A comparative study on human activity classification with miniature inertial and magnetic sensors

Bu çalışmada insan vücuduna takılan minyatür eylemsizlik duyucuları vemanyetometreler kullanılarak çeşitli aktiviteler örüntü tanıma yöntemleriyleayırdedilmiş ve karşılaştırmalı bir çalışmanın sonuçları sunulmuştur. Ayırdetmeişlemi için basit Bayesçi (BB) yöntem, yapay sinir ağları (YSA), benzeşmezliktabanlısınıflandırıcı (BTS), çeşitli karar ağacı (KA) yöntemleri, Gauss karışımmodeli (GKM) ve destek vektör makinaları (DVM) kullanılmıştır. Kullanılanyöntemlerin algoritmaları, açık kaynak Java tabanlı bir uygulama olan Waikatoenvironment for knowledge analysis (WEKA) ile MATLAB araç kutusu olanpattern recognition toolbox (PRTools) yazılımlarından sağlanmıştır. Aktivitelergövdeye, kollara ve bacaklara takılan beş duyucu ünitesinden gelen verilerinişlenmesiyle ayırdedilmiştir. Her ünite, her biri üç-eksenli olmak üzere birerivmeölçer, dönüölçer ve manyetometre içermektedir. Sınıflandırma için hamduyucu verisinden asal bileşenler analizi ile elde edilen öznitelikler kullanılmıştır.Sınıflandırıcılar üç farklı çapraz sağlama yöntemi ile sınanmıştır. Sınıflandırmayöntemlerinin başarımları, başarı oranları, hata matrisleri ve işlem yüklerine görekarşılaştırılmıştır. C¸ alışmanın sonuçclarına göre, en iyi ilk üçc baçsarı oranı sırasıylaYSA (%99.2), DVM (%99.2) ve GKM (%99.1) yöntemleri ile elde edilmiçstir.Ayırdetme içsleminde kullanılabilecek en iyi duyucu tipinin manyetometre, enbaçsarısızının ise dönüölçcer olduğu ortaya çcıkmıçstır. Duyucu ünitelerinin vücutüzerindeki yerleri karçsılaçstırıldığında ise, bacaklara takılan ünitelerin en değerlibilgileri sağladığı görülmüçstür.Anahtar Kelimeler: eylemsizlik duyucuları, dönüölçcer, ivmeölçcer, manyetometre,insan aktivitelerinin tanınması ve ayırdedilmesi, öznitelik çcıkarma, çcaprazsağlama, Bayesçci karar verme, yapay sinir ağları, destek vektör makinaları,karar ağaçcları, benzeçsmezlik-tabanlı sınıflandırıcı, Gauss karıçsım modeli, WEKA,PRTools.