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: Mühendislik Bilimleri, Elektrik ve Elektronik Mühendisliği, Engineering Sciences, Electrical and Electronics Engineering
- 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: Belirtilmemiş.
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
- A surveillance algorithm for fall detection and initiation of an e-mail
Düşme tespiti ve e-posta gönderilmesi için bir gözetim algoritması
ELİFCAN YAŞA
Yüksek Lisans
İngilizce
2015
Endüstri ve Endüstri MühendisliğiYeditepe ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
PROF. DR. SIDIKA MELEK BAŞAK
- Yaşlıların düşme tespiti ve bilgilendirme sistemi tasarımı
Fall detection and notification system design for elderly people
FİKRİ ELMAS
Yüksek Lisans
Türkçe
2017
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. SERKAN TÜRKELİ
- Evrişimli sinir ağı tabanlı düşme tespiti
Convolutional neural network based fall detection
CELAL ŞENIRMAK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiMilli Savunma ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSA MİLLİ
- 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
- Derin öğrenme ve tinyml ile gerçek zamanlı düşme tespiti
Real-time fall detection with deep learning and tinyml
ABDULLAH SÖKÜLMEZ
Yüksek Lisans
Türkçe
2024
Halk SağlığıSelçuk ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OKAN UYAR