BİYOMEKANİK ANALİZ TABANLI İNSAN HAREKETİ TANIMA ALGORİTMALARININ GELİŞTİRİLMESİ

Abstract

Bilgisayarla görmede hareket algısının bir parçası olan insan hareketlerinin analizi ve tanınması son yıllarda stratejik öneme sahip bir konu haline gelmiştir. İnsan davranışlarının anlaşılması için geliştirilen tanıma sistemleri; suç tespiti, güvenlik sistemleri, sanal gerçeklik, bilgisayarlı görme, insan ve bilgisayar etkileşimi gibi uygulamalarda araştırma alanı olmuştur ve tanıma problemlerini çözmek için pek çok yöntem geliştirilmiştir. Gerçek video görüntülerinden elde edilen veriler ile insan hareketlerinin tanınmasına yönelik pek çok yöntem olmasına rağmen, insan hareketleri arasındaki bağıntılar ve ilişkiler yeterince araştırılmamıştır. Bu tez kapsamında, üç temel katkı sağlayan çalışmalar sunulmuştur. İlk olarak, koşma hareketinin modellenmesi ve simülasyonu için adaptif yöntem ile birlikte bulanık mantık tabanlı bir yöntem önerilmiştir. İki boyutlu modele uygulanan yöntemin performansı simülasyon sonuçları ile test edilmiştir. Sonraki çalışmalarda, oturma, kalkma, zıplama, yürüme gibi doğal insan hareketlerinin biyomekaniksel analizi yapılarak, bu analizleri kullanan bilgisayar görme tabanlı insan hareketi tanıma algoritmaları geliştirilmiştir. Belirli bir hızda görüntü yakalayabilen bir sensör ile hareketli eklem noktalarından 3B veriler elde edilmiştir ve bu veriler toplanarak hareketlerin tanınması için basit ve güvenilir bir biyomekaniksel model oluşturulmuştur. Son olarak anahtar eklem özellikleri kullanarak ve Temel Bileşenler Analizi (TBA) ile özellik çıkarımı yapılarak önerilen tanıma yöntemleri, gerçeğe yakın zamanlı performans ve hassasiyetin pratik gerekliliğinin yanı sıra insan vücudunun biyomekaniksel teori bilgisini kullanarak avantaj sağlamıştır. Deneysel sonuçlar göstermiştir ki, önerilen tanıma yaklaşımı literatürde var olan çoğu yöntem ve modelden daha iyi bir performans ve hesapsal etkinlik sağlamıştır. Önerilen yöntemlerin sonuçları çeşitli bilimsel yayınlarla tartışılmış ve desteklenmiştir.

Human motion analysis and recognition that is a part of motion perception in computer vision has become an issue of strategic importance in recent years. Recognition systems developed for understanding of human behavior has been numerous research fields including criminal identification, security systems, virtual reality, computer vision and human-computer interactions and several proposals have been made in order to solve the recognition problems. Although various methods have been proposed for recognition of human activities obtaining different data from realistic videos, the dependencies and relations among human motions have not been much investigated. In the context of this thesis, the studies providing three main contributions have been presented. Firstly, a simulation method based on fuzzy logic with a novel adaptive method has been proposed for modeling and simulation of running motion. Simulation results of the method, which is applied to two-dimensional human model, have been tested. Secondly, biomechanical analysis of natural human motions such as sitting, standing up, jumping, walking have been performed and computer vision-based human motion recognition algorithms using this analysis have been developed. 3D data have been extracted from points of the moving joints with a sensor camera that can capture images at a certain speed, and it is constructed a simple and robust biomechanical model to recognition of human motions with these collected data. Finally, performed recognition methods with key-joint features and Principle Component Analysis (PCA) gains advantage using biomechanical information theory of human body as well as the practical requirements of near-real-time performance and accuracy. Experiments validate that the proposed methods outperform most existing methods and the model is computationally efficient. The results of the proposed methods are discussed and supported by several scientific publications.