Kinect ile Farklı İnsan Hareketlerinin Radar Benzetimi Radar Simulation of Different Human Activities via Kinect Barış Erol 1 , Cesur Karabacak 1,2 , Sevgi Zübeyde Gürbüz 1,3 , Ali Cafer Gürbüz 1 1. TOBB Ekonomi ve Teknoloji Üniversitesi, Elektrik ve Elektronik Mühendisliği Bölümü, Ankara 2. Meteksan Savunma Sanayii A.Ş., Ankara 3. TÜBİTAK Uzay Teknolojileri Araştırma Enstitüsü, Ankara baris-erol@outlook.com, cesurkarabacak@gmail.com, {szgurbuz, acgurbuz}@etu.edu.tr Özetçe—Radar kullanarak farklı insan hareketlerinin sınıflandırılması son yıllarda yoğun olarak araştırılan bir konudur. İnsan hareketlerini sınıflandırırken deneysel radar verilerinin olmadığı durumlarda benzetim verilerinden de sıkça yararlanılmaktadır. İnsan hareketlerinin radar benzetimini yapmak için Thalmann Modeli gibi kinematik modeller ve hareket yakalama verileri sıkça kullanılan veri tipleridir. Thalmann Modeli, insan yürümesi için bir model sunarken hareket yakalama verilerinde farklı insan hareketlerine ait verileri de elde etmek mümkündür. Ancak ticari hareket yakalama sistemleri pahalı olduğu için bu verilerin elde edilmesi kolay değildir. Bu bildiride ekonomik, kolay temin edilebilir ve pratik olan Kinect sensörü kullanılarak bir iskelet takibi algoritması geliştirilmiştir. Böylece, düşük maliyetle çeşitli insanlar ve hareketler için radardan elde edilen mikro-Doppler verisi simüle edilmiştir. Anahtar Kelimeler — radar; insan;mikro-Doppler; benzetim; Kinect. Abstract—The classification of different human activities with radar has been a widely researched topic in recent years. Oftentimes, when no experimental data is available, simulated data can be exploited to test classification algorithms. Kinematic models such as the Thalmann Model and motion capture (MOCAP) data are frequently used to simulate radar signatures of human movements. While the Thalmann Model provides a model only for human walking, MOCAP data has the capability to supply data for almost any type of human activity. However, most commercial MOCAP data acquisition systems are quite expensive, making it difficult to obtain MOCAP data. In this paper, economical, easily obtainable and practical Kinect sensor is used to develop a skeleton tracking algorithm. In this way, simulated radar micro-Doppler signatures for different people and activities are computed. Keywords—radar; human; micro-Doppler; simulation; Kinect. I. GİRİŞ Bir bölgede insan olup olmadığının tespiti, sınır güvenliği ve arama kurtarma çalışmaları gibi uygulamalarda kritik öneme sahiptir. Uzak mesafelerde tespit yapabilmesi, gece gündüz çalışabilmesi, bitki örtüsü, duvar gibi engellerin arkasına sızabilme kabiliyetinin olması ve yağmur, sis gibi doğa olaylarından az etkilenmesi, radarı insan tespiti için sık kullanılan bir araç hâline getirmiştir. Son yıllarda yürüme, koşma, zıplama gibi farklı insan hareketlerinin otomatik sınıflandırmasını yapan pek çok çalışma yayınlanmaktadır. Tespit edilen insanın yaptığı hareketin de özel olarak belirlenmesi uygulamaya bağlı olarak verilecek alarm seviyesini büyük oranda değiştirebilir. Örneğin, sınıra doğru gelen bir kişinin hareketlerine bağlı olarak tehdit oluşturup oluşturmadığı, şüpheli davranışlar sergileyip sergilemediği ve silahlı veya silahsız olması durumlarının tespiti bu konunun işlenmesindeki asıl amaçlardandır. İnsan hareketleri için sınıflandırma çalışmaları yapılırken deneysel verilerin yanında benzetim verilerinden de sıkça yararlanılmaktadır. Benzetim verilerinin varlığı, deneysel radar verilerine ulaşma imkânının olmadığı akademik ortamlarda veya sistem henüz geliştirme aşamasında olduğu için veri toplamanın mümkün olmadığı endüstriyel ortamlarda çalışma yapmayı mümkün kıldığı için son derece önemlidir. Radar ile insan hareketi sınıflandırması çalışmalarında yaygın olarak kullanılan benzetim verisi Thalmann Modeli’dir [1-3]. Bu model, insan vücudundaki 17 noktanın uzaydaki konumunu zamana bağlı olarak kinematik denklemler ile hesaplamaktadır. İnsan vücudu gövde, ayaklar, alt ve üst bacaklar, alt ve üst kollar ve kafa olmak üzere 12 parçadan oluşmuştur. Daha sonra, vücuttaki bu 12 parça radar kesit alanı bilinen elipsoid, silindir ve küre gibi şekillerden uygun olanlardan biri ile modellenip her birinden yansıyıp dönen sinyal hesaplanmaktadır. Son olarak ise geri dönen bu 12 sinyal toplanarak insan vücudundan dönen radar sinyali oluşturulmaktadır. İnsan hareketi benzetimlerinde kullanılan bir diğer veri tipi ise hareket yakalama verileridir [4-5]. Hareket yakalama verileri, insan vücudu üzerine yerleştirilen işaretçilerin konumlarının kızılötesi kameralar kullanılarak kaydedil- mesiyle oluşturulur. Bu veriler, çoğunlukla animasyon filmlerde ve bilgisayar oyunlarında gerçekçi insan davranışı efektleri oluşturmak için kullanılmaktadırlar. İnsan vücudundaki noktaların konum bilgileri hareket yakalama verilerinden alındıktan sonra radar benzetimi Thalmann Modeli kısmında anlatılan ile aynı şekilde yapılmaktadır. Bu çalışma EU FP7 Proje No. PIRG-GA-2010-268276 ve TÜBİTAK Kariyer Proje No. 113E105 tarafından desteklenmiştir. 978-1-4799-4874-1/14/$31.00 ©2014 IEEE 1015 2014 IEEE 22nd Signal Processing and Communications Applications Conference (SIU 2014)