شناسايي فعاليت‌هاي انساني مبتني بر سنسورهاي متحرك در اينترنت اشيا با استفاده از يادگيري عميق

كنترل محدوده‌ها، اماكن و سنسورهاي حركتي در اينترنت اشيا نيازمند كنترل پيوسته و مستمر براي تشخيص فعاليت‌هاي انساني در شرايط مختلف است كه اين مهم، خود چالشي از جمله نيروي انساني و خطاي انساني را نيز در بر دارد. كنترل هميشگي توسط انسان نيز بر سنسورهاي حركتي اينترنت اشيا غير ممكن به نظر مي‌رسد. اينترنت اشيا فراتر از برقراري يك ارتباط ساده بين دستگاه‌ها و سيستم‌ها مي‌باشد. اطلاعات سنسورها و سيستم‌هاي اينترنت اشيا به شركت‌ها كمك مي‌كند تا ديد بهتري نسبت به كارايي سيستم داشته باشند. در اين پژوهش روشي مبتني بر يادگيري عميق و شبكه عصبي عميق سي‌لايه‌اي براي تشخيص فعاليت‌هاي انساني روي مجموعه داده تشخيص فعاليت دانشگاه فوردهام ارائه شده است. اين مجموعه داده داراي بيش از يك ميليون سطر در شش كلاس براي تشخيص فعاليت در اينترنت اشيا است. بر اساس نتايج به دست آمده، مدل پيشنهادي ما در راستاي تشخيص فعاليت‌هاي انساني در معيارهاي ارزيابي مورد نظر كارايي 90 درصد و ميزان خطاي 2/2 درصد را داشت. نتايج به دست آمده نشان از عملكرد خوب و مناسب يادگيري عميق در تشخيص فعاليت است.