Tez Savunması Umut Demirel

Modelleme ve Simülasyon EABD Oyun Teknolojileri Yüksek Lisans Programı öğrencisi Umut Demirel"CREATING A GENERIC HAND AND FINGER GESTURE RECOGNIZER BY USING FOREARM MUSCLE ACTIVITY SIGNALSkonulu tezini, 08 Haziran 2017 tarihinde saat 15:30'da A-108 no.lu toplantı salonunda savunacaktır.

Tez Özeti : El ve parmak işaretleri, konuşmadan iletişim kurmanın en doğal yoludur. Bu nedenle, insan-bilgisayar etkileşimi uygulamalarında el ve parmak işaretlerini girdi olarak kullanmak sıkça başvurulan bir yöntemdir. El ve parmak işaretlerinin girdi olarak kullanıldığı çok çeşitli uygulamalar mevcuttur, örneğin işaret dili tanıma, robot kontrol etme, medikal araç kontrol etme ve video oyunu kontrol etme. Bu tez kapsamında, kas hareketi sinyallerinin işlenmesi yöntemiyle el ve parmak işaretlerini tanıyan jenerik bir sistem geliştirlecektir. Veri toplamak için Thalmic Labs tarafından geliştirilen MYO isimli cihaz kullanılacaktır. Normal şartlarda EMG sensörleri her kullanıcı için direkt olarak kaslarının üzerine yerleştirilmelidir. Ancak MYO cihazının herkes için kullanılabilen jenerik bir cihaz olmasından ötürü, EMG sensör yerleşimleri kişiden kişiye farklılık gösterecektir. Sonuç olarak, işaret tanıyıcı sistemi kalibrasyon tabanlı olacaktır, bunun anlamı kişiye ve oturuma bağımlı olmasıdır. Bu tez çalışmasında kullanılan el ve parmak işaret kümesi, klasik müzik orkestra şefinin kullandığı anlatımcı işaretlerden oluşturulmuştur. 13 farklı el ve parmak işareti ve 1 serbest işaret 20 test kullanıcısı tarafından 3er saniyelik sürelerle 5er kere tekrar edilerek veri toplama işlemi gerçekleştirilmiştir. Toplanan verinin önişlemesi sırasında, sadece zamana bağlı, el değmemiş dataya filtreler uygulama yöntemi kullanılmamış; ayrıca sıklığa bağlı, her işaretin sirküler harmonik katsayı seti ile temsil edilmesi yöntemi de kullanılmıştır. 5 farklı işaret modelini tanımak için sinirsel ağ eğitilmiş, doğrulanmış ve test edilmiştir. Her test kullanıcısından toplanan 5er veri kümesine kendi içinde çapraz doğrulama yöntemi uygulanmıştır. 3 veri kümesi sinirsel ağın eğitimi, 1 veri kümesi sinirsel ağın doğrulanması, 1 veri kümesi de sinirsel ağın test edilmesi için kullanılmıştır. 20 farklı sinirsel ağ, veri kümelerinin 20 farklı kombinasyonuyla beslenmiştir.