Akıllı telefonlar üzerinde gerçek zamanlı eylem tanıma

Abstract

Aktif bir bilişim araştırma konusu olan eylem tanıma, hayat kalitesi ve e-sağlık gibi uygulama alanlarında günümüzde artarak kullanılmaktadır. Literatürdeki çalışmalar, çeşitli algılayıcı tipleri kullanarak değişik insan aktivitelerini isabetli bir şekilde sınıflandırmaya çalışmaktadır. Hayatımızın değişilmez bir parçası olmaya başlayan akıllı telefonlar geniş algılama kapasiteleri ile son derece sofistike bir hal almış ve günümüz teknolojisinin en kapsamlı çevresel algılayıcılar ile donatılmaya başlanmıştır. Bu durum akıllı telefonları, insanların eylem tanıma teknolojilerini herhangi başka bir cihaz taşımadan kullanabilmelerine olanak sağlamaktadır. Ancak, akıllı telefonlarda hala var olmakta olan güç ve hesaba dayalı kısıtlamalar, yüksek işlem kabiliyetine ihtiyaç duyan sınıflandırma algoritmalarının bu cihazlar üzerinde verimli bir şekilde kullanılmasını engellemektedir.Bu çalışmada, literatürde yer alan diğer çevrim içi aktivite tanıma çalışmaları incelenmiş, çevrim içi sınıflandırmada kullanılan sınıflandırma algoritmalarının test sonuçları analiz edilmiştir. Ayrıca geçmiş çalışmalarda gerçek hayattan farklı olarak kullanıcın telefonun sadece bir pozisyonda taşıdığı varsayımı üzerine yoğunlaştığı görüldüğü için telefon taşınma pozisyon sorununun, eylem tanıma sınıflandırma başarımının üzerindeki etkisi incelenmiş ve telefon pozisyonu bilinerek yapılan sınıflandırma başarımı ile telefon pozisyonu bilinmeden yapılan sınıflandırma başarımı karşılaştırılmıştır. Son olarak bu incelemelerden yola çıkılarak Android işletim sistemine sahip telefonlar için çevrim içi aktivite tanıma sistemi gerçeklenmiştir.

Activity Recognition (AR) or in other saying Context Recognition is an active area of research in the domain of pervasive and mobile computing that has direct applications about life quality and health of the users. Previous studies aim to classify different daily human activities with high accuracy rates using various types of sensors. Becoming a substantial part in our daily lives with their sensing capabilities, smartphones are becoming increasingly sophisticated and the latest generations of smart cell phones now incorporate many diverse and powerful sensors. Therefore, they are now considered feasible platforms that enable people to make use of AR technologies without being obliged to use or wear some extra devices. Nevertheless, due to power and computational constraints of these devices, it becomes a challenging task to attain accurate results by using power and CPU-intensive classifiers.In this study, we present a research based on other works in the literature that analyze the performance of the classification methods for online AR systems on smart phones. The previous studies generally focus on single phone location of the users despite the fact that users carry their phones in various positions. Hence, we also focus on phone position uncertainty problem and compare the classification results with position independent and position dependent classification models. Finally, we propose our own implementations to make and run an activity recognition system on an Android based smartphone.