Human movement recognition with dynamic movement primitives

Name: Human movement recognition with dynamic movement primitives
Author: Pehlivan, Alp Burak

İsim	Human movement recognition with dynamic movement primitives
Yazar	Pehlivan, Alp Burak
Basım Tarihi:	2015-09
Konu	Machine learning
Tür	Belge
Dil	İngilizce
Dijital	Evet
Yazma	Hayır
Kütüphane:	Özyeğin Üniversitesi
Kayıt Numarası	045641db-c074-4b5e-9a3a-043bd12064b3
Lokasyon	Department of Computer Science
Tarih	2015-09
Örnek Metin	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.

Kaynağa git Özyeğin Üniversitesi

Aramaya Dön

Özyeğin Üniversitesi

Kaynağa git

Human movement recognition with dynamic movement primitives

Yazar Pehlivan, Alp Burak

Basım Tarihi 2015-09

Konu Machine learning

Tür Belge

Dil İngilizce

Dijital Evet

Yazma Hayır

Kütüphane Özyeğin Üniversitesi

Kayıt Numarası 045641db-c074-4b5e-9a3a-043bd12064b3

Lokasyon Department of Computer Science

Tarih 2015-09

Örnek Metin 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.