Kaatumistunnistusalgoritmin optimointi turvarannekkeessa
Vähtäri, Niilo (2023)
2023
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2023121236299
https://urn.fi/URN:NBN:fi:amk-2023121236299
Tiivistelmä
Kaatumisen tunnistus rannekkeella on kehittyvä teknologia, joka pyrkii havaitsemaan ja reagoimaan käyttäjän kaatumiseen. Rannekkeen sisäänrakennetut anturit ja algoritmit auttavat tunnistamaan erilaisia liikemalleja ja käyttäjän kehon asentoa, jotta voidaan havaita mahdollinen kaatuminen.
Tämän opinnäytetyön tavoitteena oli optimoida Oy Everon Ab:n kaatumisen tunnistusalgoritmia niin, että kaatumishälytys lähtisi oikeista kaatumisista ja väärät kaatumishälytykset suodatettaisiin kokonaan pois.
Aiemmassa testauksessa saatujen tulosten perusteella oli kehitetty neljä uutta parametria. Uusien parametrien testausta varten kehitettiin testausskenaario, jonka avulla pystytään etsimään helposti sopivat arvot uusille parametreille.
Lisäksi esiteltiin rannekkeeseen mahdollisesti lisättäviä uusia ominaisuuksia sekä parametripäivitin, jota kehitettiin opinnäytetyön rinnalla omana projektinaan. Tämä kehitys kuitenkin keskeytettiin toistaiseksi ajan puutteen takia.
Työn tuloksena saatiin testaussuunnitelma uusien parametrien testaamiseksi ja löydettiin uusia ideoita kaatumisen tunnistusalgoritmin kehittämiseksi. The fall detection on the wristband is an evolving technology that aims to detect and respond to a user's fall. The wristband's built-in sensors and algorithms help identify various motion patterns and the user's body position to detect a potential fall.
The aim of this thesis was to optimize the fall detection algorithm of Everon Ltd in a way that the fall alerts would trigger only on genuine falls while filtering out false fall alerts completely.
Based on the results obtained from previous testing, four new parameters were developed. A testing scenario was devised for testing the new parameters, allowing for an easy search for suitable values for these new parameters.
Additionally, potential new features to be added to the wristband were introduced, along with a parameter updater developed alongside the thesis as a separate project. However, this development was temporarily halted due to a lack of time.
As a result of this work, a testing plan for testing the new parameters was obtained, and new ideas for developing the fall detection algorithm were discovered.
Tämän opinnäytetyön tavoitteena oli optimoida Oy Everon Ab:n kaatumisen tunnistusalgoritmia niin, että kaatumishälytys lähtisi oikeista kaatumisista ja väärät kaatumishälytykset suodatettaisiin kokonaan pois.
Aiemmassa testauksessa saatujen tulosten perusteella oli kehitetty neljä uutta parametria. Uusien parametrien testausta varten kehitettiin testausskenaario, jonka avulla pystytään etsimään helposti sopivat arvot uusille parametreille.
Lisäksi esiteltiin rannekkeeseen mahdollisesti lisättäviä uusia ominaisuuksia sekä parametripäivitin, jota kehitettiin opinnäytetyön rinnalla omana projektinaan. Tämä kehitys kuitenkin keskeytettiin toistaiseksi ajan puutteen takia.
Työn tuloksena saatiin testaussuunnitelma uusien parametrien testaamiseksi ja löydettiin uusia ideoita kaatumisen tunnistusalgoritmin kehittämiseksi.
The aim of this thesis was to optimize the fall detection algorithm of Everon Ltd in a way that the fall alerts would trigger only on genuine falls while filtering out false fall alerts completely.
Based on the results obtained from previous testing, four new parameters were developed. A testing scenario was devised for testing the new parameters, allowing for an easy search for suitable values for these new parameters.
Additionally, potential new features to be added to the wristband were introduced, along with a parameter updater developed alongside the thesis as a separate project. However, this development was temporarily halted due to a lack of time.
As a result of this work, a testing plan for testing the new parameters was obtained, and new ideas for developing the fall detection algorithm were discovered.