Gelişmiş yaya tespit sistemi için nesne algılama algoritmalarının karşılaştırmalı analizi
Comparative analysis of object detection algorithms for advanced pedestrian detection systems
- Tez No: 1003936
- Danışmanlar: DOÇ. DR. AHMET HAŞİM YURTTAKAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu araştırmada, yaya çarpışmalarını önlemek için derin öğrenme tabanlı bir yaya algılama sistemi geliştirilmiştir. Bu çarpışmalar, kentsel trafik kazalarının önemli bir bölümünü oluşturmaktadır. MakeSense etiketleme aracını kullanarak 620 adet yüksek çözünürlüklü yaya görüntüsünden oluşan özel bir veri seti oluşturuldu ve bu veriler etiketlendi. Bu veri setini kullanarak YOLOv8, YOLOv11 ve YOLOv12 modelleri eğitildi ve bunları kesinlik, duyarlılık, mAP ve F1 puanı temelinde değerlendirdik. Eğitim GPU hızlandırma desteği ile Python kullanılarak Google Colab ortamında gerçekleştirildi. Modeller arasında YOLOv11-S, %94,9'luk F1 puanı ve %95.7 mAP değeri ile en yüksek performansı elde etti. Daha sonra eğitilmiş modeli PyQt5 tabanlı bir masaüstü simülasyon arayüzüne entegre ederek gerçek zamanlı yaya algılama ve otomatik trafik ışığı kontrolü sağlandı. Sonuçlar, derin öğrenme tabanlı yaya algılama sistemlerinin gerçek zamanlı senaryolarda etkili bir şekilde çalışabileceğini ve akıllı şehir altyapıları için sürdürülebilir, ölçeklenebilir bir çözüm sunabileceğini göstermektedir.
Özet (Çeviri)
In this research, a deep learning-based pedestrian detection system was developed to prevent pedestrian collisions. These collisions constitute a significant portion of urban traffic accidents. A custom dataset consisting of 620 high-resolution pedestrian images was created using the MakeSense labelling tool, and these images were labelled. Using this dataset, YOLOv8, YOLOv11, and YOLOv12 models were trained and evaluated based on precision, recall, mAP, and F1 score. Training was performed using Python with GPU acceleration support in the Google Colab environment. Among the models, YOLOv11-S achieved the highest performance with an F1 score of 94.9% and an mAP value of 95.7%. The trained model was then integrated into a PyQt5-based desktop simulation interface to enable real-time pedestrian detection and automatic traffic light control. The results demonstrate that deep learning-based pedestrian detection systems can operate effectively in real-time scenarios and offer a sustainable, scalable solution for smart city infrastructure.
Benzer Tezler
- Design, implementation and comparison ofsensor fusion methods for object detection and trackingbased on multiple 3D lidar sensors
Çoklu 3D lidar sensörleri üzerindenesne algılama ve takibi için sensör füzyon yöntemlerinintasarımı, uygulaması ve karşılaştırılması
ELİF AKSU TAŞDELEN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN SEZER
- 3D nokta bulutu verileri kullanılarak otonom sürüş için nesne algılama yöntemi ile karayolu envanterlerinin tespit edilmesi
Determination of highway inventories with object detection method for autonomous driving using 3D point cloud data
HİLAL GEZGİN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. REHA METİN ALKAN
- Kamera görüntülerinde makine öğrenmesi algoritmaları ile yaya tespiti
Pedestrian detection in camera images with machine learning algorithms
MOHAMED NEMA LIMAME
Yüksek Lisans
Türkçe
2022
UlaşımBandırma Onyedi Eylül ÜniversitesiAkıllı Ulaşım Sistemleri ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLYAS ÖZER
- Derin öğrenme ile yaya-araç tespiti ve mesafe kestirimi
Pedestrian-vehicle detection with deep learning and distance estimation
OĞUZ BAŞOĞLU
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiEge ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSA ALCI
- Analysis of data association algorithms for human tracking
İnsan takibi için veri ilişkilendirme algoritmalarının analizi
NURETTİN ÖZÇELİK
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. VOLKAN SEZER