducen de forma significativa su utilidad o incluso imposibilitan su aplicación. Para poder ser ampliamente utilizados en condiciones reales los sistemas de reconocimiento de la actividad requieren cumplir una serie de requisitos, los cuales presentan complejos retos que apenas han sido investigados en este campo. Los sistemas de reconocimiento de la actividad son normalmente diseñados asumiendo una configuración predeterminada de los sensores. Más aún, se acepta que esta configuración permanece de forma invariable durante el uso habitual de dichos dispositivos. No obstante, los sensores están sujetos a fallos, errores o defectos consecuencia de caídas, roturas, falta de batería u otro tipo de anomalías tecnológicas. Asimismo, el despliegue de los sensores puede cambiar sensiblemente durante el uso de los sistemas de reconocimiento. Este tipo de variaciones, perfectamente razonables en el mundo real, son difícilmente toleradas por aquellos sistemas concebidos para operar en condiciones ideales. En consecuencia, el uso de dichos sistemas en la vida real está sujeto a fallos que pueden llevar en algunos casos incluso a una total inoperancia del sistema. En esta tesis se investiga el comportamiento de los sistemas de reconocimiento concebidos para operar en condiciones ideales cuando son utilizados en escenarios realísticos. Asimismo, esta tesis propone alternativas a la metodología de reconocimiento clásica para superar las limitaciones impuestas por el uso de dichos sistemas en el mundo real. Un nuevo sistema experto, el clasificador jerárquico ponderado, capaz de aprovechar el potencial proporcionado por configuraciones multisensor es particularmente desarrollado para lidiar con los efectos producidos por fallos tecnológicos en los sensores. Dicho modelo demuestra capacidades de reconocimiento similares a las que proporcionan otros sistemas de reconocimiento estándar en condiciones ideales, además de superar a éstos en términos de tolerancia a fallos en los sensores. Asimismo, el clasificador jerárquico ponderado demuestra una alta tolerancia a variaciones introducidas en la disposición de los sensores en el cuerpo del sujeto, normalmente motivadas por la forma en que los usuarios se colocan los dispositivos que incorporan dichos sensores. Otras variaciones en el sistema de sensado se pueden producir cuando sensores defectuosos u obsoletos son reemplazados por otros como parte de operaciones de mantenimiento, o cuando sensores adicionales a los definidos en fase de diseño son incorporados en un proceso de actualización del sistema de reconocimiento. En consecuencia, resulta necesario realizar un entrenamiento específico para el uso de los nuevos sistemas incorporados, lo cual requiere de un proceso muy costoso atendiendo al modo de aprendizaje estándar para estos sistemas. Alternativamente, en esta tesis se define un nuevo método innovador que permite la transferencia automática de las habilidades de reconocimiento de la actividad de un sistema existente y funcional a otro que no cuenta con dichas capacidades o no está entrenado. El método desarrollado permite la transferencia de conocimiento multimodal, es decir, se puede utilizar incluso para la transferencia de conocimiento entre sistemas que operan sobre diferentes modalidades de sensores o fuentes heterogéneas de información. El proceso de transferencia de conocimiento se realiza de forma rápida y sin necesidad de intervención por parte del usuario o un experto, lo cual lo hace especialmente viable para su utilización en contextos reales. El potencial de los modelos expertos desarrollados en esta tesis abre por sí mismo nuevas líneas de investigación en el ámbito del reconocimiento de la actividad humana, como son los sistemas de reconocimiento auto-configurables y personalizables, los sistemas autoadaptativos y los sistemas de reconocimiento evolutivos. En este sentido, esta tesis define un nuevo conjunto de oportunidades para hacer funcionales los sistemas de reconocimiento de la actividad en el mundo real.