Biometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorRamos, Taiane C.-
Autor(es): dc.contributorAlbuquerque, Célio Vinicius Neves de-
Autor(es): dc.contributorGuerra, Raphael-
Autor(es): dc.creatorMoreira, Pedro Augusto Cardoso Cotrim-
Data de aceite: dc.date.accessioned2024-07-11T18:33:46Z-
Data de disponibilização: dc.date.available2024-07-11T18:33:46Z-
Data de envio: dc.date.issued2024-02-29-
Data de envio: dc.date.issued2024-02-29-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/32504-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/772950-
Descrição: dc.descriptionSmartphones e smartwatches se tornam cada vez mais comuns e acessíveis, e possuem sensores que podem coletar dados sobre a movimentação do usuário. Esses dados podem ser utilizados em sistemas biométricos, fornecendo uma plataforma simples para sistemas móveis de autenticação, que não dependem de um local fixo para funcionar. Por isso, estudos recentes se utilizam desses dispositivos para coletar dados e implementar sistemas biométricos comportamentais. Utilizamos dados de acelerômetro e giroscópio capturados por smartphones e smartwatches de 50 participantes coletados durante a realização de 18 diferentes atividades do cotidiano. Nós utilizamos um modelo de machine learning para fazer o reconhecimento dessas atividades, e seguimos os passos propostos pelo estudo que coletou os dados para reconhecimento biométrico, comparando os resultados. Os resultados apresentados mostram que esses dados, que podem ser coletados de maneira fácil e contínua, são suficientes para implementar sistemas biométricos com diversas atividades, e que essas atividades podem ser reconhecidas com uma alta precisão-
Descrição: dc.descriptionSmartphones and smartwatches have become common and accessible and have motion-based sensors capable of collecting valuable data about their user. These data can be used in biometrics systems and human activity recognition, providing a simple platform for mobile authentication systems, that don’t depend on a fixed location to work. For that reason, recent studies have used such devices to collect and implement motion-based behavioral biometrics systems. We have used accelerometer and gyroscope data captured by smartphones and smartwatches, with 50 participants performing 18 different daily activities collected by one such study. We used a machine learning model to identify the 18 activities, and also followed the steps proposed by the study that collected the data for biometrics systems, comparing our results. The results show that these data, that can be collected easily and continually, are sufficient to implement behavioral biometrics systems with multiple activities and that those activities can be identified with high accuracy.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectAutenticação-
Palavras-chave: dc.subjectBiometria-
Palavras-chave: dc.subjectMineração de dados-
Palavras-chave: dc.subjectReconhecimento de atividades humanas-
Palavras-chave: dc.subjectRelógio inteligente-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectBiometria-
Palavras-chave: dc.subjectAuthentication-
Palavras-chave: dc.subjectBiometrics-
Palavras-chave: dc.subjectData mining-
Palavras-chave: dc.subjectHuman activity recognition-
Palavras-chave: dc.subjectSmartphone-
Palavras-chave: dc.subjectSmartwatch-
Palavras-chave: dc.subjectAccelerometer-
Palavras-chave: dc.subjectGyroscope-
Título: dc.titleBiometria comportamental e reconhecimento de atividade humana com dados de smartphone e smartwatch-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.