Human action recognition in ambient assisted living usingcontinuous inertial data

İleri yaş veya fiziksel engel sebebiyle hayatı zorlaşan bireylerin ihtiyaçlarını gidermekle görevli ortamsal bakım sistemlerinin vereceği uygun tepkinin belirlenmesinde aktivite tanıma ünitelerinin (ATÜ) önemli bir yeri vardır. ATÜ'nün günlük yaşam akışıyla bütünleşebilmesi için, yalnız aktivitelerin tanınması yetmemekte, aktivite tanıma probleminin yanında dikkate alınması gereken kısıtlar bulunmaktadır. Bu kısıtlar, tahmin fazı sürmekteyken kesintisiz akış halinde olan aktivite verisinin dinamik bölümlenmesini gerektirir. Bu sebeple, yalnız aktivitenin türünün algılanmasının yeterli olacağı durumlardan farklı olarak, aktivitenin hem türünün hem de kesintisiz veri akışı içinde hangi bölümde bulunduğunun algılanması (spotting) ihtiyacı doğmuştur. Bu tezde, günlük yaşam koşulları altında kullanılacak akıllı sağlık uygulamalarının gerektireceği bir kısıt grubunun göz önünde bulundurulduğu ve giyilebilir sensör teknolojisi ile birleştirilmiş bir spotting yöntemi sunulmaktadır. Bu tez, önerilen spotting tekniğinin önceki çalışmalarda değinilmemiş çeşitli kısıtları gözetmesi bakımından, yaygın olarak kullanılan bölümleme yaklaşımlarını iyileştirmeye katkıda bulunmaktadır. Pencere boyutu önceden belirlenmeksizin, art arda gelen aktiviteler ve bu aktiviteler arasındaki geçişlerden oluşmuş sinyal içinden hedef aktivitenin türünün ve ait olduğu bölümün belirlenmesi zorlu bir işlemdir. Kesintisiz şekilde akan veriyi bölümlendirmede karakteristik yaklaşım olan kayan pencere yöntemi, aktivitelerin türü ve süresi göz önünde bulundurularak seçilen en uygun bölüt büyüklüğünün bilinmesiyle çalışmaktadır. Böyle olmakla beraber, aktivite türü ve süresi, uygulama açısından bakıldığında genellikle algılama ünitesinde tanımlı değildir. Bu tezde, tahmin fazından önce karşılaşılmamış aktiviteler ve bu aktiviteler arasındaki geçişlerden oluşmuş bir dizi içinden hedef aktivitenin türü ve ait olduğu bölütün belirlendiği Öntanımsız Boyutlu Pencereleme (ÖBP) yöntemini önermekteyiz. ÖBP, özniteliklerin zaman kümesindeki ilerleyişinin polinomlar cinsinden ifadesiyle, bu ilerlemenin çok katmanlı eğitim ve tahmin aşamalarıyla sınıflandırılması üzerine kurulmuştur. Böylelikle, ÖBP yöntemi aktivitelerin türü ve süresi ile ilgili bilgiler dahil edilmeksizin işlemektedir. ÖBP'yi, verinin bileğe giyilen tek bir 3B ivme sensörü ile toplandığı bir kullanım örneği üzerinde gerçekledik. ÖBP'yi, değişen pencere boyutları ile öznitelik çıkarma (ÖÇ) yöntemleri (pencereli enerji, tepe frekansı, Shannon entropi ve dalgacık entropi) ile gerçeklenmiş sabit boyutlu pencereleme ile karşılaştırdık. Ayrıca, yapay veri üretimi (YVÜ) yaklaşımının, hastaların günlük yaşam ortamlarında dirsek bükme ve uzatma egzersiz programına uyumunun izlenmesine katkısını inceledik. Bazı kullanım örneklerinde, tahmin aşamasından önce sadece hedef aktiviteye ait verinin toplanabilmesi mümkündür. Bu sebeple, tahmin aşamasında daha önce karşılaşılmamış sınıfların da bulunduğu durumda bir aktivitenin algılanması, çok sınıflı sınıflandırma yöntemlerinin yetersiz kaldığı bir problemdir. Tek-sınıf sınıflandırma (TSS) yaklaşımı, bu tür kullanım örneklerini ele almak için uygun bir yöntemdir. Bir TSS yöntemi tasarlamada, sınıflandırıcının mimarisini uyarlamanın bir alternatifi olarak YVÜ yaklaşımı, kullanışlı bir yöntem olarak ortaya çıkmaktadır. Bu tezde YVÜ çözümü, eğitim verisinin sadece hedef sınıf için toplanması, diğer tüm sınıfları temsil eden verinin ise hedef aktivitenin verisinden yapay olarak üretilmesiyle, bileğe giyilen tek bir ivme sensörü kullanılarak uygulandı. YVÜ yöntemini dört farklı sınıflandırıcı (K-En Yakın Komşu, Destek Vektör Makinaları, lojistik regresyon ve Naive Bayes) ile birleştirerek analiz ettik. Son olarak, aktivite süresi, aktivite kümesinin büyüklüğü ve başarı yüzdesi arasındaki ilişkiyi ölçmek üzere, bölümleme algoritmalarının (BA) bileşenlerini seçme yöntemi geliştirdik. BA'nın gerçek zamanlı işlemesi durumu, belirli bir aktivite ya da bölüte karşılık gelen verinin tamamına erişilene kadar aktivite verisinin sadece bir kısmına erişilebiliyor olmasına sebep olarak verinin bütünlüğünün sağlanamaması problemini (VB) ortaya çıkarır. Bu sebepten, bir BA'nın VB'ye karşı dayanıklı olması gerekmektedir. Aktivitenin süresi, aktivite kümesinin büyüklüğü ve başarı yüzdesi arasındaki ilişkinin ölçüsü, VB durumuna karşı dayanıklık derecesinin bir göstergesidir. VB'ye karşı dayanıklığı ölçmek için Sınıf İçi Korelasyon temelli bir ölçü geliştirdik. ÖÇ yöntemleri olarak tepe frekansı ve dalgacık entropi ile K-En Yakın Komşu sınıflandırıcısının birleşiminin tekrarlı uygulanmasıyla, ivme verisinde VB'ye karşı dayanıklılığını çeşitli el odaklı aktivitelerde gösterdik.