• apple watch
• machine learning
• personalized model
• smartwatch
• step detection
• walking detection
• wearable sensor

Questa tesi ha l'obiettivo di realizzare un'applicazione mobile in grado di offrire un’elevata accuratezza nella rilevazione della camminata basata sull’analisi del segnale accelerometrico rilevato al polso. I dispositivi indossabili al polso come l’Apple Watch, infatti, tendono a rilevare un numero di passi maggiore rispetto alla realtà, in quanto i movimenti del braccio possono essere confusi con la camminata dell’utente.

Il metodo proposto e sperimentato in questa tesi è caratterizzato dalla possibilità di addestrare in modo del tutto automatizzato un modello di machine learning personalizzato per il riconoscimento della camminata al polso. L’addestramento automatico sfrutta la presenza in contemporanea di smartwatch e smartphone. Quest’ultimo, indossato in una tasca, funge da supervisore nella costruzione del training set. Dopo la fase di addestramento, lo smartwatch è in grado di utilizzare il modello personalizzato e di riconoscere in modo autonomo la camminata dell’utente.

I risultati degli esperimenti descritti in questa tesi, seppur limitati dal basso numero di utenti, sono molto promettenti e confermano l’importanza di utilizzare un modello personalizzato della camminata dell’utente per rilevare i passi in modo affidabile.