Recognition and classification of human activities using wearable sensors

Farklı türde giyilebilir algılayıcılar kullanarak insan aktivitelerinin sezimi ve sınıflandırılması ele alınmaktadır. Tezin ilk bölümünde, etiket tabanlı, radyo frekansına dayalı bir konumlama sistemi ile insan aktivitesi tanımada çeşitli yöntemlerin kullanımı karşılaştırmalı olarak sunulmuştur. İnsan bedeninin farklı bölgelerine yerleştirilen etiketlerin konumları, eşzamansız ve farklı aralıklarla örneklenmiş olarak elde edilmektedir. Bu verilere uyarlanan eğriler, düzgün örneklenmiş ve bölütlenmiştir. İlgili sistem parametrelerinin sistem başarımına etkisi incelenmiştir. Çeşitli eğri uyarlama, bölütleme ve sınıflandırma yöntemleri karşılaştırılmış ve en iyi başarımı veren katışım sunulmuştur. Sınıflandırıcılar, iki farklı bağımsız geçerlilik sınaması yöntemiyle değerlendirilmiştir. 11 sınıftan oluşan sınıflandırma probleminde, sırasıyla P-bölmeli ve birini dışarıda bırak bağımsız geçerlilik sınamaları kullanıldığında ortalama sınıflandırma hataları %8.67 ve %21.30 olarak elde edilmiştir. Geçiş sınıfları dışarıda bırakılarak elde edilen beş sınıflı sınıflandırma probleminde ise, bu hatalar %1.12 ve %6.52'ye düşmektedir. Etiket-tabanlı konumlama sistemlerinin çok hassas konum ölçümleri sağlamamasına karşın sonuçlar, sistemin kabul edilebilir bir sınıflandırma başarımı sunduğunu göstermektedir.İkinci bölümde, insan bedeninin beş noktasına yerleştirilmiş, her biri üç eksenli ivmeölçer, dönüölçer ve manyetometre içeren beş duyucu ünitesinden 19 farklı günlük aktivite sırasında elde edilen veriler, katılımcılar arası ve aktiviteler arası farklılıkları çeşitli yöntemlerle hesaplamak için kullanılmıştır. İşaretlerin karşılaştırılması için mutlak, Öklit ve dinamik zaman bükmesi (DZB) uzaklıkları kullanılmıştır. Karşılaştırmalar, zaman bölgesindeki veri ve öznitelik vektörleri kullanılarak yapılmıştır. Farklı düzgeleme yöntemleri kullanılmış ve karşılaştırılmıştır. "En iyi" katılımcı, diğer katılımcılara olan ortalama uzaklığa dayalı olarak tanımlanmış ve saptanmıştır. Bu kısımda önerilen benzerlik ölçütlerinden biri seçilerek, eylemsizlik duyucuları ve manyetometreler kullanılarak fizik tedavi egzersizlerini sezen ve değerlendiren özerk bir sistem geliştirilmiştir. DZB yöntemine dayanarak belirli ölçüde bozuluma izin vererek, uzun bir işaretin (fizik tedavi seansı) içinde bir ya da birden fazla şablon işaretin (fizik tedavi hareketkeri) bütün olagelişlerini sezen bir algoritma öne sürülmüştür. Bu algoritma, yürütümleri egzersiz hareketlerinden birisi olarak sınıflandırmakta, doğru/yanlış olarak değerlendirmekte ve eğer varsa yapılan hatanın türünü belirtmektedir. Algoritmanın fizik tedavideki başarımını belirlemek için, beş katılımcı tarafından yürütülen sekiz egzersiz hareketinin üç farklı yapılış biçiminin her biri için bir şablon ve on test yürütümünden oluşan ve böylece eğitim ve test veri kümelerinde sırasıyla 120 ve 1,200 egzersiz yürütümü ile test işaretlerinde birçok boş zaman aralığı içeren bir veri kümesi kaydedilmiştir. Öne sürülen algoritma, bütün test kümesinde 1,125 yürütüm sezmiştir. Yürütümlerin %8.58'i sezilememiş, boş aralıkların %4.91'i yanlışlıkla yürütüm olarak sezilmiştir. Başarım, egzersiz ayırt etmede %93.46, hem egzersiz hem de yapılış şekli ayırt etmede %88.65'tir. Geliştirilen sistem, hem fizik tedavi seansının yoğunluğunu kestirmek için, hem de egzersiz yürütümlerini değerlendirerek hastaya ve uzmana geribildirim vermek için kullanılabilir.