Tegevuse tuvastamine kodukeskkonnas siluettide põhjal

Abstract

Tervishoius on suureks probleemiks kulutused ja inimressurss. Inimressurssi on piiratud kogus ja ei ole alati võimalik suunata inimest sündmuskohale abistama. Osa inimressurssi läheb selle peale, et abistada inimesi kodus, kes põevad vaimset või füüsilist haigust.Selle töö eesmärk on abistada tervishoiutöötajaid, luues abistava masinõppe mudeli, mis suudab kaamera kaudu tuvastada inimese tegevust. Kaadritest eraldatakse siluett, millel on tausta ja inimese detailid eemaldatud, et hoida inimese anonüümsust. Alles jääb mustal taustal valge siluett.Töö eesmärgile lähenetakse siluettide seeria liikuvate ja mitteliikuvate tunnuste eraldamisega, mille abil õpetati välja masinõppe mudel. Masinõppe mudelitena kasutati otsustusmetsa ja K lähima naabri algoritmi. Lõpliku tulemusena leiti, et on võimalik tuvastada tegevust silueti kaudu, kuid tulemus sõltub palju andmetest ja kasutusjuhtumitest.

The amount and cost of human resources are big problems in healthcare. The availability of these resources is limited and therefore, it is not always possible to send help when someone needs assistance. A part of human resources goes into helping people at home who suffer from mental or physical disorders.The purpose of this Bachelor’s thesis is to help health professionals by creatinga machine learning model, which can recognize human activity from a camera. The recorded material is extracted in a way, that the human and background details are removed to keep people’s identity anonymous, resulting in a picture, where there is a white silhouette on a black background.The purpose was achieved by extracting stationary and non-stationary features for the machine learning model. K-Nearest neighbors and Random Forest classifier were used by the new features. The final results showed that it is possible to recognize activities from silhouettes however, the result depends a lot on the data and the use cases.