Derin öğrenme yöntemleri kullanılarak giyilebilir sensörlerden kişi tanıma

ŞAFAK KILIÇ

Derin öğrenme yöntemleri kullanılarak giyilebilir sensörlerden kişi tanıma

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: Türkçe

Öğrenci: ŞAFAK KILIÇ

Danışman: İMAN ASKERBEYLİ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Son yıllarda kişi tanıma problemi ile ilgili araştırmacılar tarafından yoğun çalışmalar yapılmaktadır. Araştırmacılar kişi tanıma işlemi için bilgisayar ile görü ve sinyal işleme sistemlerini sıklıkla kullanmaktadır. Yapılan çalışmalar detaylı incelendiğinde, sensör sinyallerinden elde edilen veriler kullanarak kişi tanıma işleminin gerçekleştirildiği ancak kişinin fiziksel hareketlerinden meydana gelen sinyallerden kişi tanıma işlemi yapılmadığı görülmüştür. Bu çalışmada giyilebilir sensörlerden elde edilen veriler yardımı ile kişi tanıma işlemi gerçekleştirilmiştir. KT işleminin en önemli aşaması elde edilen sinyallerden başarı oranı yüksek olabilecek öznitelikler çıkarmaktır. Bu çalışma kapsamında, 1D-LBP ve 1D-FbLBp yöntemleri kullanılıp öznitelikler çıkarılırmıştır. Çıkarılan öznitelikler makine öğrenmesi yöntemleri ile test edilmiştir. Çıkan sonuçlara göre, sensör sinyallerinden elde edilen veriler aracılığı ile KT işleminin başarılı olarak gerçekleştiği anlaşılmaktadır. Çalışmamızın temellini oluşturan kısım, sinyaller elde edildikten sonra ön işlemden geçirerek derin transfer öğrenme yöntemlerinin uygulanması olmuştur. VGG, ResNet, MobileNet, DenseNet gibi sıklıkla kullanılan derin transfer öğrenme yöntemleri problemimiz doğrultusunda yeniden tasarlanmıştır. Çalışmamız daha önce yapılan çalışmalar ile kıyaslandığında, derin transfer öğrenme yöntemlerinin KT işleminde etkili olduğu anlaşılmıştır. Çalışmamızda ek olarak, sensörlerden elde edilen veriler sayesinde, bireylerin sergilemiş olduğu fiziksel aktivitelerinden tespiti hem makine öğrenmesi hem de derin transfer öğrenme yöntemleri ile yapılmış ve başarılı sonuçlar elde edilmiştir. Sensörlerin kullanıldığı bölgeye ve sensör türlerine göre de, kişi tanıma ve hareketlerin tanıması işlemleri gerçekleştirilmiştir. Bu işlemler de elde edilen sonuçlar da daha önceden yapılan çalışmalar ile kıyaslandığında başarılı olduğu görülmüştür.