Geri Dön

Fall detection and classification using wearable motion sensors

Giyilebilir hareket algılayıcılarıyla düşme sezimi ve sınıflandırması

PDF İndir

  1. Tez No: 472892
  2. Yazar: MUSTAFA ŞAHİN TURAN
  3. Danışmanlar: PROF. DR. BİLLUR BARSHAN ÖZAKTAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: wearable sensors, motion sensors, fall detection, fall classification, fall-detection algorithms, heuristic (rule-based) methods, machine learning
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 124

Özet

Etkin düşme algılama sistemleri, düşme risk gruplarındaki kişiler için düşmelerin ciddi tıbbi ve ekonomik sonuçlarının hafifletilmesinde yaşamsal öneme sahiptir. Bu tür sistemlerin bir çeşidi, giyilebilir algılayıcı kullanan düşme saptama sistemleridir. Konuyla ilgili çok sayıda akademik çalışma bulunmasına rağmen, literatür hala etkin ve gürbüz algoritmalara ve en güncel algoritmaların ortak ve kapsamlı bir veri kümesi üzerinde değerlendirilmesine ve karşılaştırılmasına gerek duymaktadır. Bu tez çalışmasında, kişinin belindeki bir hareket algılayıcısı ünitesini kullanan düşme saptama ve düşme yönü sınıflandırma algoritmaları sunulmuş- tur. Ayrıca, çeşitli düşme algılama algoritmalarının toplam 2880 veri örneğinden oluşan kapsamlı bir veri kümesi üzerinde karşılaştırması yapılmıştır. Sinyallerden elde edilen iki basit öznitelik kullanan yeni bir buluşsal düşme algılama algoritması (FADoTh) önerilmiş ve 15 güncel buluşsal düşme algılama algoritması ile karşılaştırılmıştır. FADoTh algoritması, en yüksek ortalama doğruluk (%98.45), duyarlılık ve F-ölçütü değerlerine sahiptir. Aynı algoritmanın öğrenici sürümü (kAT) geliştirilmiş ve sekiz makine öğrenme (ML) sınıflandırıcısı ile aynı veri kümesi üzerinde karşılaştırılmıştır: Bayesçi karar verme (BDM), en küçük kareler yöntemi (LSM), k-en yakın komşuluk sınıflandırıcısı (k-NN), yapay sinir ağları (ANN), destek vektör makineleri (SVM), karar ağacı sınıflandırıcısı (DTC), rastgele orman (RF) ve adaptif takviyeli sınıflandırma (AdaBoost). Bu karşılaştırmada kAT algoritması, %98.85 ortalama doğruluk ile BDM, k-NN, ANN, SVM, DTC, RF ve AdaBoost ile benzer başarım gösterirken, LSM'den daha yüksek sonuçlar üretmiştir. Son olarak, düşme eylemini dört temel yöne (öne, arkaya, sağa ve sola) sınıflandırmak için aynı sekiz ML sınıflandırıcısı uygulanmış ve veri kümesinin sadece düşme aktivitelerinden oluşan indirgenmiş bir sürümü üzerinde değerlendirilmiştir. BDM kusursuz sınıflandırma elde ederken k-NN, SVM ve RF onu izleyen başarımlar sergilemişlerdir. BDM, LSM, k-NN ve ANN, bilinmeyen bir sınıftan gelen verilerin varlığına karşın değiştirilmiş ve indirgenmiş veri seti üzerinde değerlendirilmiştir. Söz konusu gürbüzlük analizinde ANN ve k-NN, %96.2'nin üzerinde doğruluk sergilemiştir. Bu çalışmada elde edilen sonuçlar, gerçek dünyada kullanılabilecek düşme sezim sistemleri geliştirilmesinde yol gösterici olacaktır. Anahtar sözcükler : giyilebilir algılayıcılar, hareket algılayıcıları, düşme sezimi, düşme sınıflandırması, düşme sezimi algoritmaları, buluşsal (kural tabanlı) yöntemler, makine öğrenmesi.

Özet (Çeviri)

Effective fall-detection systems are vital in mitigating severe medical and economical consequences of falls to people in the fall risk groups. One class of such systems is wearable sensor based fall-detection systems. While there is a vast amount of academic work on this class of systems, the literature still lacks effective and robust algorithms and comparative evaluation of state-of-the-art algorithms on a common basis, using an extensive dataset. In this thesis, falldetection and fall direction classification systems that use a motion sensor unit, worn at the waist of the subject, are presented. A comparison of a variety of falldetection algorithms on an extensive dataset, comprising a total of 2880 trials, is undertaken. A novel heuristic fall-detection algorithm (fuzzy-augmented double thresholding: FADoTh) using two simple features is proposed and compared to 15 state-of-the-art heuristic fall-detection algorithms, among which it displays the highest average accuracy (98.45%), sensitivity, and F-measure values. A learner version of the same algorithm (k-NN classifier-augmented tree: kAT) is developed and compared to eight machine learning (ML) classifiers based on the same dataset: Bayesian decision making (BDM), least squares method (LSM), k-nearest neighbor classifier (k-NN), artificial neural networks (ANN), support vector machines (SVM), decision tree classifier (DTC), random forest (RF), and adaptive boosting (AdaBoost). The kAT algorithm yields an average accuracy of 98.85% and performs on par with BDM, k-NN, ANN, SVM, DTC, RF, and AdaBoost, whereas LSM produces inferior results. Finally, the same eight ML classifiers are implemented for fall direction classification into four basic directions (forward, backward, right, and left) and evaluated on a reduced version of the same dataset consisting of only fall trials. BDM achieves perfect classification, followed by k-NN, SVM, and RF. BDM, LSM, k-NN, and ANN are modified to work in the presence of data from an unknown class and evaluated on the reduced dataset. In this robustness analysis, ANN and k-NN yield accuracies above 96.2%. The results obtained in this study are promising in developing real-world fall-detection systems.

Benzer Tezler

  1. Tez No

    727088

    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

    Türkçe

    2022

    Mühendislik BilimleriErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ESMA UZUNHİSARCIKLI

    DOÇ. DR. AHMET TURAN ÖZDEMİR

  2. Tez No

    557013

    Giyilebilir düşme sezme sistemlerinde ataletsel ve magnetik algılayıcıların sınıflandırma performansına etkilerinin incelenmesi

    The investigation of the effect of inertial and magnetic sensors to classification performance in wearable fall detection system

    FATİH YOLDÜREN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET TURAN ÖZDEMİR

  3. Tez No

    508536

    Computer vision algorithms for mobile camera applications

    Başlık çevirisi yok

    KORAY ÖZCAN

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSyracuse University

    Dr. SENEM VELİPAŞALAR

  4. Tez No

    889194

    Deep learning-based analysis of electrochemical, biomedical, and optical signals

    Elektrokimyasal, biyomedikal ve optik sinyallerin derin öğrenme tabanlı analizi

    MUHAMMET ÇAĞRI YEKE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Biyoteknoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDURRAHMAN GÜMÜŞ

    PROF. DR. DİLEK ODACI

  5. Tez No

    415453

    Sismik sensör ağı kullanılarak insan düşmesinin tespit edilmesi

    Indoor fall detection using a network of seismic sensors

    HALİL İBRAHİM SÜMER

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SEVGİ ZÜBEYDE GÜRBÜZ

Geri Dön