ÖN-EĞİTİLMİŞ DERİN SİNİR AĞLARI KULLANILARAK ULTRA GENİŞ BANT RADAR TABANLI EL HAREKETİ TANIMA

Abstract

Ultra geniş-bant (UGB) radar sensörleri insan hareketlerinin tanınmasında kritik bir öneme sahiptir. Sahip oldukları yüksek frekans özelliği ile hassas hareketlerin ayırt edilmesinde kullanılabilmektedirler. Ayrıca bu özellik, sensör boyutlarının portatif olmasına ve birçok alanda kolay kullanımına imkân tanır. Her ne kadar RGB kameralar üzerinden bu işlem yapılabilse de özellikle mahremiyet gizliliği konusunda problemler ile karşılaşılmaktadır. UGB sensörlerden elde edilen verilerde kişiler anonimleştiği için sadece hareket örüntüsü ele alınabilmektedir. Dolayısıyla, ev içi izleme ve yaşlı takibi gibi konularda önemli bir potansiyeli bulunmaktadır. Bu çalışmada, üç farklı sensör üzerinden toplanan radar verilerinden el hareketlerinin sınıflandırılması yapılmaktadır. Radar görselleri sağ, sol ve üst olacak şekilde arka arkaya bir araya getirilerek 3 kanallı bir görüntü elde edilmiştir. Ardından bu görüntüler üzerinden ön-eğitilmiş modeller eğitilmiş ve test edilmiştir. Eğitim ve test oranı 50:50 olduğu durumda %97.93 (DenseNet201) 75:25 oranında ise %97.65 (EfficientNetB0) oranında bir başarım elde edilmiştir. Tek sensör kullanımı yerine öne sürülen strateji ile modellerin eğitilmesinin önemli bir iyileştirme yaptığı ortaya koyulmuştur.