KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2017 / Cilt: 32 - Sayı: 4

Eklem tabanlı etkili düşme tespiti

Muzaffer ASLAN
Yaman AKBULUT
Abdulkadir ŞENGÜR
Melih Cevdet İNCE
Sayfa
1025–1034
Yayın Tarihi
2017-12-08
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Yapılan deneysel çalışmalarda %97,08 doğrulukta düşme tespiti yapılmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Düşme yaşlılar için ölüm ve yaralanmalarda en önemli nedenlerden biridir.
📊
Temel Bulgular & Veri:Bu çalışmada, düşme tespiti için iskelet eklem verilerine dayalı yeni bir yöntem önerilmiştir. 21 deneğin katılımı ile oluşturulan FUKinect-Fall veri setindeki üç boyutlu (3b) iskelet verileri önce iki adet (xy ve zy) iki boyut (2b) eklem verilerine indirgenmiştir.
💡
Sonuç & Katkı:Yapılan deneysel çalışmalarda %97,08 doğrulukta düşme tespiti yapılmıştır.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Düşme tespiti · kinect · iskelet verisi

Özet

Düşme yaşlılar için ölüm ve yaralanmalarda en önemli nedenlerden biridir. Gerçek zamanlı düşme tespiti yaşlıların güvenliği için büyük önem taşımaktadır. Bu çalışmada, düşme tespiti için iskelet eklem verilerine dayalı yeni bir yöntem önerilmiştir. 21 deneğin katılımı ile oluşturulan FUKinect-Fall veri setindeki üç boyutlu (3b) iskelet verileri önce iki adet (xy ve zy) iki boyut (2b) eklem verilerine indirgenmiştir. Daha sonra seçilen referans ekleme göre iç içe geçmiş daireler üzerine kodlanmış bölgeler oluşturularak her bir eksende kalan 19 eklemin bir eylem süresince bulunduğu bölge ortalamalarını içeren özellik matrisi çıkartılmıştır. Bu özellik matrisi k-En Yakın Komşu (k-EYK) ve Destek Vektör Makinası (DVM) ile sınıflandırılmıştır. Yapılan deneysel çalışmalarda %97,08 doğrulukta düşme tespiti yapılmıştır.

🔖

Bu Makaleye Atıf Yap

ASLAN, M., AKBULUT, Y., ŞENGÜR, A., İNCE, M. C. (2017). Eklem tabanlı etkili düşme tespiti. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 32 - Sayı: 4, 1025–1034. https://ajindex.com/articles/20154

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. United Nations World Population Ageing 2013. Department of Economic and Social Affairs Population Division.http://www.un.org/en/development/desa/population/publications/pdf/ageing/WorldPopulationAgeing2013pdf. Yayın tarihi 2013. Erişim tarihi Ocak 5, 2015
  2. Nüfus Projeksiyonları 2013-2075. http://www.tuik.gov.tr/PreHaberBultenleri.do?id=15844. Yayın tarihi Şubat 14, 2013. Erişim tarihi Ocak 10, 2015
  3. Fletcher P.C., Hirdes J.P., Risk factors for falling among community-based seniors using home care services, The Journals of Gerontology Series A: Biological Sciences and Medical Sciences, 57 (8), 504-510, 2002
  4. Tinetti M.E., Speechley M., Ginter S.F., Risk factors for falls among elderly persons living in the community, New England journal of medicine, 319 (26), 1701-1707, 1998
  5. Jensen J., Lundin-Olsson L., Nyberg L., Gustafson Y., Falls among frail older people in residential care, Scandinavian Journal of Public Health, 30 (1), 54-61, 2002
  6. Stevens J.A., Rudd R.A., Circumstances and contributing causes of fall deaths among persons aged 65 and older, Journal of the American Geriatrics Society, 62 (3), 470-475, 2014
  7. Wang R.D., Zhang Y.L., Dong L.P., Lu J.W., Zhang Z.Q., He X., Fall detection algorithm for the elderly based on human characteristic matrix and SVM, In Control Automation and Systems (ICCAS), 15th International Conference, Busan-Korea, 1190-1195, 13-16 October, 2015
  8. Popoola O.P., Wang K, Video-based abnormal human behavior recognition-A review, IEEE Transactions on Systems Man and Cybernetics Part C Applications and Reviews, 42 (6), 865-878, 2012
  9. Yu H., Zheng X., Zhang L., Cao Y., Elderly fall monitoring and remote assistance system, Jisuanji Gongcheng yu Yingyong (Computer Engineering and Applications), 47 (35), 245-248, 2011
  10. Alwan M., Rajendran P.J., Kell S., Mack D., Dalal S., Wolfe M., Felder R., A smart and passive floor-vibration based fall detector for elderly, In Information and Communication Technologies, Damascus-Syria, 1003-1007, 24-26 April, 2006
  11. Rougier C., Meunier J., St-Arnaud A., Rousseau J., Robust video surveillance for fall detection based on human shape deformation, IEEE Transactions on Circuits and Systems for Video Technology, 21 (5), 611-622, 2011
  12. Stone E.E., Skubic M., Fall detection in homes of older adults using the microsoft kinect, IEEE Journal of Biomedical and Health Informatics, 19 (1), 290-301, 2015
  13. Feng W., Liu R., Zhu M., Fall detection for elderly person care in a v