Browsing by Author "Vurgun, Yasin"

Now showing 1 - 2 of 2

Akıllı Saat Sensör Verileriyle Namaz Kılma Durumunun Derin Öğrenme Yöntemleri Kullanılarak Tespit Edilmesi
(Konya Teknik Üniversitesi, 2024) Vurgun, Yasin; Kıran, Mustafa Servet
İnsan hareketi sınıflandırması, insanların yaptığı çeşitli hareketleri belirli kategorilere ayırma işlemidir. Son yıllarda mobil sensörlerin yaygınlaşmasıyla birlikte bu alan önemli bir araştırma konusu haline gelmiştir. Sağlık ve rehabilitasyon süreçlerinde hastaların hareketlerini takip etmek, sporcuların performanslarını analiz etmek, güvenlik sistemlerinde anormal davranışları tespit etmek, oyun ve sanal gerçeklik uygulamalarında etkileşimi artırmak, temassız cihaz kontrollerinde kullanıcı hareketlerini algılamak ve yaşlılar ile engelli bireylerin günlük aktivitelerini izleyerek güvenliklerini sağlamak gibi çeşitli alanlarda önemli rol oynamaktadır. Bu tez çalışmasında, insan hareketi sınıflandırması için oturma, ayakta durma, yürüme, koşma, merdiven inme, merdiven çıkma, klavye ile yazı yazma ve namaz kılma gibi sekiz farklı günlük aktivite türü için elli farklı erkek bireyden akıllı saatlerle veri toplanarak yeni bir veri seti oluşturulmuştur. "HAR-P" ismini verdiğimiz bu veri seti, ivme sensörü, jiroskop sensörü, doğrusal hızlanma sensörü ve manyetik alan sensörü olmak üzere dört sensör çeşidi verisinden oluşmaktadır. Öncelikle, bu dört sensör çeşidi için LSTM, ConvLSTM ve CNN-LSTM modelleri kullanılarak sınıflandırma çalışması yapılmış ve kullanılan modellerin başarıları karşılaştırılmıştır. Daha sonra, hangi sensör veya sensör grubunun insan hareketi sınıflandırılmasında daha etkili olduğunu tespit etmek amacıyla sensör verileri hizalanmış ve frekans eşitleme işlemi gerçekleştirilmiştir. Çalışmamızın asıl amacı, günlük aktiviteler içinden namaz kılmayı tespit etmektir. Bu amaçla, sekiz sınıflı yapıdaki veri seti "namaz" ve "namaz olmayan" şeklinde iki sınıflı yapıya dönüştürülmüştür. Ardından, dört sensör çeşidinin, sensör birlikteliklerine göre oluşan on beş farklı kombinasyonu ile yine aynı üç model kullanılarak testler gerçekleştirilmiştir. %96,4'lük doğruluk değeri, CNN-LSTM modeli ve üç sensörün birlikteliği ile elde edilmiştir.
Citation - WoS: 1
Citation - Scopus: 1
İnsan Aktivite Tanıması için Yeni Bir Veri Kümesi ve Derin Öğrenme Modelleri ile Sınıflandırılması
(Gazi Universitesi, 2025) Kıran, Mustafa Servet; Vurgun, Yasin
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.