Movenet ve transfer öğrenme yaklaşımlarının birleşimiyle insan pozu tespitine yönelik gerçek zamanlı grafiksel arayüz geliştirilmesi
Development of a real-time graphical user interface for human pose estimation by combining movenet and transfer learning approaches
- Tez No: 946037
- Danışmanlar: PROF. DR. SERHAT ÖZEKES
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Poz Tahmini, Yapay Zeka, Poz Sınıflandırma, MoveNet, İş Güvenliği, Artificial Intelligence, Poz Algılama, MoveNet, Keypoints
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
daha sonra Yapay zeka ve derin öğrenme teknikleri, bilgisayarlı görü (computer vision) alanında önemli ilerlemeler sağlamış ve insan hareketlerinin algılanmasına yönelik sistemlerin gelişimine katkıda bulunmuştur. İnsan pozu tahmini (human Poz Algılama veya HAR), insan vücudunun eklem noktalarını belirleyerek hareketleri analiz eden bir tekniktir ve sağlık, spor analitiği, güvenlik sistemleri gibi birçok alanda kullanılmaktadır. Bu çalışmada, insan pozu tahmini için ResNet50V2 ve MoveNet tabanlı bir sistem insan hareketlerinin sınıflandırılması amaçlanmıştır. MoveNet, hafif mimarisi ve regresyon tabanlı yaklaşımıyla eklem noktalarını doğrudan tahmin ederek gerçek zamanlı çalışabilen bir modeldir. Model TensorFlow kullanılarak, özel olarak oluşturulmuş ve etiketlenmiş bir veri setiyle eğitilmiştir. Çalışmanın temel katkıları şunlardır: Özel Veri Seti Kullanımı: Uyuma, düşme, koşma ,müzik dinleme,mesajlaşma , alkışlama vs. gibi insan aktivitelerini içeren hazır veri setinin üzerine eklemeler yapılarak yeni bir veri seti oluşturulmuş ve model bu verilerle eğitilmiştir. Gerçek Zamanlı Poz Algılaması Python ve TensorFlow kullanılarak düşük gecikme süresiyle çalışan bir masaüstü uygulama sistemi geliştirilmiştir. Performans Değerlendirmesi: Model, farklı ışık koşulları ve kamera açılarında test edilerek doğruluk ve güvenilirliği analiz edilmiştir. Çok Yönlü Kullanım Potansiyeli: Sistem, iş güvenliği, sağlık hizmetleri, spor analitiği gibi çeşitli alanlarda uygulanabilirliği açısından değerlendirilmiştir. Bu çalışma, ResNet50V2 ve MoveNet' in insan hareket analizi için nasıl optimize edilebileceğini ortaya koyarak, gerçek zamanlı poz algılama sistemlerine katkı sunmayı hedeflemektedir. Elde edilen bulguların, düşme tespiti, iş güvenliği, fizik tedavi yöntemleri ve akıllı gözetim sistemleri gibi alanlarda kullanılabilecek yapay zeka tabanlı çözümler için temel oluşturması beklenmektedir.
Özet (Çeviri)
Artificial intelligence and deep learning techniques have made significant progress in the field of computer vision and have contributed to the development of systems for the perception of human movements. Human Poz Algılama (HAR) is a technique that analyzes movements by determining the joint positions of the human body, and it is used in areas such as healthcare, sports analytics, and security systems. In this study, a human Poz Algılama system based on ResNet50V2 and MoveNet was developed with the aim of classifying human movements. MoveNet, with its lightweight architecture and regressionbased approach, is capable of estimating joint points in real time. The model was trained on a specially created and labeled dataset using TensorFlow. The main contributions of the study are as follows: Use of a Special Dataset:A new dataset was created by augmenting an existing dataset with additional human activities such as sleeping, falling, running, listening to music, messaging, applauding, etc., and the model was trained on this expanded dataset. Real-Time Pose Detection: A low-latency desktop application was developed using Python and TensorFlow for real-time pose detection. Performance Evaluation: The model was tested under different lighting conditions and camera angles, and its accuracy and reliability were analyzed. Versatile Application Potential: The system's applicability was evaluated in diverse fields such as occupational safety, healthcare services, and sports analytics. This study aims to contribute to the field of real-time pose detection by demonstrating how ResNet50V2 and MoveNet can be optimized for human motion analysis. The results are expected to form a foundation for AI-based solutions suitable for applications including fall detection, occupational safety, physical therapy, and smart surveillance systems.
Benzer Tezler
- Proses modellendirme, optimizasyon ve kontrolün bir petrol rafineri ünitesine (FCC) uygulanması
Başlık çevirisi yok
HARUN TAŞKIN
Doktora
Türkçe
1983
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. AYHAN TORAMAN
- Hibrid adım motorunun modellenmesi ve simülasyonu
Modelling and simulation of hybrid stepping motors
AYLİN TÜLAY USTA
Yüksek Lisans
Türkçe
1991
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. TAMER KUTMAN
- Kablolu taşıyıcı sistemlerin nonlineer statik analizi için bir yöntem
A Method for nonlinear static analysis of cable nets
FİLİZ PİROĞLU
- Mekanik manipülatörlerde optimal yörünge planlaması
Optimum path planning for mechanical manipulators
A.YÜCEL YAZICI