İnsan aktivite tanıması için yeni bir veri kümesi ve derin öğrenme modelleri ile sınıflandırılması

Authors : Yasin Vurgun, Mustafa Servet Kıran

Pages : 653-672

Doi:10.17341/gazimmfd.1325926

View : 141 | Download : 73

Publication Date : 2024-08-16

Article Type : Research Paper

Abstract :Mobil sensörler ile insan aktivite tanıma, giyilebilir ve mobil sensörlerin artması nedeniyle son yıllarda ilgi çekici bir araştırma alanı haline gelmiştir. Müslüman hayatında Namaz, müminlerin günde beş vakit kılmak zorunda oldukları bir aktivitedir. Bu çalışmada insan aktivitesi tanımada kullanılmak üzere namaz kılmayı da içeren yeni bir veri kümesi sunulmaktadır. HAR-P (Human Activity Recognition for Praying) adını verdiğimiz veri setinde yürüme, koşma, yazı yazma, merdiven inme, merdiven çıkma, oturma, ayakta durma ve namaz kılma gibi 8 aktivite için doğrusal hızlanma, ivme, manyetik alan ve jiroskop sensör verileri yer almaktadır. HAR-P veri seti için akıllı saat ile 15-60 yaş arası 50 erkek gönüllüden veri toplanmıştır. HAR-P veri kümesinde LSTM, ConvLSTM ve CNN-LSTM modellerinin sınıflandırma başarısı karşılaştırılmıştır. Ortalama en yüksek başarı oranı olan %91’e doğrusal hızlanma sensörü ile LSTM yöntemi ve ivme sensörü ile ConvLSTM modelinde ulaşılırken, en düşük ortalama başarı oranı olan %83,6’a jiroskop sensörü ve ConvLSTM yöntemi ile ulaşılmıştır.
Keywords : insan aktivite tanıma, lstm, cnn lstm, convlstm, akıllı saat sensör verisi