Geri Dön

A real-time fall detection of elderly people in indoor environments

Kapalı ortamlarda bulunan yaşlılar için gerçek zamanlı düşme algılama sistemi

  1. Tez No: 809624
  2. Yazar: MUSTAFA HUSSEIN RAFEEQ RAFEEQ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SERKAN ÖZBAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Konvolüsyonel Sinir Ağları, Derin Öğrenme, Düşme Algılama, Convolutional Neural Networks, Deep Learning, Fall Detection
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik Ana Bilim Dalı
  12. Bilim Dalı: Elektronik Bilim Dalı
  13. Sayfa Sayısı: 72

Özet

Mevcut görüntü tabanlı yapay zeka teknolojilerinin olağanüstü etkinliği ve temel karar verme süreçlerinde kullanımlarına duyulan ilgi, bu tür akıllı sistemleri görünür ve anlaşılır hale getirme girişimlerinde bir artışa yol açtı. Bugün kullandığımız teknoloji, bazı araştırmacıların yapay zeka başarıları elde etmelerinin sonucudur. Yapay zeka, insan zihninin problem çözme ve karar verme yeteneklerini taklit etmek için bilgisayarlardan ve makinelerden yararlanır. Örneğin, bazı araştırmacılar girdiye bitişik katmanlar ile çıktıya yakın katmanlar arasında daha kısa bağlantılara sahip konvolüsyonel sinir ağlarının önemli ölçüde daha derin, daha doğru ve eğitilmesinin verimli olabileceğini göstermiştir. Bu çalışma, düşme olayını diğer iç mekan doğal insan aktivitelerinden ayırt etmek için bir çerçeve görevi görmektedir. Bu çalışmada, düşme tespiti için bazı katmanların silinmesine ve diğerlerinin eklenmesine dayanan değiştirilmiş bir DenseNet 121 yaklaşımı sunulmaktadır. Önerilen yaklaşımla kayıplar azaltılır ve ikili çapraz entropi kaybı fonksiyonu kullanılarak ağırlıklar ve öğrenme oranı gibi ağ değişkenleri güncellenir. Son olarak, sigmoid sınıflandırıcı, ikili sınıflandırmayı kullanarak insan düşüşlerini tanımlar. Önerilen sistemin, mevcut modern modellerden daha iyi performans göstererek, deneysel çalışmalarda %98.83 hassasiyete ulaştığı gösterilmiştir.

Özet (Çeviri)

The extraordinary effectiveness of existing image-based AI technologies and the resulting interest in their use in key decision-making processes have sparked a rise in attempts to make such intelligent systems visible and understandable. The technology we use today is the result of several researchers achieving artificial intelligence achievements. Artificial intelligence leverages computers and machines to mimic the human mind's problem-solving and decision-making capabilities. For example, some researchers have demonstrated that convolutional neural networks with shorter connections between layers adjacent to the input and those close to the output can be significantly deeper, more accurate, and efficient to train. This study serves as a framework for distinguishing fall event from other indoor natural human activities. In this study, a modified DenseNet 121 approach that relies on the deletion of some layers and the addition of others for fall detection is presented. With the proposed approach, losses are reduced, and network variables like weights and learning rate are updated using the binary cross-entropy loss function. Finally, the sigmoid classifier identifies human falls using binary classification. It is shown that the proposed system achieves a precision of 98.83% on experiments, outperforming existing modern models.

Benzer Tezler

  1. Yalnız yaşayan yaşlılar ve risk grubu hastalar için düşme tespit sisteminin geliştirilmesi

    Development of a fall detection system for the elderly and risk group patients living alone

    HAMZA ERGÜDER

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUNCAY UZUN

  2. Fall detection for elderly people using depth video data obtained by kinect

    Kinect'le elde edilen video derinlik verisi kullanılarak yaşlı insanların düşüşünün tespiti

    AMİR ABBAS DAVARİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Elektrik ve Elektronik MühendisliğiÖzyeğin Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ARİF TANJU ERDEM

  3. Fall detection and activity recognition

    Düşme tespiti ve aktivitelerin belirlenmesi

    ALİCAN ESLEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YAVUZ ŞENOL

  4. Yaşlı bakımında derin öğrenme ile video üzerinden sağlık durumunun takibi

    Video surveillance of elderly person aimed to healthcare via deep learning

    FAHRİ CİHAN ATTİLA

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Mühendislik BilimleriFırat Üniversitesi

    Ekobilişim Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET İLYAS BAYINDIR

  5. Derin öğrenme ve tinyml ile gerçek zamanlı düşme tespiti

    Real-time fall detection with deep learning and tinyml

    ABDULLAH SÖKÜLMEZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilim ve TeknolojiSelçuk Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OKAN UYAR