Ανάλυση κινήσεων χεριού με αισθητήρες ηλεκτρομυογραφήματος και αδράνειας

Στην παρούσα διπλωματική εργασία εξετάζεται το πρόβλημα της ανάλυσης των κινήσεων του ανθρώπινου χεριού με αισθητήρες. Πρόκειται για ένα πρόβλημα του πραγματικού κόσμου το οποίο αν και δεν είναι νέο, αναζητά πιο διαισθητικές και φυσικές λύσεις. Η ανάλυση αυτή έχει ως στόχο να «επικοινωνήσει» τ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Τσαλκιτζής, Αναστάσιος
Άλλοι συγγραφείς: Tsalkitzis, Anastasios
Γλώσσα:Greek
Έκδοση: 2021
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/15038
Περιγραφή
Περίληψη:Στην παρούσα διπλωματική εργασία εξετάζεται το πρόβλημα της ανάλυσης των κινήσεων του ανθρώπινου χεριού με αισθητήρες. Πρόκειται για ένα πρόβλημα του πραγματικού κόσμου το οποίο αν και δεν είναι νέο, αναζητά πιο διαισθητικές και φυσικές λύσεις. Η ανάλυση αυτή έχει ως στόχο να «επικοινωνήσει» τις κινήσεις του χεριού μέσω αισθητήρων (επιφανειακό ηλεκτρομυογράφημα, επιταχυνσιόμετρο, γυροσκόπιο, μαγνητόμετρο) και συνεπώς τα αποτελέσματά της μπορούν να χρησιμοποιηθούν για τον έλεγχο κάποιου αντικειμένου (π.χ. προσθετικό βραχίονα). Ένα τέτοιο επίτευγμα μπορεί να βελτιώσει τη ζωή πολλών ανθρώπων που στερούνται μέρος των άνω άκρων τους, αλλά και να ανοίξει νέους δρόμους στον τομέα της διεπαφής ανθρώπου μηχανής. Η μελέτη που πραγματοποιήθηκε για τους σκοπούς αυτή της διπλωματικής οδήγησε στο συμπέρασμα ότι η πολυπλοκότητα του συγκεκριμένου προβλήματος απορρίπτει γενικές λύσεις και απαιτεί εξαιρετικά βελτιστοποιημένες ανά άτομο προσεγγίσεις. Ακόμα η επιχειρούμενη έρευνα οδήγησε σε ένα μεγάλο εύρος υποθέσεων για τα δεδομένα, ο έλεγχος των οποίων μπορεί να αποτελέσει από μόνος του ξεχωριστή διπλωματική. Παράλληλα ερευνητικές προσπάθειες στον τομέα της ανάλυσης των κινήσεων του χεριού έχουν οδηγήσει στην δημιουργία βάσεων δεδομένων οι οποίες περιλαμβάνουν πλήθος κινήσεων χεριού καταγεγραμμένων με αισθητήρες. Οι βάσεις αυτές είναι δημόσια διαθέσιμες και αποδεκτές από την ερευνητική κοινότητα. Ο συνδυασμός λοιπόν της ύπαρξης δεδομένων, μαζί με το τεχνολογικό κύμα που ονομάζεται μηχανική μάθηση, έστρεψε την παρούσα διπλωματική εργασία προς την κατεύθυνση της χρήσης μεθόδων μηχανικής (αλλά και βαθιάς) μάθησης. Τα μοντέλα μας κατάφεραν αναγνώριση 30 (από σύνολο 40) διαφορετικών κινήσεων σε ικανοποιητικό βαθμό. Όσον αφορά τα αποτελέσματα των μεθόδων που χρησιμοποιήσαμε, βασιστήκαμε κυρίως στη μετρική της ακρίβειας αναγνώρισης, ενώ σε ορισμένες περιπτώσεις που χρειάστηκε η ταυτόχρονη περιγραφή αποτελεσμάτων από πλήθος ατόμων, οδηγηθήκαμε στην παρουσίασή τους με τη μορφή αναμενόμενων (μέσων) τιμών. Προφανώς δεν υπάρχει ο μέσος άνθρωπος, ωστόσο τα στατιστικά αυτά είναι χρήσιμα για τους σκοπούς αξιολόγησης και σύγκρισης των μοντέλων μας. Φυσικά όποιος ασχοληθεί με το συγκεκριμένο πρόβλημα καλό είναι να αναμένει μεγάλη μεταβλητότητα στα αποτελέσματα της ανά άτομο ανάλυσης. Ακόμα οποιοδήποτε συμπέρασμα που βασίζεται σε υποθέσεις μπορεί να οδηγήσει σε σημαντικά σφάλματα. Εντούτοις έγινε προσπάθεια ο χειρισμός του προβλήματος να γίνει όσο πιο λογικά και αυστηρά γίνεται κάνοντας ξεκάθαρες τις υποθέσεις και τον τρόπο εργασίας μας. Τέλος θα πρέπει να σημειωθεί ότι σημαντική ενέργεια αφιερώθηκε στην παρούσα εργασία προκειμένου να μην υπάρχουν μεροληψίες και προκαταλήψεις στα αποτελέσματά της.