İnsan Hareketlerinin Tanınması için Parçacık Sürü Optimizasyonu Tabanlı Topluluk Sınıflandırıcı Yöntemi

İnsan hareket tespiti, teknolojinin gelişmesi ile birçok çalışmanın odak noktasıdır. Hareket tespiti çalışmalarını akıllı evler, sağlık sistemleri, izleme ve güvenlik sistemleri, oyun sektörü ve spor gibi alanlarda görebilmekteyiz. Bu çalışmamızda çoğu insanın günlük olarak sıkça yaptıkları yürüme, merdivenden çıkma, merdivenden inme, oturma, ayakta durma ve uzanma aktivitelerini tespit etmek için ivme sensörü verileri kullanılmıştır ve verilerden özellik çıkarımları yapılmıştır. Ortalama alma, karelerin ortalaması, oto korelasyon, frekans spektrumunda tepe değerlerinin ve pozisyonlarının hesaplanması gibi özellikler ivme verilerinin her ekseni için çıkarılmıştır. Birçok çalışmada ivme verileri ile çıkarılan özellikler bir sınıflandırma algoritması ile test edilir. Hareket tespiti için büyük veri kümeleri üzerinde tek bir sınıflandırıcı ile yüksek başarımın elde edilmesi çoğu zaman zordur. Uygulama zaman aralığı değiştiğinde tek bir öğrenme algoritması kullanmak kabul edilebilir bir performans sunmayabilir. Herhangi bir sınıflandırıcı, bir “m” zaman aralığında iyi sonuç verirken farklı bir zaman aralığında iyi sonuç vermeyebilir. Bu sebeple birden fazla sınıflandırıcının uygun şekilde birleştirilmesi ile daha yüksek başarımlar elde edilebilir. Topluluk sınıflandırıcıda, birkaç sınıflandırıcı birlikte son çıkışı oluşturur. Bu yüzden bu çalışmada topluluk seçim yöntemi önerilmiştir ve yöntemde parçacık sürü optimizasyonu tabanlı bir topluluk kullanılmaktadır. Çalışmamızda, sınıflandırıcılar bir araya getirilmekte ve sınıflandırma performansını en fazla arttıran en iyi sınıflandırıcı grup otomatik olarak seçilmektedir. Parçacık sürü optimizasyonu ile sınıflandırıcı kombinasyonu yapıldığında başarımın %98’in üzerinde olduğu kanıtlanmıştır.