İnsan hareketlerinin kinect sensör kullanılarak sınıflandırılması
Özet
Son yıllarda sağlık ve güvenlik gibi birçok alanda insan hareketlerini sınıflandırmaya
yönelik çalışmalar yapılmaktadır. Son yıllarda kullanım alanı daha çok gelişen görüntü
işleme ve sınıflandırma algoritmaları bu alanda da kullanılmaya başlanmıştır. Bu
sınıflandırma algoritmalarının öncül yöntemleri makine öğrenmesi ve derin öğrenmedir.
Bu çalışmada, Kinect sensör kullanılarak elde edilen veri seti üzerinde insan
hareketlerinin sınıflandırılması yapılmıştır. Kullanılan veri seti içerisinde gerçek zamanlı
insan duruş bilgilerinin ve görüntülerinin bulunduğu literatürde hazır halde bulunan CAD60
veri setidir. Bu veri setinde, farklı insanların farklı hareketlerini/duruşlarını içeren veriler
bulunmaktadır. Bu çalışma kapsamında, MATLAB uygulaması kullanılarak derin öğrenme
tabanlı ve makine öğrenme tabanlı yöntemlerle insan hareketlerini sınıflandırma yapılmıştır.
Ham veri seti üzerinde, geriye doğru öznitelik seçme (BFS) ile elde edilen verilerle ve Uzun
Kısa Süreli Bellek (Long Short Term Memory – LSTM) ile öznitelik çıkarma ile elde edilen
verilere makine öğrenmesi tabanlı metotlar uygulanarak sınıflandırma çalışmaları
yapılmıştır. Bunu yanı sıra LSTM, Evrişimsel Sinir Ağları (Convolutional Neural Network,
CNN) ile sıfırdan öğrenme (learn from scratch) ve öğrenme aktarımı (transfer learning)
yöntemi ile insan hareketleri sınıflandırılmıştır. Bu altı yöntemin sonunda elde edilen başarı
değerleri birbirleri ile kıyaslanmıştır ve maksimum başarı değeri LSTM ile öznitelik çıkarma
yönteminde elde edilmiştir.
In recent years, studies have been carried out to classify human movements in many
areas such as health and safety. Image processing and classification algorithms, which have
been used more in recent years, have started to be used in this field as well. The predecessor
methods of these classification algorithms are machine learning and deep learning.
In this study, the classification of human movements was made on the data set obtained
using the Kinect sensor. It is the CAD60 dataset, which is available in the literature, which
contains real-time human posture information and images in the data set used. In this dataset,
there are data containing different movements/stances of different people. Within the scope
of this study, human movements were classified using deep learning-based and machine
learning-based methods using MATLAB application. Classification studies were carried out
by applying machine learning-based methods to the data obtained by backward feature
selection (BFS) and feature extraction with Long Short Term Memory (LSTM) on the raw
data set. In addition, human movements are classified with LSTM, Convolutional Neural
Networks (CNN), learn from scratch and transfer learning method. The success values
obtained at the end of these six methods were compared with each other and the maximum
success value was obtained in the feature extraction method with LSTM.