Denetimsiz Anomali Tespiti Yaklaşımı ile Düşme Algılama

Yaşlı nüfusunun hızla artması ve yaşlılığa bağlı olarak karşılaşılan fiziksel, duyusal ve bilişsel gerilemeler, düşmeyi her geçen gün büyüyen bir problem olarak karşımıza çıkarmakta ve düşme tespiti çalışmalarının hız kazanmasına sebep olmaktadır. Günlük aktivitelerin düşmeden ayırt edilmesinden ibaret olan düşme tespiti probleminde, denetimli öğrenme yaklaşımları kullanılmasına rağmen, düşmenin nadir rastlanan ve çok farklı biçimlerde karşılaşılabilen bir olay olması genel bir model elde edilmesine izin vermemektedir. Bu çalışmada denetimsiz anomali tespiti ile düşmenin belirlenmesi önerilmektedir. Denetimsiz öğrenme modelinin elde edilmesinde ve model vasıtasıyla düşmenin tespitinde 35 tip düşme ve 44 tip günlük aktiviteye sahip kapsamlı bir veri setinden faydalanılmıştır. Denetimsiz öğrenme yöntemi olan Gauss karışım modelinin eğitiminde, günlük aktivitelerden toplanan 3-eksen ivmeölçer sinyallerinden elde edilen öznitelikler kullanılmıştır. Test aşamasında model, düşme ve günlük aktivite verileri ile karşılaşmış, modele göre olasılığı çok düşük olan veriler anomali, dolayısıyla düşme olarak kabul edilmiştir. Testlerde düşmeler %90,5 civarında doğru olarak tespit edilmiştir. Sonuçlar düşmenin anomali tespiti yaklaşımları ile belirlenebileceğini ve makine öğrenmesi modelinin elde edilmesi için yalnız günlük aktivite verilerinin yeterli olduğu yaklaşımını doğrulamaktadır.