TARIFNAME PIEZO SENSÖR KULLANARAK TITRESIME DAYALI BIR INSAN TESPIT SISTEMI Teknik Alan Bulus, çöken binalar gibi afet bölgelerinde insan varligini tespit etmeye odaklanarak, arama ve kurtarma uygulamalari için piezoelektrik sensör kullanarak titresime dayali bir insan tespit sistemi ile ilgilidir. Teknigin Bilinen Durumu Afet müdahalesi ve arama ve kurtarma operasyonlari, hayatta kalanlarin yerini belirlemek için öncelikle insan duyularina ve temel teknolojiye dayanmaktadir. Bu yaklasim, zaman alici, kaynak yogun ve genellikle kalifiye personel ve uygun teknolojinin mevcudiyeti ile sinirlidir. Sonuç olarak, arama ve kurtarma süreci yavas ve verimsiz olabilir, bu da hayatta kalanlarin bulunmasinda gecikmelere ve potansiyel olarak ölümlerin sayisinda artmaya neden olabilir. Arama ve kurtarma uygulamalari için titresime dayali insan algilama sistemlerinin kullanimi çesitli çalismalarda arastirilmistir. Örnegin, Chen ve digerleri tarafindan yapilan bir çalisma (2018), nefes alma ve kalp atisiyla üretilen titresimlere dayali olarak insan varligini algilamak için bir piezoelektrik sensör ve bir destek vektör makinesi (SVM) algoritmasi kullanan bir sistem önermistir. Wang ve ark. (2019), ayak seslerinin ürettigi titresimlere dayanarak insan varligini tespit etmek için bir ivmeölçer ve bir CNN algoritmasi kullanan bir sistem önermistir. Derin ögrenme algoritmalarinin, özellikle CNN'lerin kullanilmasinin, titresime dayali insan algilama sistemlerinin dogrulugunu önemli ölçüde iyilestirdigi gösterilmistir. Örnegin, Wang ve digerleri tarafindan yapilan bir çalisma (2020), bir akilli telefon ivmeölçeri tarafindan yakalanan insan ve insan olmayan titresim sinyallerini siniflandirmak için bir CNN algoritmasi kullanan bir sistem ile ilgilidir. Önerilen sistem, insan varligini tespit etmede %90'in üzerinde bir dogruluk elde etmistir. Titresim sensörlerinin insan varligini ve hareketini algilamada kullanilmasi yeni bir kavram degildir. Aslinda, güvenlik sistemleri ve makine durumu izleme gibi çesitli uygulamalarda yaygin olarak kullanilmaktadir. Ancak, çevresel faktörlerin neden oldugu gürültü ve girisim nedeniyle yer altindaki veya çökmüs binalardaki titresimleri tespit etmek benzersiz bir zorluk teskil eder. Son yillarda, afet senaryolarinda insan varligini tespit etmek için titresim tabanli sistemler gelistirmeye odaklanan birkaç arastirma çalismasi yapilmistir. Wang ve digerleri tarafindan yapilan böyle bir çalisma (2019), bir enkaz alanindaki insan varligini ve hareketini algilamak için piezoelektrik sensörler ve makine ögrenimi algoritmalari kullanan bir sistem önermistir. Çalisma, insan titresimlerini tespit etmede yüksek dogruluk oranlari bildirmis ve bu tür sistemlerin arama kurtarma operasyonlarindaki potansiyelini göstermistir. Islam ve digerleri tarafindan yapilan baska bir çalisma (2020), titresim sensörleri kullanarak akilli bir ev ortamindaki insan aktivitesini tespit etmek için bir sistemdir. Çalisma, titresim sinyallerinden özellikler çikarmak için sinyal isleme tekniklerini kullanmis ve insan aktivitesini tespit etmede yüksek dogruluk oranlari elde etmistir. Mevcut teknikteki CN107179120A numarali basvuru, deprem sonrasi enkaz altinda kalan kisilerin tespiti için sesli yasam algilama cihazi ile ilgilidir. Bir sensör ile enkazdan alinan ses gürültüden arindirilarak enkaz altindaki kisilerin seslerinin ayirt edilebilmesi saglanmaktadir. Ancak söz konusu basvuruda, gürültüden arindirilmis sinyalin siniflandirilmasi ve neticesinde siniflandirilmis sinyalin daha hassas bir tespit için kullanilmasina dair bir veriden bahsedilmemektedir. Sonuç olarak yukarida anlatilan olumsuzluklardan dolayi ve mevcut çözümlerin konu hakkindaki yetersizligi nedeniyle ilgili teknik alanda bir gelistirme yapilmasi gerekli görülmüstür. Bulusun Amaci Bulus konusu sistemin ana amaci, bir piezo sensör kullanarak yer altindaki veya çökmüs binalardaki titresimleri algilamak ve insan ve insan olmayan titresimleri ayirt etmektir. Bulus, arama kurtarma uygulamalarina odaklanarak, afet bölgelerinde insanlarin varligini dogru bir sekilde tespit etmeyi amaçlamaktadir. Birçok çalisma titresime dayali insan algilama sistemlerinin kullanimini arastirirken, çok azi sistemin dogrulugunu artirmak için derin ögrenme algoritmalarini entegre etmistir. Sistemde, insan ve insan olmayan titresimleri ayirt etmek için bir CNN algoritmasi entegre edilerek bu boslugu doldurmak amaçlanmaktadir. Ayrica, acil durumlarda arama kurtarma ekipleri tarafindan kolayca devreye alinabilecek pratik, düsük maliyetli bir sistem gelistirmeye odaklanilmisti r. Termal görüntüleme ve akustik sensörler gibi baska yöntemler mevcut olsa da bu yöntemlerin etkinlikleri ve farkli felaket senaryolarinda uygulanabilirlikleri açisindan sinirlamalari vardir. Bulus konusu sistemin insan ve insan disi titresimleri ayirt etme yetenegi, yanlis alarmlari önemli ölçüde azaltabilir ve arama kurtarma operasyonlarinin verimliligini artirabilir. Makine ögrenimi algoritmalarinin sisteme entegrasyonu, gürültülü ve öngörülemeyen ortamlarda bile verilerin yüksek dogrulukla siniflandirilmasini saglayacaktir. Makine ögrenimi tekniklerinin bu uygulamasi, yenilik ve kesif için yeni firsatlar yaratarak alani önemli ölçüde ilerletme potansiyeline sahiptir. Binalar, köprüler ve tüneller gibi sivil altyapilar için kablosuz sensör aglarinin ve izleme sistemlerinin kullanilmasi, kamu güvenligini saglamak ve bakim maliyetlerini azaltmak için önemli bir alandir. Bulus ile önerilen titresim algilama sistemi, ek bir güvenlik katmani ekleyerek yer alti alanlari için mevcut izleme sistemlerine entegre edilebilir. Sistemin düsük maliyetli ve tasinabilir tasarimi, onu son derece erisilebilir ve dünya çapinda çesitli felaket senaryolarinda konuslandirmaya uygun hale getirir. Bulus konusu sistemin; çöken binalar, deprem bölgeleri ve diger acil durumlar dahil olmak üzere çesitli ortamlardaki insan faaliyetlerini güvenilir ve dogru bir sekilde tanimlayabilmesi beklenmektedir. Gerçek zamanli izleme ve veri kaydi saglayan grafik kullanici arayüzü ile sistemin kolay ve kullanici dostu olmasi beklenmektedir. Bulus ile hedeflenen: 0 Çesitli ortamlarda insan etkinligini tanimlayabilen, güvenilir ve dogru bir piezo sensör tabanli titresim algilama sistemi gelistirmek. o Tespit edilen sinyallerin frekans ve dalga formu özelliklerini analiz etmek için gelismis sinyal isleme tekniklerini uygulamak. 0 Farkli titresim türleri arasinda ayrim yapmak ve bunlarin insan etkinliginden mi yoksa baska bir kaynaktan mi kaynaklandigini belirlemek için sinyal analizinin sonuçlarini kullanmak. 0 Sinyal analizi sonuçlarini görüntüleyebilen ve insan faaliyeti tespit edildiginde uyari veren kullanici dostu bir arayüz gelistirmek. Bulusun yapisal ve karakteristik özellikleri ve tüm avantajlari asagida verilen sekiller ve bu sekillere atiflar yapilmak suretiyle yazilan detayli açiklama sayesinde daha net olarak anlasilacaktir. Sekillerin Açiklamasi Sekil 1, bulus konusu titresime dayali insan tespit sisteminin sematik görünümüdür. Çizimlerin mutlaka ölçeklendirilmesi gerekmemektedir ve mevcut bulusu anlamak için gerekli olmayan detaylar ihmal edilmis olabilmektedir. Parça Referanslarinin Açiklamasi Piezoelektrik sensör Mikrodenetleyici Akilli cihaz Bulusun Detayli Açiklamasi Bu detayli açiklamada, bulusun tercih edilen yapilanmalari, sadece konunun daha iyi anlasilmasina yönelik olarak ve hiçbir sinirlayici etki olusturmayacak sekilde açiklanmaktadir. Bulus konusu sistem, insan hareketlerinin ürettigi titresimleri yakalamak için bir piezoelektrik sensör (1), sinyalleri islemek ve siniflandirmak için bir mikrodenetleyici (2) ve besleme için bir güç kaynagi barindirmaktadir. Sistem, rüzgâr ve sismik aktivite gibi çevresel faktörlerin neden oldugu gürültüyü ve paraziti filtreleyerek, sinyal isleme teknikleri ve derin ögrenme algoritmalari kullanarak insan ve insan olmayan titresimleri ayirt edecektir. Sistem, donanim ve yazilim bilesenlerinin tasarimi ve gelistirilmesinin yani sira derin ögrenme algoritmasinin egitimi ve entegrasyonunu içerecektir. Sistem, piezoelektrik sensör (1) ile arayüz olusturmak ve sinyal isleme ve analizini gerçeklestirmek için kullanilacak Arduino veya STM32 gibi bir mikrodenetleyici (2) platformuna dayanacaktir. Piezoelektrik sensör (1) zemine veya uygun baska bir konuma yerlestirilerek insan faaliyeti veya diger kaynaklarin neden oldugu titresimleri algilayacaktir. Piezoelektrik sensör (1) tarafindan algilanan sinyal, gürültüyü ve diger parazitleri ortadan kaldirmak için güçlendirilecek ve filtrelenecek, mikrodenetleyici (2) tarafindan analiz edilmeden önce bir analogdan dijitale dönüstürücü (ADC) kullanilarak sayisallasti rilacakti r. Sistemde yazilim bileseni olarak sinyal isleme ve makine ögrenimi algoritmalarinin yani sira sonuçlari görüntülemek için bir kullanici arabirimi kullanilacaktir. Sistem, sinyalin frekans içerigini analiz etmek ve insan faaliyetinin varligini belirlemek için Hizli Fourier Dönüsümü (FFT) algoritmasi gibi gelismis sinyal isleme teknikleri kullanacaktir. Sinyalin genlik, süre ve periyodiklik gibi dalga biçimi özellikleri de titresimin kaynagi hakkinda ek bilgi saglamak için analiz edilecektir. Sistem, sinyal analizinin sonuçlarini, bilinen bir insan etkinligi modeliyle karsilastiracak ve bu bilgiyi farkli titresim türleri arasinda ayrim yapmak için kullanacaktir. Gürültü ve paraziti filtrelemek ve titresim sinyallerinden öznitelikler çikarmak için sinyal isleme algoritmalari gelistirilmistir. Çikarilan özellikler, insan ve insan olmayan titresimleri ayirt etmek için evrisimli sinir agi (CNN) gibi bir makine ögrenme algoritmasina girdi olarak kullanilacaktir. Sistemin performansi, insan varligini tespit etme ve insan ve insan olmayan titresimleri ayirt etmedeki dogrulugunu ve etkinligini belirlemek için simüle edilmis felaket senaryolari ve gerçek dünya senaryolari dahil olmak üzere çesitli senaryolar kullanilarak degerlendirilecektir. Sistem için kullanici dostu bir arayüz gelistirmek amaciyla sinyal analizi sonuçlarini görüntüleyebilen ve insan aktivitesi tespit edildiginde uyari veren bir grafik kullanici arayüzü (GUI) gelistirilmistir. GUI, sezgisel ve kullanimi kolay olacak sekilde tasarlanmis olup gerçek zamanli izleme, veri kaydi ve özellestirilebilir uyari ayarlari gibi özellikler içermektedir. Önerilen sistem için algoritma çalisma mantigi su sekildedir: Baslatma: Veri toplama için mikrodenetleyici (2) ve piezoelektrik sensörü (1) kurulur. Sinyali uygun bir frekans ve çözünürlükte örneklemek için ADC yapilandirilir. Sinyal Isleme: Sinyaldeki gürültüyü ve diger parazitleri gidermek için dijital sinyal isleme teknikleri uygulanir. Sinyal analiz için uygun bir seviyeye yükseltilir. Ilgi araligi disindaki frekanslari kaldirmak için bir bant geçiren filtre uygulanir. Özellik Çikarma: Sinyalden frekans içerigi, genlik, süre ve periyodiklik gibi ilgili özellikler çikarilir. Sinyali zaman alanindan frekans alanina dönüstürmek için bir FFT algoritmasi kullanilir ve insan etkinligine karsilik gelen frekans bilesenleri belirlenir. Model Tanima: Ayiklanan özellikler, ayak sesleri veya nefes alan bir kisinin titresim modeli gibi bilinen bir insan etkinligi modeliyle karsilastirilir. Sinyali insan etkinligi veya baska bir kaynak olarak siniflandirmak için destek vektör makinesi (SVM) veya sinir agi gibi bir makine ögrenimi algoritmasi kullanilir. Karar Verme: Örüntü tanima algoritmasinin sonuçlarina dayanarak, sinyalin insan faaliyetinden mi yoksa baska bir kaynaktan mi kaynaklandigina karar verilir. Insan etkinligi algilanirsa, bir uyari tetiklenir veya GUI'de bir mesaj görüntülenir. Çikti: GUI araciligiyla kullaniciya sinyal analizi ve örüntü tanima algoritmalarinin sonuçlari verilir. Sinyalin ve algilanan insan etkinliginin gerçek zamanli izlenmesi saglanir ve sonuçlar gelecekteki analiz ve inceleme için günlüge kaydedilir. Sistemin, hareketlerden kaynaklanan titresimleri analiz ederek afet bölgelerinde insanlarin varligini dogru bir sekilde tespit etmesi beklenmektedir. Derin ögrenme algoritmasinin entegrasyonunun, insan ve insan disi titresimler arasinda ayrim yaparak sistemin dogrulugunu önemli ölçüde iyilestirmesi hedeflenmektedir. TR TR TR TR TR TR TR TR TRDESCRIPTION A VIBRATION-BASED HUMAN DETECTION SYSTEM USING A PIEZO SENSOR Technical Field The invention relates to a vibration-based human detection system using a piezoelectric sensor for search and rescue applications, with a focus on detecting human presence in disaster areas such as collapsed buildings. State of the Art Disaster response and search and rescue operations rely primarily on human senses and basic technology to locate survivors. This approach is time-consuming, resource-intensive, and often limited by the availability of qualified personnel and appropriate technology. Consequently, the search and rescue process can be slow and inefficient, resulting in delays in locating survivors and potentially increasing the number of fatalities. The use of vibration-based human detection systems for search and rescue applications has been investigated in several studies. For example, a study by Chen et al. (2018) proposed a system that uses a piezoelectric sensor and a support vector machine (SVM) algorithm to detect human presence based on vibrations produced by breathing and heartbeat. Wang et al. (2019) proposed a system that uses an accelerometer and a CNN algorithm to detect human presence based on vibrations produced by footsteps. The use of deep learning algorithms, particularly CNNs, has been shown to significantly improve the accuracy of vibration-based human detection systems. For example, a study by Wang et al. (2020) concerns a system that uses a CNN algorithm to classify human and non-human vibration signals captured by a smartphone accelerometer. The proposed system achieved over 90% accuracy in detecting human presence. The use of vibration sensors to detect human presence and movement is not a new concept. In fact, it is widely used in various applications such as security systems and machine condition monitoring. However, detecting vibrations in underground or collapsed buildings presents a unique challenge due to noise and interference caused by environmental factors. In recent years, several research studies have focused on developing vibration-based systems to detect human presence in disaster scenarios. One such study, by Wang et al. (2019), proposed a system using piezoelectric sensors and machine learning algorithms to detect human presence and movement in a debris field. The study reported high accuracy rates in detecting human vibrations and demonstrated the potential of such systems in search and rescue operations. Another study by Islam et al. (2020) demonstrated a system for detecting human activity in a smart home environment using vibration sensors. The study used signal processing techniques to extract features from vibration signals and achieved high accuracy rates in detecting human activity. Application CN107179120A in the current art relates to an audio life-detection device for detecting people buried under earthquake debris. A sensor purifies the sound received from the debris from noise, enabling the differentiation of the voices of people buried under the rubble. However, the application in question does not mention any data on classifying the denoised signal and using the resulting classified signal for more sensitive detection. Consequently, due to the drawbacks described above and the inadequacy of existing solutions, it was deemed necessary to make further developments in the relevant technical area. Purpose of the Invention The main purpose of the inventive system is to detect vibrations in underground or collapsed buildings using a piezo sensor and to distinguish between human and non-human vibrations. The invention aims to accurately detect the presence of people in disaster areas, focusing on search and rescue applications. While many studies have investigated the use of vibration-based human detection systems, few have integrated deep learning algorithms to improve system accuracy. The system aims to address this gap by integrating a CNN algorithm to distinguish between human and non-human vibrations. Furthermore, the focus is on developing a practical, low-cost system that can be easily deployed by search and rescue teams in emergency situations. While other methods, such as thermal imaging and acoustic sensors, exist, these methods have limitations in terms of their effectiveness and applicability to various disaster scenarios. The inventive system's ability to distinguish between human and non-human vibrations can significantly reduce false alarms and increase the efficiency of search and rescue operations. The integration of machine learning algorithms into the system will enable high-accuracy data classification even in noisy and unpredictable environments. This application of machine learning techniques has the potential to significantly advance the field by creating new opportunities for innovation and discovery. The use of wireless sensor networks and monitoring systems for civil infrastructure such as buildings, bridges, and tunnels is an important area for ensuring public safety and reducing maintenance costs. The vibration detection system proposed in the invention can be integrated with existing monitoring systems for underground spaces, adding an additional layer of security. The system's low-cost and portable design makes it highly accessible and suitable for deployment in a variety of disaster scenarios worldwide. The inventive system is expected to reliably and accurately identify human activities in various environments, including collapsed buildings, earthquake zones, and other emergency situations. The system is expected to be user-friendly and user-friendly with its graphical user interface that provides real-time monitoring and data recording. The objectives of the invention: 0. To develop a reliable and accurate piezo sensor-based vibration detection system capable of identifying human activity in various environments. o Applying advanced signal processing techniques to analyze the frequency and waveform characteristics of detected signals. 0 Using the results of signal analysis to distinguish between different types of vibration and determine whether they originate from human activity or some other source. 0 Developing a user-friendly interface that can display signal analysis results and provide alerts when human activity is detected. The structural and characteristic features of the invention and all its advantages will be more clearly understood through the figures given below and the detailed explanation written by referencing these figures. Explanation of the Figures Figure 1 is a schematic view of the vibration-based human detection system that is the subject of the invention. The drawings are not necessarily to scale, and details not necessary for understanding the present invention may have been omitted. Description of Part References Piezoelectric Sensor Microcontroller Smart Device Detailed Description of the Invention In this detailed description, preferred embodiments of the invention are described solely for the purpose of better understanding the subject and in a way that does not create any limiting effects. The inventive system includes a piezoelectric sensor (1) to capture vibrations generated by human movements, a microcontroller (2) to process and classify the signals, and a power supply. The system will filter out noise and interference caused by environmental factors such as wind and seismic activity and distinguish between human and non-human vibrations using signal processing techniques and deep learning algorithms. The system will include the design and development of hardware and software components, as well as the training and integration of the deep learning algorithm. The system will be based on a microcontroller (2) platform, such as an Arduino or STM32, that will be used to interface with the piezoelectric sensor (1) and perform signal processing and analysis. The piezoelectric sensor (1) will be placed on the ground or in another suitable location and will detect vibrations caused by human activity or other sources. The signal detected by the piezoelectric sensor (1) will be amplified and filtered to eliminate noise and other interference and digitized using an analog-to-digital converter (ADC) before being analyzed by the microcontroller (2). The system will utilize software components such as signal processing and machine learning algorithms, as well as a user interface to display the results. The system will utilize advanced signal processing techniques, such as the Fast Fourier Transform (FFT) algorithm, to analyze the frequency content of the signal and determine the presence of human activity. Waveform characteristics of the signal, such as amplitude, duration, and periodicity, will also be analyzed to provide additional information about the source of the vibration. The system will compare the results of the signal analysis to a known human activity model and use this information to distinguish between different types of vibration. Signal processing algorithms have been developed to filter noise and interference and extract features from the vibration signals. The extracted features will be used as input to a machine learning algorithm, such as a convolutional neural network (CNN), to distinguish between human and non-human vibrations. The system's performance will be evaluated using various scenarios, including simulated disaster scenarios and real-world scenarios, to determine its accuracy and effectiveness in detecting human presence and distinguishing between human and non-human vibrations. To develop a user-friendly interface for the system, a graphical user interface (GUI) was developed that displays signal analysis results and generates alerts when human activity is detected. The GUI is designed to be intuitive and user-friendly, and includes features such as real-time monitoring, data recording, and customizable alert settings. The algorithm for the proposed system is as follows: Initialization: A microcontroller (2) and a piezoelectric sensor (1) are installed for data collection. The ADC is configured to sample the signal at an appropriate frequency and resolution. Signal Processing: Digital signal processing techniques are applied to remove noise and other interference from the signal. The signal is amplified to a level suitable for analysis. A band-pass filter is applied to remove frequencies outside the range of interest. Feature Extraction: Relevant features, such as frequency content, amplitude, duration, and periodicity, are extracted from the signal. An FFT algorithm is used to transform the signal from the time domain to the frequency domain, and the frequency components corresponding to human activity are identified. Pattern Recognition: The extracted features are compared to a known human activity pattern, such as footsteps or the vibration pattern of a person breathing. A machine learning algorithm, such as a support vector machine (SVM) or a neural network, is used to classify the signal as human activity or another source. Decision Making: Based on the results of the pattern recognition algorithm, a decision is made whether the signal originates from human activity or another source. If human activity is detected, an alert is triggered or a message is displayed in the GUI. Output: The results of the signal analysis and pattern recognition algorithms are presented to the user through the GUI. Real-time monitoring of the signal and detected human activity is provided, and the results are logged for future analysis and review. The system is expected to accurately detect the presence of people in disaster areas by analyzing vibrations resulting from movement. The integration of a deep learning algorithm is expected to significantly improve system accuracy by distinguishing between human and non-human vibrations.