Human activity classification with miniature inertial sensors
Minyatür eylemsizlik duyucuları kullanılarak insan hareketlerinin sınıflandırılması
- Tez No: 246719
- Danışmanlar: PROF. DR. BİLLUR BARSHAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
- Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 107
Özet
Bu çalışmada, insan hareketleri vücut üzerinde belirli noktalara minyatür eylemsizlikduyucuları (jiroskop ve ivmeölçer) ve manyetometre konumlandırılarakörüntü tanıma yöntemleriyle ayırdedilmiştir. Ayırdetme işlemi için kural-tabanlıbir yöntem (karar ağacı), en küçük kareler, k-en yakın komşuluk, dinamikzaman bükmesi ve destek vektör makinesi yöntemleri kullanılmıştır.Tezin ilk kısmında bir deneğin bacağına takılan tek eksenli iki jiroskoptan eldeedilen sinyallerin işlenmesiyle sekiz farklı bacak hareketi ayırdedilmiştir. İkincikısımda denek üzerinde beş farklı noktaya konumlandırılan duyucu birimleriinsan hareketlerini sınıflandırmak için kullanılmıştır. Her duyucu birimininiçerisinde birer adet üç eksenli jiroskop, üç eksenli ivmeölçer, üç eksenli manyetometrebulunmaktadır. Duyucu sinyalleri kullanılarak elde edilen özniteliklerayırdetme işleminde kullanılmıştır. Farklı öznitelik vektör kümeleri oluşturulmuş,bu öznitelik vektörlerinin boyutu bazı durumlar için asal bileşenler analiziyöntemiyle küçültülmüştür. Üç farklı çapraz geçerlilik (çapraz doğrulama)yöntemi kullanılmış ve bunların sonuçları birbirleriyle karşılaştırılmıştır. Kullanılanayırdetme yöntemlerinin doğru ayırdetme yüzdeleri, karışıklık matrisleri,eğitme süreleri ve sınıflandırma süreleri karşılaştırmalı olarak sunulmuştur.Kullanılan ayırdetme yöntemleri içinde destek vektör makinesi yöntemi en yüksekayırdetme oranını vermiştir, bunu k-en yakın komşuluk yöntemi izlemiştir.En kısa sınıflandırma süresine karar ağacı yöntemi sahiptir, ardından sırasıyladestek vektör makinesi veya en küçük kareler, k-en yakın komşuluk veya dinamikzaman bükmesi birinci yaklaşım, dinamik zaman bükmesi ikinci yaklaşımyöntemleri sıralanabilir. En uzun eğitme süresi destek vektör makinesi yöntemiiçin hesaplanmış olup, en uzun sınıflandırma süresine de dinamik zamanbükmesi ikinci yaklaşım yöntemi sahiptir. Kullanılan farklı çapraz doğrulukyöntemlerinin başarı yüzdeleri arasında önemli bir fark gözlemlenmemiştir.Çapraz doğruluk yöntemleri içinde yinelenen rasgele alt-örnekleme yöntemininsınıflandırma süresinin en kısa olduğu görülmüşken, bir-taneyi-dışarıda-bırakyönteminin sınıflandırma süresi en uzundur.
Özet (Çeviri)
This thesis provides a comparative study on activity recognition using miniatureinertial sensors (gyroscopes and accelerometers) and magnetometers wornon the human body. The classification methods used and compared in thisstudy are: a rule-based algorithm (RBA) or decision tree, least-squares method(LSM), k-nearest neighbor algorithm (k-NN), dynamic time warping (DTW-1 and DTW-2), and support vector machines (SVM). In the first part of thisstudy, eight different leg motions are classified using only two single-axis gyroscopes.In the second part, human activities are classified using five sensor unitsworn on different parts of the body. Each sensor unit comprises a tri-axial gyroscope,a tri-axial accelerometer and a tri-axial magnetometer. Different featuresets extracted from the raw sensor data and these are used in the classificationprocess. A number of feature extraction and reduction techniques (principalcomponent analysis) as well as different cross-validation techniques have beenimplemented and compared. A performance comparison of these classificationmethods is provided in terms of their correct differentiation rates, confusion matrices,pre-processing and training times and classification times. Among theclassification techniques we have considered and implemented, SVM, in general,gives the highest correct differentiation rate, followed by k-NN. The classificationtime for RBA is the shortest, followed by SVM or LSM, k-NN or DTW-1,and DTW-2 methods. SVM requires the longest training time, whereas DTW-2takes the longest amount of classification time. Although there is not a significantdifference between the correct differentiation rates obtained by different cross-validationtechniques, repeated random sub-sampling uses the shortest amountof classification time, whereas leave-one-out requires the longest.
Benzer Tezler
- A comparative study on human activity classification with miniature inertial and magnetic sensors
Minyatür eylemsizlik duyucuları ve manyetometreler ile insan aktivitelerinin sınıflandırılması üzerine karşılaştırmalı araştırma
MURAT CİHAN YÜKSEK
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. BİLLUR BARSHAN
- Intelligent sensing for robot mapping and simultaneous human localization and activity recognition
Robot haritalama ve insanlarda eşzamanlı konum belirleme ve aktivite ayırdetme için akıllı algılama
KEREM ALTUN
Doktora
İngilizce
2011
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. BİLLUR BARSHAN
- Sağlık hizmetinin yürütülmesinde görevli sağlık kamu personelinin eylemlerinden kaynaklanan idarenin sorumluluk sebepleri
Grounds for liability of the administration caused by the actions of the health public personnel in duty in the conduct of health service
MUHARREM CİVAN
Yüksek Lisans
Türkçe
2022
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CİHAN YÜZBAŞIOĞLU
- Telekomünikasyon sektöründe rekabet kolluğu yetkilerinin yarışması
The concurrence of administrative police powers of competition in the telecommunications sector
BARIŞ KARAHAN
Yüksek Lisans
Türkçe
2023
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGE AKSOYLU ÜRGER