Human activity recognition in home settings provides great facilities in ambient assisted living applications. With continuous and long term monitoring, daily routines of the residents can be inferred and any abnormal situation which can be an indicator of a disease can be detected. Furthermore, health professionals can be informed in advance in such situations. Recent advances in sensor network technologies enable researchers to utilize wireless sensor networks in human activity monitoring applications. We present an ambient assisted living system which monitors the daily living of residents. For this purpose, we deployed a wireless sensor network which consists of many ambient sensors in a real house in which two residents live. Data about daily living activities of residents were collected for 30 full days accounting the privacy issues under real world conditions. Using several machine learning methods, we classified the collected data in order to model behaviours of residents and make inferences about their habits. In this thesis, we elaborate the system architecture of the wireless sensor network, share the experiences obtained during the data collection process, and the results of the classification.

Ev ortamlarında insan hareketlerinin tanınması çevresel destekli yaşama uygulamalarında büyük yarar sağlar. Sürekli ve uzun vadeli izleme ile evden yaşayan insanların günlük rutinleri hakkında çıkarımlar yapılabilir ve bir hastalığın habercisi olabilecek anormal durumlar önceden anlaşılabilir. Ek olarak, sağlık çalışanları bu tarz durumlarda önceden bilgilendirilebilir. Algılayıcı ağlarındaki son gelişmeler araştırmacıların kablosuz algılayıcı ağları insan hareketi izleme uygulamalarında kullanmasına olanak sağlamıştır. Biz, evde yaşayan insanların günlük yaşamlarını izleyen bir çevresel destekli yaşam sistemi öneriyoruz. Bu amaçla, çeşitli çevresel algılayıcılardan oluşan bir kablosuz algılayıcı ağı iki kişinin yaşadığı bir eve kurduk. 30 tam gün boyunca, gerçek yaşam koşulları altında, evde yaşayanların özel hayatlarına saygı göstererek günlük yaşam hareketleri hakkında veri topladık. Çeşitli makine öğrenimi yöntemleriyle, toplanan veriyi evde yaşayan insanların davranışlarını modellemek ve onların alışkanlıkları hakkında çıkarımlar yapabilmek için sınıflandırdık. Bu tezde, tasarladığımız kablosuz algılayıcı ağın mimarisi hakkında detaylı bilgiler verip, veri toplama boyunca edindiğimiz tecrübeleri ve sınıflandırma sonuçlarını paylaşıyoruz.