Classification of human motion using radar micro-doppler signatures with hidden markov models
İnsan hareketlerinin radar mikro-doppler imzaları ve gizli markov modelleri ile sınıflandırılması
- Tez No: 442008
- Danışmanlar: PROF. DR. ÇAĞATAY CANDAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hareket halindeki insanların tespiti kara gözetleme radarlarının en önemli görevlerinden biridir. Bununla birlikte, tespit edilen insanın yaptığı hareketin çeşidi ile ilgili bilgi üretebilme yeteneği de yine kara gözetleme radarları için önemli bir özelliktir. Hareket çeşidi bilgisi ile radar operatörlerine şüpheli insan hareketlerinin gözlenebilmesi imkanı tanınabilmektedir. Literatürdeki çalışmalar insan hareketlerinin sınıflandırılması konusunda çıkarılması gerekli öznitelikler için micro-Doppler imzaların kullanılabildiğini göstermektedir. Bu çalışmalarda, insan hareketlerinin ayrıştırılabilmesi için gerekli özniteliklerin analiz edilmesinde, genellikle micro-Doppler sinyallerin spektrogramı kullanılmaktadır. Ancak, bir çok öznitelik çıkarım çalışmalarında görüntü işleme teknikleriyle micro-Doppler sinyallerin spektrogramları incelenmektedir. Bu çalışmada, sinyal üzerindeki en önemli varyasyonların kapsanması ve çalışma boyutunun düşürülmesi için öznitelik çıkarım metodu olarak ana unsur analizi (PCA) kullanılmaktadır, Ayrıca, insan hareketlerinin sınıflandırılması için sinyallerin anlık ve zamanla değişken özniteliklerini istatistiksel olarak modelleyen gizli Markov modelleri önerilmektedir. Çalışma boyunca yapılan deneyler göstermiştir ki, eğitim ve test veri serilerinin aynı insanların farklı kayıtlarından oluştuğu durumlarda insan hareketleri çok yüksek doğrulukla sınıflandırılabilmektedir. Bu çalışma kapsamında ayrıştırılan hareket çeşitleri, koşma, yürüme, emekleme ve sürünmedir. Buna ek olarak, eğitim ve test veri serilerinin farklı insanların farklı kayıtlarından oluştuğu durumlarda ise insan hareketleri % 90 başarı oranı ile sınıflandırılabildiği görülmüştür.
Özet (Çeviri)
The detection and classification of a moving person is one of the important missions of a ground surveillance radar. Classification information gives the opportunity of announcing a warning message on the suspicious activity of detected person. The studies show that radar micro-Doppler signatures can be used to obtain the needed features to make the classification of different types of human motions. In general, spectrograms of micro-Doppler signals obtained from human in motion are used to analyze the necessary features to understand the type of the motion. However, most of the feature extraction methods are based on some image processing techniques on the spectrogram of the micro-Doppler signal that is the spectrogram is interpreted as an image. In this study, principal component analysis (PCA) is proposed to be used as a data-driven feature extraction method in order to capture time-varying information of the signal with a reduced dimension. Moreover, hidden Markov models are used in classification to statistically track the time varying features of the micro-Doppler return signal. The experiments conducted during the study reveal that it is possible to make the classification of four different types of motions, namely walking, running, creeping and crawling, with a very high accuracy when training and test data sets are formed by different recordings of the same people. In addition, 90% accuracy is obtained when training and test data sets are formed by different recordings of different people.
Benzer Tezler
- The application of micro doppler features in target classification
Mikro doppler özelliklerin hedef sınıflandırmasındaki uygulaması
ÖZGE TOPUZ ALEMDAROĞLU
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇAĞATAY CANDAN
PROF. DR. SEYİT SENCER KOÇ
- Benek gürültüsü gidermeye dayalı veri artırma ile derin ağlarda radar hedef sınıflandırma
Despeckling based data augmentation approach in deep learning based radar target classification
ŞAKİR HÜDAİ MERT CEYLAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Human fall detection using non-contact radar sensor
Radar sensörü ile temassız düşme algılama
KHADİJA HANİFİ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- A detailed analysis of human activity recognition using smartphone motion sensors
Akıllı telefon hareket sensörlerini kullanarak ayrıntılı insan aktivitesi analizi
BERRENUR SAYLAM
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZLEM DURMAZ İNCEL
- İnsan etkileşimlerinin dizilimlerin histogramları ile tanınması
Recognition of human interactions using histogram of sequences
AYTAÇ ÇAVENT
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZLI İKİZLER CİNBİŞ