Akıllı bileklik kullanarak aktivite tanıma uygulamaları
Activity recognition applications using smart wristband
- Tez No: 567835
- Danışmanlar: DR. ÖĞR. ÜYESİ LEVENT BAYINDIR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
İnsanların günlük hayattaki aktiviteleri hakkında bilgi edinme ihtiyacı gün geçtikçe artmaktadır. Bu ihtiyaca binaen günlük aktivitelerin tespitine yönelik pek çok yöntem (kamera ile hareket tespiti, algılayıcılar ile hareket tespiti vb.) geliştirilmiştir. Günlük hayatta aktivite tanımaya yönelik çalışmalar yaygınlaşırken öte yandan spor, sağlık, inşaat sektörü gibi pek çok alanda da aktivite tanıma önem arz etmektedir. Bu tez çalışmasında ivmeçölçer ve pusula algılayıcılarından yararlanılarak spor (koşma, yürüme, araç kullanma, kayak yapma ve snowboard) ve inşaat aktiviteleri (matkapla delme, duvar boyama, musluk sıkma, duy vidalama, testere ile kesme ve çekiçle delme) için aktivite tanıma gerçekleştirilmiştir. Aktiviteler için algılayıcı verilerinin toplanması için içerisinde Photon geliştirme kartı ve algılayıcılar yer alan bir bileklik kullanılmıştır. Spor ve inşaat aktiviteleri için iki ayrı veri kümesi oluşturulmuştur. Spor aktiviteleri için ivmeölçer algılayıcısından yararlanılarak toplamda on bin veri toplanırken inşaat aktiviteleri ivmeölçer ve pusula algılayıcılarından yararlanılarak toplamda altmış bin veri toplanılmıştır. Elde edilen ham veriler işlenerek çeşitli öznitelikler (ortalama, min, max, korelasyon vb.) çıkarılmıştır. Spor aktiviteleri için yirmi iki öznitelik kullanılmış ve inşaat aktiviteleri için kırk dört öznitelik kullanılmıştır. K-en yakın komşu, Näive Bayes, Rastgele Orman ve Destek Vektör Makineleri sınıflandırma yöntemleri kullanılarak aktivite sınıflandırması gerçekleştirilmiştir. Yöntemlerin uygulanması sonucu oluşan doğruluk yüzdeleri, farklı parametreler ile incelenmiştir. Kullanılan her bir sınıflandırma yöntemi ve aktivite kombinasyonu için %90'ın üzerinde başarı elde edilmiştir. Yapılan çalışma, bildiğimiz kadarıyla, hem spor (snowboard) hem de inşaat için (matkapla delme, vidalama) daha önce kullanılmayan aktivitelerin kullanılması ve inşaat aktivitelerinde aktiviteye göre veri toplama cihazının konumunun değiştirilmemesi yönleriyle literatürdeki mevcut çalışmalardan ayrılmaktadır.
Özet (Çeviri)
The requirement of learning about people's activities in daily life is increasing day by day. Consequently, many methods (motion detection with camera, motion detection with sensors, etc.) have been developed for the detection of daily activities. While studies aimed at recognizing activities in daily life become widespread, it is also important to recognize activities in many fields such as sports, health, and construction sectors. In this study, activity recognition for sports (running, walking, driving, skiing, and snowboarding) and construction activities (drilling, screwdriving, wall painting, hammering, sawing, and tap clamping) was realized by using accelerometer and compass sensors. In order to to collect the sensor data for activities, a wristband containing Photon development card and sensors was used. Two separate data sets were created for sports and construction activities. A total of ten thousand data were collected by using accelerometer sensor for sports activities, and sixty thousand data were collected by using accelerometer and compass sensors for construction activities. The raw data obtained were processed, and various features (mean, min, max, correlation, etc.) were extracted for classification algorithms. Twenty-two features were used for sports activities, and forty-four features were used for construction activities. Activity classification was performed using K-nearest neighbor, Näive Bayes, Random Forest, and Support Vector Machines classification methods. Accuracy percentages obtained from the application of the methods were examined with different parameters. Over 90% success was achieved for each classification method and activity combination. As far as is known, the present study differs from existing studies in the literature in respect to use activities which is not previously used for both sports (snowboarding) and construction (drilling, screwing) and not to change the position of the data acquisition device according to activity in construction activities
Benzer Tezler
- Sağlık verilerinin analizi için mobil ve bulut yazılımı tasarımı
Design of mobile and cloud software for analysis of health data
GÖKHAN ÖZOĞUR
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED ALİ AYDIN
- Machine learning-enabled stress detection in children using physiological signals during robot assisted therapy
Çocuklarda makine öğrenmesi ile desteklenmiş robot ile yapılan terapi sırasında fizyolojik sinyallerle stres tespiti
SEVGİ NUR BİLGİN AKTAŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Giyilebilir teknolojilerde akıllı bilekliğin kullanımı ve Şanlıurfa iline ait bir araştırma
The use of smart bracelet in wearable technologies and a research on Şanliurfa province
AHMET ÇİFTÇİ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH TÜYSÜZ
- Mobil sağlık uygulamaları ve giyilebilir sağlık teknolojileri kullanımının sağlık algısı ve obezite farkındalık düzeyine etkisi
The effect of the use of mobile health applications and wearable health technologies on health perception and obesity awareness
HİLAL ŞEYDA EYÜPOĞLU
Yüksek Lisans
Türkçe
2023
Sağlık YönetimiOrdu ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
PROF. DR. TAŞKIN KILIÇ
- Akıllı bileklik ve saat kullanan tüketicilerin öz takip pratikleri çerçevesinde incelenmesi
Examination of consumers using smartwrists/watches within the framework of self-tracking practices
ZEYNEP ERDEM
Yüksek Lisans
Türkçe
2023
PsikolojiTOBB Ekonomi ve Teknoloji Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. BERNA TARI KASNAKOĞLU