Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/2376
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorGürbüz, Sevgi Zübeyde-
dc.contributor.authorSümer, Halil İbrahim-
dc.date.accessioned2019-12-25T10:53:22Z-
dc.date.available2019-12-25T10:53:22Z-
dc.date.issued2015
dc.identifier.citationSümer, H. (2015). Sismik sensör ağı kullanılarak insan düşmesinin tespit edilmesi. Ankara: TOBB ETÜ Fen Bilimleri Enstitüsü. [Yayınlanmamış yüksek lisans tezi]en_US
dc.identifier.urihttps://hdl.handle.net/20.500.11851/2376-
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp-
dc.description.abstractİnsanlar yaşlandıkça düşme, büyük bir sağlık tehdidi oluşturmaktadır. Bu konudaki çalışmalar düşmelere hızlı tepki vermenin ölümle sonuçlanan vaka sayısında kritik azalma sağladığını göstermektedir. Bu nedenle sağlık gözetleme yapan biyomedikal uygulamalarında kullanılan sensörler yardımıyla sinyal işleme algoritmalarının geliştirilmesi önemli bir araştırma alanına dönüşmüştür. Bu çalışmada sismik sensör ağı kullanılarak hareket sınıflandırılması ve düşme tespiti için yeni bir algoritma önerilmiştir. Daha ayrıntılı olarak, insan düşmesinin yanında kapı çarpması, pencere çarpması ve bir nesnenin düşmesi gibi parazit sinyallerin sınıflandırılması değerlendirilmektedir. Bu tez çalışmasında spektral istatistik ve ayrık dalgacık dönüşümü ile öznitelik çıkarma metotları önerilmiştir. Sismik sensör ağı kullanılarak alınan gerçek verilerin performans sonuçları verilmiştir. Bu algoritma ile özellikle karışıklığa sebep olabilecek parazit sinyallere karşı yanlış alarm sayıları düşürülmüştür. Yapılan çalışmalar sonucunda insan düşmesi %99,4 doğruluk oranıyla tespit edilmiştir.tr_TR
dc.description.abstractFalls present a great health threat as people get older; moreover, studies have shown that rapid response is critical to decreasing fall-related mortality. Thus, the development of signal processing algorithms for sensors used in biomedical applications involving assisted living has become an avid area of research. In this work, a novel algorithm for activity classification and fall detection using a seismic sensor network is proposed. More specifically, classification of falling as well as sources of parasitic signals, such as dropping an object, slamming a door, and shutting a window, are considered. A new target detection and feature extraction algorithm based on wavelet coefficient characterization and spectral statistics is proposed. Results quantifying the performance of the algorithm on real data from a seismic sensor network are given. It is shown that the algorithm offers a reduction of false alarms especially in the case of potentially confusable parasitic signals. According to the studies human falls were detected with an accuracy rate of 99.4%.en_US
dc.language.isotren_US
dc.publisherTOBB University of Economics and Technology,Graduate School of Engineering and Scienceen_US
dc.publisherTOBB ETÜ Fen Bilimleri Enstitüsütr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectClassificationen_US
dc.subjectSeismic sensor networken_US
dc.subjectHuman activityen_US
dc.subjectFall detectionen_US
dc.subjectSınıflandırmatr_TR
dc.subjectSismik sensör ağıtr_TR
dc.subjectİnsan aktiviteleritr_TR
dc.subjectDüşme tespititr_TR
dc.titleSismik sensör ağı kullanılarak insan düşmesinin tespit edilmesien_US
dc.title.alternativeIndoor fall detection using a network of seismic sensorsen_US
dc.typeMaster Thesisen_US
dc.departmentFaculties, Faculty of Engineering, Department of Electrical and Electronics Engineeringen_US
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Elektrik ve Elektronik Mühendisliği Ana Bilim Dalıtr_TR
dc.relation.publicationcategoryTezen_US
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.grantfulltextopen-
item.fulltextWith Fulltext-
item.openairetypeMaster Thesis-
item.cerifentitytypePublications-
item.languageiso639-1tr-
Appears in Collections:Elektrik-Elektronik Mühendisliği Yüksek Lisans Tezleri / Electrical & Electronics Engineering Master Theses
Files in This Item:
File Description SizeFormat 
415453.pdf2.61 MBAdobe PDFThumbnail
View/Open
Show simple item record



CORE Recommender

Page view(s)

34
checked on Mar 25, 2024

Download(s)

38
checked on Mar 25, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.