Gesture sensor as digital lock

U ovom diplomskom radu je provedeno istraživanje i implementacija digitalne brave korištenjem senzora pokreta na Arduino Nano 33 BLE Sense razvojnoj pločici. Rješenje se sastoji od tri ključna dijela. Prvo, podaci o gestama su prikupljani putem žiroskopa i akcelerometra te su spremljeni u CSV datoteke. Zatim je korištena TensorFlow biblioteka za strojno učenje kako bi se trenirao model za prepoznavanje gesti koristeći prikupljene podatke. Nakon treniranja, generirana je datoteka zaglavlja koja sadrži trenirani model. Konačno, trenirani model se koristi za prepoznavanje gesti te se uspostavlja komunikacija s web-stranicom putem Bluetooth-a kako bi se otvorila vrata ovisno o prepoznatoj gesti. Rješenje je uspješno prikupljalo podatke o gestama, treniralo model za prepoznavanje gesti te omogućavalo otvaranje vrata na temelju prepoznate geste. Kvaliteta prepoznavanja gesti je evaluirana kroz testiranje sustava s različitim kombinacijama gesti i pragovima detekcije sve dok nije postignuta zadovoljavajuća točnost.In this master's thesis, the research and implementation of a digital lock using a motion sensor on the Arduino Nano 33 BLE Sense development board was carried out. The solution consists of three key parts. First, gesture data was collected via gyroscope and accelerometer and saved in CSV files. The TensorFlow machine learning library was then used to train a gesture recognition model using the collected data. After training, a header file containing the trained model is generated. Finally, the trained model is used for gesture recognition and communicates with a website via Bluetooth to open the door depending on the recognized gesture. The solution successfully collected data on gestures, trained a model for gesture recognition and enabled door opening based on the recognized gesture. The quality of gesture recognition was evaluated by testing the system with different combinations of gestures and detection thresholds until satisfactory accuracy was achieved