Hareket sensörleri kullanarak havaya yazma temelli harf tanıma
Letter recognition based on air writing using motion sensors
- Tez No: 553953
- Danışmanlar: PROF. DR. ZEKİ YETGİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
Havaya yazma tanıma, kullanıcıların havayı sanal bir yüzey olarak kullanarak havaya yazdıkları harfi, uygulamaların tanımasını sağlayan bir teknolojidir. Havaya yazma tanıma, havayı sanal bir dokunmatik ara yüze dönüştürmeyi amaçlar. Klasik yazma ve klavye tabanlı dijital yazıya göre birçok avantajı bulunan havaya yazma geleceğin teknolojileri arasında yer almaktadır. Bu tür uygulamalar küçük yaş grubu çocukların eğitiminde psikomotor becerilerinin geliştirilmesi, engelli bireylerinin yaşamını kolaylık sağlaması gibi alanlarda kullanılabileceği gibi aynı zamanda yazmadaki alan sınırını kaldırmakta ve her ortamda yazmayı sağlamaktadır. Bu çalışmada, havaya yazma tanıma için Ardunio tabanlı bir eldiven geliştirilmiş ve Arduino ya entegre MPU6050 sensör (jiroskop ve ivme ölçer) ile el hareketleri, sinyal verilerine dönüştürülmüştür. Geliştirilen eldiven kullanarak, havaya yazılan Türkçe harflere karşılık gelen ham sinyal verilerinden, Eğitim ve Test setleri oluşturulmuştur. Bu süreçte, her Türkçe harf havaya en az 15 kez yazılmış, peş peşe yazılan harf sinyallerini, arka plan sinyallerinden ayırmak için bölümleme algoritması geliştirilmiştir. Eğitim ve Test setindeki her harf için Fourier ve Dalgacık Dönüşümü temelinde özellikler çıkarılmış ve En Yakın K-Komşu (KNN), Karar-Ağaçları, Rassal-Orman, KNN Topluluk Öğrenici, Yapay Sinir Ağları yöntemleriyle Test setindeki harfler sınıflandırılmıştır. Genel olarak, Yapay Sinir Ağlarının test setinde daha iyi sınıflama yaptıkları gözlenmiştir. Fourier ve Wavelet dönüşüme dayalı özellik çıkarma yöntemleri benzer performans sergilemiştir. Ayrıca, özellik çıkarma yönteminde bloklamanın etkisi üzerinde çalışılmış ve bloklamanın performansı arttırdığı gözlenmiştir.
Özet (Çeviri)
Air writing recognition is a technology that enables users to recognize letter that they write to the air using the air as a virtual surface. Air writing recognition aims to turn the air into a virtual touch interface. Writing into the air has many advantages over classical writing and keyboard-based digital writing it is among the technologies of the future. Such practices can be used in areas such as the development of psychomotor skills in the education of children, easing the life of the disabled individuals, and at the same time removes the area boundary in writing and enables writing in every environment. In this study, an Ardunio-based glove was developed for airwriting recognition and hand motions were converted into signal data by using the integrated MPU6050 sensor (gyroscope and accelerometer). Using the developed glove, Training and Test sets were formed from the raw signal data corresponding to the Turkish letters written to the air. In this process, each Turkish letter has been written at least 15 times in the air and data partitioning algorithm has been developed to separate the letter signals from the background signals. For each of the letters in the Training and Test set, features were derived based on the Fourier and Wavelet Transform. The letters in the test set are classified by using Nearest K-Neighbor (KNN), DecisionTrees, Random-Forest, KNN Community Learner, Artificial Neural Networks. In general, it has been observed that Artificial Neural Networks are better classified in the test set. Fourier and Wavelet conversion-based feature extraction methods showed similar performance. In addition, the effect of blocking was studied in the feature extraction method and it was observed that the blocking improved the performance for all classifying models.
Benzer Tezler
- 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
- Offline stator resistance estimation for permanent magnet synchronous motor and real-time implementation using embedded coder
Kalıcı mıknatıslı senkron motorlar için offline stator direnci tahmini ve embedded koder kullanarak gerçek zamanlı uygulaması
LÜTFÜ EMRE EFE
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SALİH BARIŞ ÖZTÜRK
- Laser induced graphene based flexible gas sensor for wearable electronics
Giyilebilir elektronikler için lazer kaynaklı grafen bazlı esnek gaz sensörü
MEHMET MERT BÜYÜKTURGAY
Yüksek Lisans
İngilizce
2020
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURİ SOLAK
- Analysis and design of cryogenic bulk-driven analog integrated circuits
Kriyojenik gövdeden sürmeli analog tümdevrelerin analiz ve tasarımı
MEHMET AYTUĞ ORMANCI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BERKE YELTEN
PROF. DR. FIRAT KAÇAR
- Development of QCM sensors for measuring particulate matter concentration
QCM sensörlerinin partikül madde konsantrasyonunu ölçmek için geliştirilmesi
MAJID JAVADZADEHKALKHORAN
Doktora
İngilizce
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. LEVENT TRABZON