Enhancing depth-maps-based human activity recognition using autoencoders fused features
Oto kodlayıcıların birleşmiş özellikleri kullanılarak derinlik harita tabanlı insan aktivitelerinin tanımının geliştirilmesi
- Tez No: 841131
- Danışmanlar: YRD. DOÇ. DR. IHAB ELAFF
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda insan faaliyeti tanıma (HAR) alanı, çoğunlukla sağlık, spor ve güvenlik gibi çeşitli alanlardaki geniş kapsamlı potansiyel uygulamaları nedeniyle araştırmacıların büyük ilgisini çekti. HAR, bir insanın yaptığı yürüme, boks yapma, kolları yukarı kaldırma ve bir nesneyi seçme gibi eylemleri tanımlamayı amaçlamaktadır. Kulağa ne kadar basit gelse de HAR'ın oyun, güvenlik ve insan-bilgisayar etkileşimi alanlarındaki uygulamaları çok büyüktür. Bir kişinin aktivitelerini tanımak için veriler RGB videolar, iskelet, derinlik haritaları ve daha fazlası gibi farklı yöntemler kullanılarak yakalanabilir. Derinlik haritaları araştırmada çok yaygın bir yöntemdir. Bu veri yöntemi, Microsoft Kinect gibi derinlik görüntüleme sensörlerini kullanarak insan etkinliklerini saklar ve işler. Veriler, bir nesnenin sensörden ne kadar uzakta (derin) olduğunu gösterir. Derinlik haritaları yöntemi HAR görevlerinde umut verici bir performans göstermiştir. Derinlik sensörlerinin artan kullanılabilirliği ve HAR'a artan ilgi, aktivite tanıma için çok sayıda derinlik tabanlı yöntemin geliştirilmesiyle sonuçlandı. Bu araştırmada, derinlik haritalarını ana yöntemimiz olarak kullanarak, otomatik kodlayıcılar ve özellik birleştirme yaklaşımını kullanarak derinlik haritasının insan tanıma doğruluğunu artıracak bir yaklaşım öneriyoruz. Diğer incelemelerin yanı sıra yaklaşımımız, otomatik kodlayıcı tabanlı özelliklerin birleştirilmesinin insan etkinliği tanıma modelinin tanıma doğruluğunu arttırdığını kanıtladı.
Özet (Çeviri)
In the recent years, the field of human activity recognition (HAR) has gained significant attention from researchers, mostly due to its wide-ranging potential applications across various domains including healthcare, sports, and security. HAR aims to identify the action a human doing, like walking, boxing, moving arms up, and picking an object. Despite how simple this might sound, the applications of HAR are enormous in games, security, and human computer interaction. To recognize activities of a person, data can be captured using different modalities like RGB videos, skeleton, depth maps, and more. Depth maps is a very common modality in research. This data modality stores and processes human activates using depth imaging sensors, like Microsoft Kinect. The data represents how far (deep) an object is from the sensor. Depth maps modality has demonstrated promising performance in HAR tasks. The increasing availability of depth sensors and the growing interest in HAR have resulted in the development of numerous depth-based methods for activity recognition. In this research, using depth maps as our main modality, we propose an approach to enhance the accuracy of depth-map human recognition by utilizing autoencoders and feature fusion approach. Among other finings, our approach proofed that fusing autoencoder-based features increases the recognition accuracy of human activity recognition model.
Benzer Tezler
- İklim değişikliğine mekansal uyumda toprak ekosistem servislerinin rolü: Nilüfer çayı havzası
The role of soil ecosystem services in spatial adaptation to climate change: Nilüfer stream basin
MERVE YILMAZ MUTLU
Yüksek Lisans
Türkçe
2023
İstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
Yükleniyor...
- Debi-seviye izleme ve taşkın uyarı maksatlı gerçek zamanlı nehir gözlem istasyonu imalatı: Aşağı Sakarya Nehri uygulaması
Manufacturing of a real-time river monitoring station for discharge-level monitoring and flood warning: Lower Sakarya River application
FATMA DEMİR
- İstanbul ili genelinde yönetilen akifer şarjı (managed aquifer recharge/MAR) potansiyel alanlarının çok kriterli karar verme analizi ile belirlenmesi
Determination of potential areas for managed aquifer recharge (MAR) in Istanbul using multi-criteria decision analysis
ÖZLEM YILDIZ YÜKSEKOL
- A data-driven approach to identifying and selecting temporary disaster debris management sites: The case of Istanbul
Geçici afet moloz yönetim alanlarının belirlenmesi ve seçimi için veri odaklı bir yaklaşım: İstanbul örneği
BURAK KABAKLI
Yüksek Lisans
İngilizce
2025
İstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Superpixel assisted deep neural network for breast tumor segmentation in ultrasound images
Süperpiksel destekli derin sinir ağı ile meme ultrason görüntülerinde tümör segmentasyonu
NEFİSE UYSAL
Yüksek Lisans
İngilizce
2022
İstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
Yükleniyor...