Activity recognition invariant to position and orientation of wearable motion sensor units
Giyilebilir hareket algılayıcı ünitelerinin konum ve yönlerinden bağımsız olarak aktivite tanıma
- Tez No: 549700
- Danışmanlar: PROF. DR. BİLLUR BARSHAN ÖZAKTAŞ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Hareket sensörleri, Hız jiroskopları, Motion sensors, Rate gyroscopes
- Yıl: 2019
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsan aktivitelerinin tanınması bağlamında giyilebilir hareket algılayıcı ünitelerinin yerleşimine karşı değişmezlik elde eden yöntemler öne sürülmektedir. İlk olarak, algılayıcı ünitelerinin yönlerine yoğunlaşılarak ünitelerin takılış yönünün etkisini ham algılayıcı verilerinden çıkaran üç alternatif dönüşüm geliştirilmektedir. Yönden-bağımsız dönüşümlerin ilk ikisi, ölçümlerin geometrisine dayanırken, üçüncüsü, algılayıcı verilerinin fiziksel özellikleri kullanılarak algılayıcı ünitelerinin dünyanın koordinat sistemine göre yönlerinin kestirimini esas almaktadır. Bu yöntemler, birden fazla güncel makine öğrenme sınıflandırıcısı ile (mümkün olduğunda) herkese açık, çeşitli aktivite tiplerini içeren ve farklı algılayıcı düzenleşimleriyle elde edilmiş olan beş veri kümesi kullanılarak değerlendirilmiştir. Alışılagelmiş sistem, yanlış yönlü algılayıcılarla baş edemezken, bu yöntemlerin, algılayıcı yönlerinin doğru olduğu referans sistemle benzer başarım elde ettiği gösterilmiştir. Üçüncü dönüşümün başarımını arttırmak için, algılayıcı verilerinin fiziksel ve geometrik özelliklerine dayanan, algılayıcı üniteleri için yenilikçi ve yinelemesiz bir yön kestirim yöntemi de öne sürülmektedir. Algılayıcı düzenleşimleri, beden hareketleri ve sınıflandırma yöntemi ile ilgili herhangi bir varsayımda bulunulmadığı için, yönden-bağımsız yöntemlerin üçü de, var olan giyilebilir sistemlerin ön-işleme aşamalarına kolayca dahil edilebilir. İkinci olarak, algılayıcı ünitelerinin konumlandırılmasına karşı üç farklı şekilde değişmezlik elde eden yöntemler geliştirilmektedir: (1) Her bir giyilebilir ünitenin önceden belirlenmiş bir beden parçası üzerinde herhangi bir konuma yerleştirilmesine izin vermek için algılayıcı verilerine uygulanan iki farklı dönüşüm öne sürülmektedir. (2) Kullanıcının, üniteleri yerleştirmeden önce birbirinden ayırt etmesine gerek kalmaması için, ünitelerin değiş tokuş edilebilmelerine izin veren bir dönüşüm öne sürülmektedir. (3) Öğrenme verileri birden fazla konuma yerleştirilmiş birden fazla üniteden elde edilen veriler içermesine karşın, aktiviteleri tek bir algılayıcı ünitesine dayanarak sınıflandırabilen üç farklı yöntem kullanılmaktadır. Daha fazla gürbüzlük elde etmek için (1)'deki yöntem, (2) ile ve ayrıca (3) ile birleştirilmektedir. Önerilen yöntemler, yedi güncel sınıflandırıcı kullanılarak herkese açık bir veri kümesi üzerinde gerçeklenmiş ve sağlanan esneklik düşünüldüğünde başarımdaki düşüşün kabul edilebilir olduğu değerlendirilmiştir. Son olarak, konum ve yönden bağımsız yöntemler, bu iki önemli özelliğin aynı anda sağlanabilmesi için tümleştirilmiştir. Başarım değerleri, doğru biçimde takılmış olan algılayıcı ünitelerinin başarımından daha düşük olsa da, rastgele karar verme stratejisine göre çok daha yüksektir. Algılayıcı ünitelerinin yerleşimi ve sınıflandırma başarımı arasındaki ödünleşime göre, farklı uygulamalar için farklı yöntem seçimleri yapılabilmektedir.
Özet (Çeviri)
We propose techniques that achieve invariance to the placement of wearable motion sensor units in the context of human activity recognition. First, we focus on invariance to sensor unit orientation and develop three alternative transformations to remove from the raw sensor data the effect of the orientation at which the sensor unit is placed. The first two orientation-invariant transformations rely on the geometry of the measurements, whereas the third is based on estimating the orientations of the sensor units with respect to the Earth frame by exploiting the physical properties of the sensory data. We test them with multiple state-of-the-art machine-learning classifiers using five publicly available datasets (when applicable) containing various types of activities acquired by different sensor configurations. We show that the proposed methods achieve a similar accuracy with the reference system where the units are correctly oriented, whereas the standard system cannot handle incorrectly oriented sensors. We also propose a novel non-iterative technique for estimating the orientations of the sensor units based on the physical and geometrical properties of the sensor data to improve the accuracy of the third orientation-invariant transformation. All of the three transformations can be integrated into the pre-processing stage of existing wearable systems without much effort since we do not make any assumptions about the sensor configuration, the body movements, and the classification methodology. Secondly, we develop techniques that achieve invariance to the positioning of the sensor units in three ways: (1) We propose transformations that are applied on the sensory data to allow each unit to be placed at any position within a pre-determined body part. (2) We propose a transformation technique to allow the units to be interchanged so that the user does not need to distinguish between them before positioning. (3) We employ three different techniques to classify the activities based on a single sensor unit, whereas the training set may contain data acquired by multiple units placed at different positions. We combine (1) with (2) and also with (3) to achieve further robustness to sensor unit positioning. We evaluate our techniques on a publicly available dataset using seven state-of-the-art classifiers and show that the reduction in the accuracy is acceptable, considering the flexibility, convenience, and unobtrusiveness in the positioning of the units. Finally, we combine the position- and orientation-invariant techniques to simultaneously achieve both. The accuracy values are much higher than those of random decision making although some of them are significantly lower than the reference system with correctly placed units. The trade-off between the flexibility in sensor unit placement and the classification accuracy indicates that different approaches may be suitable for different applications.
Benzer Tezler
- Pulmoner hipertansiyon etyopatogenezinde prostasiklin ve lökotrien C4'ün rolü
Possible role of leukotrien C4 and prostacyclin in the development of pulmonary hypertension
ÜLKÜ AYBERK
Tıpta Uzmanlık
Türkçe
1987
Çocuk Sağlığı ve HastalıklarıGazi ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
- Effect of chymotrypsin on M1 type pyruvate kinase from rabbit muscle and L-type from sheep liver
Başlık çevirisi yok
NİLAY BAŞARAN
Yüksek Lisans
İngilizce
1987
BiyokimyaOrta Doğu Teknik ÜniversitesiBiyokimya Ana Bilim Dalı
YRD. DOÇ. DR. MERAL YÜCEL
- Kurbağa gastrik mukozasında K-H ATPaz enziminin kinetik özellikleri ve oluşturulan ülser modelinde enzim aktivitesi
Başlık çevirisi yok
SEYHAN TÜKEL