Konzeption und Realisierung eines technischen Settings zur Erfassung der Gehgeschwindigkeit mithilfe von Smartphone-Sensorik in Kombination mit Machine Learning

Die Messung von Geschwindigkeit findet in zahlreichen Bereichen wie Fitness, Navigation und Gesundheit ihre Anwendung. Im Bereich der Gesundheit kann beispielsweise ein langfristiges Aufzeichnen der Gehgeschwindigkeit als Indikator zur frühzeitigen Erkennung von Demenz und Depressionen verwendet werden. Damit die Messung während des Alltags möglichst mühelos erfolgt und dem generellen Anwendungsfall gerecht wird, ist die Umsetzung der Messung durch eine Smartphone-App sinnvoll. Der Konzipierung und Realisierung einer solchen Applikation ist die folgende Abschlussarbeit gewidmet. Die Geschwindigkeitsmessung basiert auf Daten der Smartphone-Sensorik, welche als Eingabe für ein eindimensionales Deep Convolutional Neural Network genutzt werden. Das DCNN ist in der Lage anhand von erkannten Mustern in der aufgezeichneten Sensorik eine Geschwindigkeitsprognose zu tätigen. In der Praxisanwendung erzielte das erstellte Setting eine durchschnittliche quadratische Mittelwertabweichung von 0.072 m/s. Dieses Ergebnis lässt eine Konkurrenzfähigkeit mit anderen State of the Art Systemen vermuten und betont das Potenzial, welches sich in Machine Learning basierten Ansätzen befindet.