Human fall detection using non-contact radar sensor
Radar sensörü ile temassız düşme algılama
- Tez No: 626231
- Danışmanlar: DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 82
Özet
Düşme, yaşlıların sakatlık ve ölümünün ana nedenidir. Bu çalışmada, 24 GHz sürekli dalga Doppler radar sensör kullanarak yaşlı düşmesi tespiti için düşük fiyatlı bir sistem geliştirildi. Radari seçilme sebebi; insan hareketleri takip edebilmesi,duvarlardan geçebilmesi, düşük maliyet, düşük güç, ve küçük boyutlu gibi özeliklere sahip olması. Ayrıca, tasarlanan sistem, düşüşten sonra kişilerin durumunu incelemek ve ilk yanıtlayanlara gerekli bakım hakkında genel bir fikir sağlamak için , kişinin ˘ yaşamsal belirtileri takip etmek ve hesaplamak için geliştirilmiştir. İlk olarak, toplam 121 düşme örneği ve 117 düşme olamayan normal günlük aktivite örneğinden oluşan ˘ bir veri seti hazırladık. Sonra hem zaman hem de frekans alanlarından farklı özellikler çıkarıldı ve düşme ile düşme olmayan örnekleri en iyi ayırt eden olan özellikler kümesi seçildi. Son olarak, seçilen özellikler, destek vektör makinesi, naif Bayes, en yakın k komşusu, lineer diskriminant analizi ve karar ağacı algoritmaları gibi ˘ farklı sınıflandırma algoritmaları dikkate alınarak bir sınıflandırma modeli geliştirildi. Önerilen sistem düşme tespiti için %88, kalp atış hızı tespiti için %95 ve solunum hızı tespiti için %85'e başarı oranlarına ulaştı.
Özet (Çeviri)
Falling is the main cause of disability and fatality of elderly. In this work, 24 GHz continuous wave Doppler radar is used to develop a low price fall detection system. Radar sensor is selected due to its capability of tracking human motions, passing through covers and walls, its low cost, low power, and small size. Designed system is further improved to detect and monitor the human's vital signs to analyze the status of the fallen person and reduce the consequences of the fall by providing a general idea about the persons' situation to the concerned authorities. First, considering all possible daily activities and fall cases, a dataset with 121 fall and 117 non-fall signatures are collected. Then, features from both time and frequency domains are extracted and examined to select the ones that contribute most to distinguish between fall and non-fall samples. Finally, different machine learning techniques including support vector machine, naive Bayes, k nearest neighbor, linear discriminant analysis and decision tree are evaluated to build the most accurate classification model. Proposed system performed activity classification and fall detection with 88% average accuracy, heart rate monitoring with 95% average accuracy, and respiration rate monitoring with 85% average accuracy.
Benzer Tezler
- Katı atıkların depolanmasında karşılaşılan geoteknik problemler
Geotechnical problems encountered in disposal of wastes
AHMET KUTAY
- Recognition and monitoring of human motions using RF signals
İnsan hareketlerinin RF sinyalleri kullanarak tanımlanması ve izlenmesi
CAN UYSAL
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANSU FİLİK
- Toplam kalite anlayışı içinde istatistiksel proses kontrolün rolü ve kalite geliştirme amaçlı uygulanması
Başlık çevirisi yok
AHMET GÖKÇE
Yüksek Lisans
Türkçe
1998
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. COŞKUN ÖZKAN
- Yaşlıların düşme tespiti ve bilgilendirme sistemi tasarımı
Fall detection and notification system design for elderly people
FİKRİ ELMAS
Yüksek Lisans
Türkçe
2017
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. SERKAN TÜRKELİ
- Dinamik algılayıcı öğrenme algoritması ile kenar saptamanın öğrenilmesi
Learning of edge detection using recurrent perceptron learning algorithm
FİLİZ YOSMA TAŞKIN
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ