Düşme tespiti için FPGA tabanlı makine öğrenme mimarileri: Analiz ve metodolojiler
FPGA based machine learning architectures for fall detection: Analysis and methodologies
- Tez No: 964726
- Danışmanlar: Prof. Dr. AHMET TURAN ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Electrical and Electronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 133
Özet
Düşme algılama, özellikle yaşlı nüfus için giderek daha kritik bir endişe haline gelmiştir. Bu büyüyen ihtiyacı karşılamak için yenilikçi yaklaşımlar şarttır. İvmeölçerler, jiroskoplar ve manyetometreler gibi vücuda yerleştirilen sensörleri kullanarak, aktivite sınıflandırma doğruluğu artırılabilmektedir. Bu araştırma, sensör verilerinin kullanımını optimize etmek için geleneksel ve ileri düzey teknikler arasındaki farkları incelemektedir. Uygun fiyatlı, giyilebilir IoT cihazlarının entegrasyonu, sağlık teknolojilerinde devrim yaratmıştır. Bununla birlikte, gizlilik ve veri iletim gecikmesi ile ilgili zorluklar devam etmektedir. Bu sınırlamaları aşmak için, performansı ve enerji verimliliğini önceleyen küçük cihazlar için optimize edilmiş bir makine öğrenimi yaklaşımı öneriyoruz. FPGA'ların gücünden yararlanan sistemimiz, birden fazla sensörden gelen verileri kullanarak hızlı ve doğru eylem tanıma sağlar. Giyilebilir cihazlarla birlikte kullanılan bu yaklaşım, çevreden bağımsız konumlandırma ve verimli aktivite takibi sağlayarak geleneksel sistemlere göre önemli bir avantaj sunar. Gizlilik ve gecikme arasındaki dengeyi gözeten entegre çözümümüz, düşme tespiti sensör teknolojisinde önemli bir ilerlemedir. Bu yenilik, güvenilir ve verimli düşme tespiti çözümleri sunarak sağlık hizmetlerinde devrim yaratma potansiyeline sahiptir.
Özet (Çeviri)
Fall detection has emerged as a critical concern, especially for the elderly population. Innovative approaches are essential to address this growing need. This paradigm significantly enhances the quality of life for individuals by implementing body-worn sensors, such as accelerometers, gyroscopes, and magnetometers. This research examines both traditional and advanced techniques for optimizing sensor data utilization. The integration of affordable, wearable IoT devices has revolutionized health technologies. However, challenges related to privacy and data transmission latency still persist. To overcome these limitations, we propose a machine learning approach optimized for small devices, prioritizing performance and energy efficiency. Leveraging the power of FPGAs, our system enables fast and accurate action recognition using data from multiple sensors. Our integrated solution, combining wearable devices with environment-independent localization and efficient activity tracking, offers a significant advantage over traditional systems. This innovative approach balances privacy and latency, representing a major advancement in fall detection sensor technology. It has the potential to revolutionize healthcare by providing reliable and efficient fall detection solutions.
Benzer Tezler
- Derinlik kamerası ile yaşlılarda düşme tespiti
Elderly fall detection with depth camera
MUZAFFER ASLAN
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MELİH CEVDET İNCE
- A real-time fall detection of elderly people in indoor environments
Kapalı ortamlarda bulunan yaşlılar için gerçek zamanlı düşme algılama sistemi
MUSTAFA HUSSEIN RAFEEQ RAFEEQ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektronik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN ÖZBAY
- Derin öğrenme ve tinyml ile gerçek zamanlı düşme tespiti
Real-time fall detection with deep learning and tinyml
ABDULLAH SÖKÜLMEZ
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiSelçuk ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OKAN UYAR
- Human fall detection using non-contact radar sensor
Radar sensörü ile temassız düşme algılama
KHADİJA HANİFİ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- İvme ve derinlik sensör verilerini kullanarak işbirlikçi hareket ve düşme tanıma için akıllı tekniklerin geliştirilmesi
Development of intelligent techniques for collaborative motion and fall recognition using acceleration and depth sensor data
BÜŞRAN AŞICI
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLHAN AYDIN