Neural network-based human detection using raw UWB radar data
Ultra-geniş bantlı radar ham verileri kullanılarak sinir ağ tabanlı insan tespiti
- Tez No: 926006
- Danışmanlar: DR. ÖĞR. ÜYESİ ECE GELAL SOYAK, PROF. DR. SAEID KARAMZADEH
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 59
Özet
Son yirmi yılda, insan nefes ve hareketlerinin uzaktan tespit edilmesi oldukça ilgi çekici bir konu haline gelmiştir. Yaşlı nüfusun izlenmesi, deprem, yangın, heyelan gibi doğal afetler anında insan tespiti son derece önemlidir. İnsan tespitinde, sensör, kamera, Lidar, Wi-Fi, radar gibi çeşitli teknolojik yöntemler kullanılmaktadır. Sunulan bu çalışmada, UWB radar teknolojisine dayalı insan tespiti önerilmektedir. Ultra Geniş Bant (UWB) radar; geniş frekans aralığı sayesinde hassas tespit ve görüntüleme, çeşitli engeller karşısında yüksek penetrasyon özelliği, düşük güç tüketimi, solunum ve kalp atışı gibi mikro hareketleri algılama, dağınık ortamlarda çalışma ve gerçek zamanlı çalışma gibi birçok avantaja sahiptir. Önerilen çalışmada, UWB radar kullanılarak iki farklı veri seti oluşturulmuştur. Data setler oluşturulurken radar cihazının farklı iki özelliğinden yararlanılmıştır. Veri toplamada iki farklı senaryo ve bu senaryoların altında birden fazla alt senaryo oluşturulmuştur. Bu alt senaryolarda, insanın radara olan mesafesi, açısı, yönü ve pozisyonu gibi parametreler dikkate alınmıştır. Elde edilen veriler herhangi bir gürültü veya arka plan temizleme gibi işlemler yapılmadan, herhangi bir sinyal işleme metodu kullanılmadan doğrudan bir sinir ağ modelinde eğitilmiştir. UWB radar ham verileri ile herhangi bir sinyal işleme metodu kullanılmadan verilerin anlamlandırılması bu çalışmanın özgün fikrini oluşturmaktadır. Elde edilen ham verileri önerilen Neural Network modeli olan CNN tabanlı bir algoritmada eğitilerek insan ve insan olmayan şeklinde sınıflandırılmıştır. Elde edilen sonuçlar ile yüksek doğru sınıflandırmaya ulaşılmıştır.
Özet (Çeviri)
Over the past two decades, the remote detection of human breathing and movements has become a fascinating and highly relevant research topic. This technology has significant applications, such as monitoring elderly populations and detecting humans in natural disasters like earthquakes, fires, and landslides. Various technological methods, including sensors, cameras, Lidar, Wi-Fi, and radar, have been employed for human detection. UWB radar stands out for its wide frequency range, allowing for highly sensitive detection and imaging. It has a high penetration capability, making it effective even through obstacles, and operates with low power consumption. Furthermore, UWB radar can detect micro-movements like breathing and heartbeats, perform well in cluttered environments, and support real-time applications. In this study, a human detecting model using with UWB radar technology is presented. Two distinct datasets were created using the UWB radar device, leveraging its dual features. Data collection involved two main scenarios, each containing multiple sub-scenarios. These sub-scenarios varied parameters like the position, distance, angle, and orientation of the human subject relative to the radar. Unlike conventional approaches that rely on signal processing or noise/background removal, this study uniquely emphasizes analyzing raw UWB radar data directly. The collected raw data were fed into a Convolutional Neural Network (CNN)-based model without applying any preprocessing or signal enhancement techniques. The neural network was trained to classify the data into two class: human and non-human. The results demonstrated high classification accuracy, showcasing the capability of using raw UWB radar data for robust and efficient human detection.
Benzer Tezler
- Derin öğrenmeye dayalı videolarda şiddet tespiti
Violence detection in videos based on deep learning
AHMET SİVRİDAŞLI
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE DEMİRHAN
- Glaucoma disease detection using image processing and machine learning approach
Görüntü işleme ve makine öğrenme yaklaşımıyla glokom hastalığının tespiti
HUSSEIN ALAA MOHAMMED ATTAR BASH
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. AYÇA KURNAZ TÜRKBEN
- Pasif mikrodalga verileri üzerinden bir dolu tespit modelinin geliştirilmesi
Development of hail detection model using passive microwave data
ABDURRAHMAN DURMAZ
Yüksek Lisans
Türkçe
2025
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZTOPAL
- 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
- Ai-based classification between healthy and vestibular system impaired individuals using gait parameters
Sağlıklı ve vestibüler sistem (VS) bozukluğu gösteren ve göstermeyen bireyler arasındaki yürüme parametrelerinin yapay zeka tabanlı sınıflandırılması
DUA HİŞAM
Yüksek Lisans
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
ASSOCIATE PROF. DR. SERHAT İKİZOĞLU