İnsan Hareketlerinin Tanınması için Parçacık Sürü Optimizasyonu Tabanlı Topluluk Sınıflandırıcı Yöntemi

Abstract

İnsan hareket tespiti, teknolojinin gelişmesi ile birçok çalışmanın odak noktasıdır. Hareket tespiti çalışmalarını akıllı evler,sağlık sistemleri, izleme ve güvenlik sistemleri, oyun sektörü ve spor gibi alanlarda görebilmekteyiz. Bu çalışmamızda çoğuinsanın günlük olarak sıkça yaptıkları yürüme, merdivenden çıkma, merdivenden inme, oturma, ayakta durma ve uzanmaaktivitelerini tespit etmek için ivme sensörü verileri kullanılmıştır ve verilerden özellik çıkarımları yapılmıştır. Ortalama alma,karelerin ortalaması, oto korelasyon, frekans spektrumunda tepe değerlerinin ve pozisyonlarının hesaplanması gibi özelliklerivme verilerinin her ekseni için çıkarılmıştır. Birçok çalışmada ivme verileri ile çıkarılan özellikler bir sınıflandırma algoritmasıile test edilir. Hareket tespiti için büyük veri kümeleri üzerinde tek bir sınıflandırıcı ile yüksek başarımın elde edilmesi çoğuzaman zordur. Uygulama zaman aralığı değiştiğinde tek bir öğrenme algoritması kullanmak kabul edilebilir bir performanssunmayabilir. Herhangi bir sınıflandırıcı, bir “m” zaman aralığında iyi sonuç verirken farklı bir zaman aralığında iyi sonuçvermeyebilir. Bu sebeple birden fazla sınıflandırıcının uygun şekilde birleştirilmesi ile daha yüksek başarımlar elde edilebilir.Topluluk sınıflandırıcıda, birkaç sınıflandırıcı birlikte son çıkışı oluşturur. Bu yüzden bu çalışmada topluluk seçim yöntemiönerilmiştir ve yöntemde parçacık sürü optimizasyonu tabanlı bir topluluk kullanılmaktadır. Çalışmamızda, sınıflandırıcılar biraraya getirilmekte ve sınıflandırma performansını en fazla arttıran en iyi sınıflandırıcı grup otomatik olarak seçilmektedir.Parçacık sürü optimizasyonu ile sınıflandırıcı kombinasyonu yapıldığında başarımın %98’in üzerinde olduğu kanıtlanmıştır.