Sağlık durumu gözlemleme için düşük maliyetli kablosuz radar ile insan mikro-doppler sınıflandırması

Abstract

Son yıllarda sağlık durumu gözlemleme için kapalı ortam insan aktivitelerinin gözlemlenmesinin amaçlayan radar uygulamaları sıklıkla araştırılmaktadır. Kızılötesi, akustik, titreşim/sismik ve görsel sensörler uzun zamandır insan tanıma ve algılama sistemlerinde kullanılmaktadır. Fakat bu sensörlerin aksine, radarlar insan algılama uygulamalarında daha uzun mesafelerde algılama yapabilmesi, daha kapsamlı olması ve bütün hava koşullarında çalışabilmelerinden dolayı daha büyük avantajlar sunarlar. Evlerde ve klinik ortamlarda acil sağlık durumu tespiti için radar uygulamaları kullanılarak insan gözetimi gittikçe önem kazanmaktadır. Bu çalışmada düşük güç tüketimli, kablosuz, ergonomik ve ucuz BumbleBee radarlar kullanılarak kapalı ortamda emekleme, yürüme, koşma gibi normal insan hareketleri ile aksak yürüme, baston ile yürüme, tekerlekli sandalye ve yürüteç ile yürüme gibi yaşlı, hasta ve engelli insan hareketleri radar ile gözlemlenerek farkları tartışılacaktır. Bu hareketlerin farklı görüş açıları ve duruş zamanlarının bu hareketlerin sınıflandırma başarımlarına olan etkisi sunulacaktır.

In recent years, radar applications aiming health monitoring have been increasingly investigated. Infrared, acoustic, vibration/sismic, and visual sensors have been used for the recognition of human activities. Unlike these sensors, radars offer unique advantages over ether sensors for recognition and classification of human activities, such as operating virtually all weather conditions, increased range, and better coverage. Human activity monitoring using radars is gaining impartance for detection of emergency situations in home and clinical environments.In this thesis, normal human activities such as walking, running, crawling and elderly and disabled human activities such as walking with a cane, walking with a limp, walking with a walker, and wheelchair will be observed with a radar and differences will be discussed.Effects of aspect angle and dwell time on classification success rate will be presented for these activities.