Human activity monitoring and recognition with multiple wearable sensors
İnsan aktivitesinin çoklu giyilebilir sensörlerle izlenmesi ve tanınması
- Tez No: 842028
- Danışmanlar: DOÇ. DR. YAVUZ ŞENOL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Bilgisayar ve sensör teknolojisindeki ilerlemelerle birlikte, insan aktivitesi tanıma saglık, spor ve gözetim gibi birçok ara ̧stırma alanında büyüyen bir ilgi kazanmaktadır. ̆ ̇Insan aktivitesi tanıma; dü ̧sme tespiti, fitness takibi, ya ̧slı insanlar için rehabilitasyon izlemesi gibi alanlardan elde edilen bilgi ve uygulamalarla insan ya ̧samına katkıda bulunur. Bu amaçla, çe ̧sitli giyilebilir - sensör tabanlı aktivite tanıma sistemleri, söz konusu alanlarda insanlara yardımcı olmak için farklı aktiviteleri takip etmek ve tanımak için kullanılmı ̧stır. Bu aktivitelerden veri toplama ve çe ̧sitli yapay zeka algoritmaları aracılıgıyla i ̧sleme konusundaki geli ̧smeler sayesinde aktiviteler çok ̆ daha kolay tanımlanabilir ve degerlendirilebilir hale gelmi ̧stir. ̆ Bu çalı ̧sma, yürüme, ko ̧sma, tırmanma gibi ortak aktiviteler ile araba kullanma ve tenis oynama gibi nispeten karma ̧sık aktiviteler için farklı yapay zeka yöntemleri arasında bir kar ̧sıla ̧stırma sunmaktadır. Kablosuz sensör agı, ivmeölçer, jiroskop ve ̆ akıllı ayakkabı keçesi gibi çe ̧sitli sensörler, deneklerden veri toplamak için kullanılmı ̧stır. Sensör dügümleri, bacakların üst kısımlarına, bileklere ve tabanlara ̆ yerle ̧stirilmi ̧stir; böylece ivme, yönlendirme ve uygulanan kuvvet verileri elde edilmi ̧stir. Bu çalı ̧sma ayrıca, örnegin, bacakların ivme ve yönlendirme bilgisi yerine ̆ tabanın üzerine uygulanan kuvvet bilgisi gibi farklı veri türlerinin kullanılmasının sonuçlarını gözlemlemeyi amaçlamaktadır. Veri seti, her sensörden gelen verileri içermektedir. Sensörlerden elde edilen veriler, derin sinir agları, ̆ k-NN ve karar agacı ̆ da dahil olmak üzere çe ̧sitli makine ögrenimi algoritmalarına beslenmi ̧stir. Sonuçlar ̆ ayrı ayrı dogruluk, geri ça ̆ gırma ve F ̆ 1 metrikleri ile degerlendirilmi ̧stir. Metrikler, ̆ CNN'nin diger algoritmalardan daha iyi performans gösterdi ̆ gini ve ortalama %94.9 ̆ F1 puanıyla bu veri kümesi için en uygun algoritma oldugunu göstermektedir. ̆
Özet (Çeviri)
With the advances in computation and sensor technology, human activity recognition (HAR) is growing interest in many research areas including healthcare, sports, and surveillance. It contributes to human life with the knowledge and applications obtained from these fields such as detection of falls, fitness tracking, rehabilitation monitoring for elderly people. For this purpose, various wearable – sensor based activity recognition systems have been used for monitoring and identifying different activities in order to assist people in the aforementioned fields. Improvements on collecting data from these activities and processing via various artificial intelligence algorithms, activities are much easily identified and evaluated. This study presents a comparison between different artificial intelligence methods for common activities such as walking, running, ascending and relatively complex activities including driving a car and playing tennis. A network consisting of wireless sensors was employed to collect data from the subjects with a variety of sensors such as accelerometer, gyroscope and smart insole. The sensor nodes were placed on the thighs, ankles and soles to obtain acceleration, orientation and applied force data. This study also aims at observing the effects of utilizing different data types; for instance, information of applied force on the sole rather than information of acceleration and orientation of legs. The dataset contains the data of both inputs from each sensor. The data obtained were fed into the several machine learning algorithms, including deep neural networks, K-nearest neighbors and decision tree. The performances were separately evaluated with accuracy, recall and F1 score metrics. The results show that CNN outperformed the other algorithms and proved that CNN is the most suitable algorithm for this dataset with the average F1 score of 94.9%.
Benzer Tezler
- Makine öğrenmesi kullanarak insan hareketlerinin sınıflandırılması: Akıllı telefon algılayıcıları örneği
Classification of human movements using machine learning: The example of smartphone sensors
DINA DURAID HAQI AL-MOMAYEZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. KAMİL ALAKUŞ
- 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
- Davranışsal ve fiziksel multi-biyometri ile kişi kimliklendirme ve hareket tanıma üzerine yaklaşımlar
Approaches to person identification and motion recognition with behavioral and physical multi-biometrics
ONUR CAN KURBAN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Exploring fusion models in computer vision for medical image computing
Başlık çevirisi yok
DUYGU SARIKAYA
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolState University of New York at BuffaloDr. JASON J. CORSO
- Human activity recognition using deep convolutional neural network
Derin öğrenme yöntemleri kullanılarak insan aktivitesi tanıma
ELİF KEVSER TOPUZ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASİN KAYA