Dinamik hareket birimleri ile insan hareketi tanıma

Thesis (M.A.)--Özyeğin University, Graduate School of Sciences and Engineering, Department of Computer Science, September 2015.Dynamic Movement Primitives (DMPs)-originally a method for movement trajectory generation has been also used for recognition tasks. However there has not been a systematic comparison between other recognition methods and DMPs using human movement data. We have implemented a movement recognition method based on DMPs with Gaussians centered equally spaced in phase variable and scaled one-nearest-neighbor weight comparison. Furthermore, in thesis, we presented a comparison of commonly used Hidden Markov Model (HMM) based recognition with our implementation of DMP based recognition using human generated letter trajectories. As the working principles of these two methods are very different, in addition to the performance, the numbers of adaptable parameters that are used in each method and, process time were compared. The results indicate that DMP gives better results than HMM in the tests with noiseless data, noisy data and derogated data with given human movement dataset.Dinamik Hareket Birimleri (DHB), ilk olarak hareket güzergahlarının üretilmesinde kullanılan bir yöntem olduğu halde hareket tanıma görevlerinde de kullanılmıştır. Fakat DHB'lerle yapılan tanıma ile diğer tanıma yöntemleri arasında sistematik bir karşılaştırma yapılmamıştır. Biz de faz değişkeninde eşit merkezlenmis Gaussian fonksiyonları kullandığımız DHB'lerde, boyutları değiştirilmiş ağırlık karşılaştırması ile hareket tanıma yöntemi gerçekleştirdik. Ayrıca, bu tezde yaygın olarak kullanılan Saklı Markov Modeli (SMM) yöntemi ve DHB ile yapılan insan tarafından üretilmiş hareket güzergahları üzerinde tanıma işlemleri karşılaştırılmıştır. Bu iki yöntemin çalışma prensipleri çok farklı olduğu için, performansa ek olarak adapte edilebilir parametrelerin miktarı ve tanıma işleminin aldığı zaman karşılaştırılmıştır. Sonuçlar, DHB'nin insan hareketleri verisi üzerine gürültüsüz, gürültü eklenerek ve veriler azaltılarak yapılan testlerde SMM'den daha iyi sonuçlar verdiğini göstermektedir