Detecting Falls with Wearable Sensors Using Machine Learning Techniques


ÖZDEMİR A. T. , Barshan B.

SENSORS, cilt.14, ss.10691-10708, 2014

  • Cilt numarası: 14 Konu: 6
  • Basım Tarihi: 2014
  • Doi Numarası: 10.3390/s140610691
  • Dergi Adı: SENSORS
  • Sayfa Sayısı: ss.10691-10708

Özet

Düşmeler çok ciddi bir toplum sağlığı problemi ve bu risk gurubu içerisinde yer alan bireyler için bir yaşam tehdididir. Bu proje ile sensör birimlerinden oluşan ve vücudun 6 farklı bölgesine sabitlenerek giyilebilen bir otomatik düşme sezme sistemi geliştirilmiştir. Her bir sensör ünitesi her biri üç eksenli ivmelenme sensörü, jiroskop ve magnetometreden meydana gelmektedir. 14 gönüllü ile içesinde 20 adet düşme ve 16 adet günlük aktivitenin bulunduğu standart bir hareket seti 5'er tekrar ile oluşturulmuş ve toplamda 2520 adet kayıttan oluşan bir ver tabanı oluşturulmuştur. Sınıflanıdırıcıların eğitim ve test süreçlerindeki hesaplamasal yüklerini azaltmak amacı ile göğüs bölgesindeki sensörden elde edilen toplan ivmelenme vektörünün maksimum olduğu noktanın öncesi ve sonrasındaki 2sn'lik kısmına yani 4sn'lik bir kayıta odaklanılmış, daha sonra bu kayıt dosyası üzerine öznitelik çıkarım ve azaltım işlemleri uygulanmıştır. Düşme sezme ile ilgili çalışmaların çoğunda sensör çıkışlarının basit eşiklemesi temeline dayanan kural tabanlı yaklaşımlar kullanılmıştır. Bu çalışmada altı farklı sınıflandırıcı ile düşmeler günlük aktivitelerden başarılı bir şekilde ayrılmıştır. Bu sınıflandırıcılar k en yakın komşu (k-NN), en küçük kareler (LSM), Bayes karar kuralı (BDM), dinamik zaman bükme (DTW) ve yapay sinir ağı (ANN) sınıflandırıcılarıdır. Sınıflandırıcıların performans ve hesaplama yükleri karşılaştırılmış en iyi sonuçlar k-NN ve LSM sınıflandırıcıları ile alınmıştır, duyarlılık, özgüllük, hassasiyet kriterlerinin hepsi %99'un üzerinde bir başarım ile elde edilmiştir. Bu sınıflandırıclar ayrıca eğitim ve test aşamalarında makul bir hesaplama yükü taşırlar. Bizim yaklaşımımız verinin önceden tanımlanmayan bir süre boyunca, pek çok farklı hareketin ard arda yapılması sureti ile kaydedildiği gerçek düşme verilerine de uygulanabilir.