Resumen

Hoy en día, el reconocimiento detallado de la actividad humana (HAR, por sus siglas en inglés) ha despertado un enorme interés entre los investigadores por sus aplicaciones en campos como la atención sanitaria, la seguridad, el deporte y los entornos inteligentes. En este artículo ofrecemos una breve visión general de los enfoques del estado de la técnica en el reconocimiento detallado de la actividad humana. También analizamos las características, las complejidades y la escasez de conjuntos de datos inerciales relacionados con actividades de grano fino y grueso. Para paliar esta escasez, recopilamos nuestro propio conjunto de datos inerciales, compuesto por 17 participantes que realizan 4 tareas de grano fino mientras interactúan con un sensor de unidad de medición inercial (IMU) integrado en un objeto sólido. A continuación, probamos en el conjunto de datos recopilado los clasificadores de aprendizaje automático más utilizados (por ejemplo, kNN, XGBoost) y presentamos los resultados. Por último, demostramos la necesidad de un nuevo enfoque para abordar el reconocimiento de actividades de grano fino y exponemos nuestras futuras líneas de investigación en este contexto.