İnsan kinematik verilerinin kalman filtresi kullanarak iyileştirilmesi

İnsan hareketinin algılanması, tanınması ve saklanması; yapılan işin doğruluğunun ölçülmesi veya iyileştirilmesi için büyük öneme sahiptir. İnsanın hareketi esnasındaki davranışlarının incelenmesi için birtakım analizler yapılmaktadır. Bu süreçte ilk ve en önemli aşama hareketin sayısallaştırılma kısmıdır. Sayısallaştırma, hareketin bilgisayarın da anlayacağı şekilde rakamlarla ifade edilmesidir. Sayısal veri elde edilirken, verinin gerçek ölçümlere yakınlığı son derece önemlidir. Sensör teknolojilerinin gelişmesiyle, vücuda takılan algılayıcıların yanı sıra derinlik haritası çıkaran algılayıcılar, görüntü işleme yazılımlarıyla da desteklenerek insan hareketlerini 3B modellenebilmesine imkân sağlamaktadır. Birçok elektronik sistemde olduğu gibi hareket yakalama algılayıcılarında da ölçüm hataları gözlenebilmektedir. Bu hataların giderilmesi ve kabul edilebilir seviyeye indirilebilmesi için farklı filtreler ve algoritmalar geliştirilmesi gerekmektedir. Bazen de algılayıcılardan gelen veri akışı kısa süreliğine kesintiye uğrayabilmektedir. Bu durumlarda da tahmin algoritmaları kullanılması gerekmektedir. Kalman Filtresi (KF) önceki verilere göre sonraki veriyi tahmin edebilen güçlü bir algoritmadır. Bu çalışmada kişilerin gerçek vücut uzunlukları ölçülmüş, aynı uzunluklar insan hareket algılayıcısından elde edilen eklem koordinatlarına göre hesaplanmış ve gerçek vücut uzunlukları ile karşılaştırılmıştır. Bu iki değer için ortalama mutlak hata oranları hesaplanmış ve hata oranının yüksek olduğu gözlemlenmiştir. Elde edilen ölçüm hatalarını minimize edebilmek ve daha gerçekçi ölçümlere ulaşabilmek için, bu sisteme özel bir filtre tasarlanması gerekmektedir. Ölçüm hatalarını optimum hale getirebilmek için en yaygın kullanılan filtrelerden biri Kalman Filtresi'dir. KF, doğrusal sistemlerdeki hataları düzeltmelerde çok güçlü olmakla beraber, doğrusal olmayan sistemlere de genişletilmiş kalman filtresi (GKF) ile çözüm üretebilmektedir. Bu çalışmanın amacı insan hareket algılayıcısından gerçek zamanlı ölçülen veriler için kalman ve genişletilmiş kalman filtresi tasarlanarak, gerçek verilere çok daha yakın değerler üretilmesidir. İnsan hareketleri, doğrusal olmayan bir yapıya sahip olduğundan GKF uygulandığında ölçüm hatalarının kabul edilebilir seviyelere indiği gözlemlenmiştir. Performans değerlendirmesi için ortalama mutlak hataya bakıldığında; Kinect cihazı ile yapılan ölçümlerde %19,962 hata oranı, Kalman filtresi kullanılarak %14,002 hata oranı, genişletilmiş kalman filtresinde %7,693 olarak hesaplanmıştır. Bu sayede kişilerin gerçek ölçümleri alınmaksızın sadece bir algılayıcı ve geliştirilen yazılım aracılığıyla adaptasyonu kolay, zaman ve mali açıdan tasarruf sağlanan, gerçek zamanlı ve doğru ölçüm yapabilen insan hareket yakalama sistemi geliştirilmiştir.