İnsan aktivitelerinin giyilebilir sensörler ile özellik çıkarımı yapılmadan sınıflandırılması
Classi̇fcati̇on of human activities with wearable sensors without feature extraction
- Tez No: 364141
- Danışmanlar: PROF. DR. TÜLAY YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 71
Özet
Son yıllarda teknolojik gelişmelerde en çok ilgi gören alanların başında insan-bilgisayar etkileşim sistemleri gelmektedir. Bu sistemler insanlara ait kişisel bilgilerin elde edilmesinde ve bu bilgilerle yönetilen otomatik sistemlerin geliştirilmesini amaçlamaktadır. Özellikle biyomedikal ve biyometrik temelli çalışmalar bu alanda ilerleme kaydetmektedir. Bu çalışma alanlarından biride insan aktivitelerinin sınıflandırılması işlemidir. Çalışma konusu olan insan aktiviteleri, gün içerisinde yapılan yürüme, oturma, kalkma, durma, koşma, zıplama gibi hareketlerin ve düşme gibi tehlikeli durumların tespitini içermektedir. Bu hareketlere ait bilgiler fiziksel rehabilitasyon tedavisi, duruş ve yürüyüş bozuklukları, akıllı ortamların geliştirilmesi gibi bir çok farklı uygulamada kullanılabilmektedir. Yine bir diğer önemli çalışma alanı ise yaşlı insanlarda düşme durumunun tespit edilmesidir. Belli bir yaştan sonra düşmek ciddi yaralanmalara, sakatlıklara ve ölümlere sebep olabilmektedir. Tek başına yaşayan yaşlı insanlarda düşmenin engellenmesi veya düşme sonrası erken müdahale edilebilmesi hareket tespitinin önemli bir konusudur. Bu amaçla hareket tespiti için alınan sinyallerinden çeşitli özellikler çıkartılarak sınıflandırma yapılmaktadır. Bu çalışmada, günlük insan aktiviteleri ve düşme hareketinin tespitine yönelik alınan veriler üzerinden özellik çıkarımı yapılmadan hızlı ve yüksek doğrulukta sonuç verebilecek bir sistem tasarımı yapılmaya çalışılmıştır. Birinci bölümde, insan aktivitelerinin tespitine yönelik bilgilendirme yapılmış ve önceki çalışmaların içeriklerinden bahsedilmiştir. İkinci bölümde, tezde kullanılan donanım sistemin yapısından ve özelliklerinden bahsedilmiştir. Üçüncü bölümde, tespit edilecek aktivitelere ve ölçüm alınacak konumlara dair bilgiler verilmiştir. Dördüncü bölümde, toplanan hareket verilerinin işlenmesi ve veri kümelerinin oluşturulması anlatılmıştır. Beşinci bölümde, sınıflandırma işlemlerinde kullanılan algoritma ve metotlardan bahsedilmiştir. Altıncı bölümde ise sonuçlar değerlendirilmiş ve ileride yapılması ön görülen başarıyı arttırabilecek işlemler hakkında yorumlar yapılmıştır.
Özet (Çeviri)
In recent years, human-computer interaction systems are become one of the most exciting areas in technological development. This systems, aims to obtain personal informations of people and development an automated systems managed by this informations. Especially, biometric and biomedical based studies are making progress in this area. The one of issue in this studies is classification of human daily activities. Classification of human daily activities aims to recognition basic daily movement like walking, sitting, standing, jumping, staying and dangerous situations like falling. İnformation of this movement can be used many diffirent applications such as physical rehabilitation treatment, diagnosis of posture and gait disorders and development of smart environments. The another important study issue is recognition falling situation of old people. The falling may cause serious injuries, disabilities and death for old people. Preventation of falling or early intervention after falling is an important issue of motion recognition in older people live alone. For this reasons, signals, which taken to motion recognition, are classified made by extraction various features. In this study, we have been studied a faster and higher accurate system design without features extraction about recognition of daily human activities and falling situation. In first chapter, given some information about recognition of human activities and have been mentioned about previous studies. In second chapter, have been mentioned the used hardware structure and properties of the system. In third chapter, given information about the measurement location and mentioned activities to be determined. In fourth chapter, processing of the collected motion datas and generated data sets have been described. In fifth chapter, mentioned about used methods and algorithms used in classification processes. And in sixth chapter, results evaluated and comments were made about envisaged future operations about operations that could increase the success.
Benzer Tezler
- Veri madenciliği teknikleri ile bulut bilişim tabanlı giyilebilir hareket tanı sistemi oluşturulması
Creating cloud computing based wearable motion diagnostic system with data mining techniques
ERHAN KAVUNCUOĞLU
Doktora
Türkçe
2022
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESMA UZUNHİSARCIKLI
DOÇ. DR. AHMET TURAN ÖZDEMİR
- Hareket sensörleri aracılığıyla havaya yazmada kişi tanıma ve kişiden bağımsız harf tanıma
Person recognition and person independent letter recognition in airwriting via motion sensors
HÜSEYİN KUNT
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEKİ YETGİN
- Human activity recognition with convolutional and multi-head attention layer based neural network
Evrişimli ve çok kafalı dikkat katmanlı sinir ağlarıyla insan aktivitelerini tanıma
DENİZ ADALI ATLIHAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN OĞUL
- Human activity recognition using deep learning
Derin öğrenme ile insan aktivitesi tanıma
MURAT YALÇIN
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
- Statistical feature learning and signal generation for time-series sensor signals
Zaman serisi sensör işaretleri için öznitelik öğrenimi ve işaret üretimi
ERKAN KARAKUŞ
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE