Geri Dön

Driver recognition and driver verification using data mining techniques

Veri madenciliği teknikleri kullanılarak sürücü tanıma ve sürücü doğrulama

  1. Tez No: 177922
  2. Yazar: KRİSTİN SURPUHİ BENLİ
  3. Danışmanlar: Y.DOÇ.DR. MUSTAFA TANER ESKİL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2007
  8. Dil: İngilizce
  9. Üniversite: Işık Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 100

Özet

Bu tez sürücü tanıma ve sürücü onaylama çalısmalarını içermektedir. Bu çalısmalar için sürücülerden toplanan bes degisik davranıs isaretleri kullanılmıstır. Bu isaretler yardımıyla sürücülerin öznitelikleri çıkarılmıs ve Karma Gauss Dagılım Modelleri kullanılarak sürücü davranısları modellenmistir. Karma Gauss Dagılım Modellerinin egitilmesi için Beklenti Enbüyütme algoritması kullanılmıstır. Sürücü tanıma çalısması için kimlikleri sınama verileri kullanılarak art olasılıklar elde edilmis ve bu olasılıklar aynı zamanda her sınıf için puan olarak kabul edilmistir. Bu puanların tümlestirilmesi için sabit kurallar ve egitilebilir tümlestiriciler kullanılmıstır. Sürücü dogrulama çalısması için olabilirlik oranının bir esikle karsılastırılması yapılmıstır. Degisik esik degerleri için yanlıs kabul-yanlıs red sıklıklarını grafiklemek için alıcı isletim egrisi kullanılmıstır. Bu çalısmanın amacı degisik sınıflandırıcı tümlestirme yöntemlerinin sürücü tanıma ve sürücü dogrulama performanslarına etkilerinin incelenmesidir. Egitilebilir tümlestirme yöntemleri ve sürücü davranıs sinyalleri kullanılarak sürücü tanımasında ve dogrulamasında düsük hata oranları elde edilmistir. Sonuçlarımız çok modlu sürüs sinyallerinin sınıflandırıcı tümlestirme yöntemleri ile kullanıldıgında sürücünün araba içi sartlarda tanınması ve onaylanmasında çok etkili olduklarını göstermistir.

Özet (Çeviri)

In this thesis we present our research in driver recognition and driver verification. The goal of this study is to investigate the affect of different classifier fusion techniques on the performance of driver recognition and driver verification. We are using five different driving behavior signals for identifying the driver identities. Driving features were extracted from these signals and Gaussian Mixture Models were used for modeling the driver behavior. Gaussian Mixture Model training was performed using the well-known EM algorithm. In recognition study posterior probabilities of identities called scores were obtained with the given test data. These scores were combined using different fixed and trainable (adaptive) combination methods. In verification study we compared posterior probabilities with fixed threshold values for each classifier. For different thresholds, false-accept rate versus falsereject rate was plotted using the receiver operating characteristics curve. We observed lower error rates when we used trainable combiners. We conclude that combined multi-modal signal or classifier methods are very successful in biometric recognition and verification of a person in a car environment.

Benzer Tezler

  1. Dizel araçlarda ses analiz yöntemleri ve sürücü bilgi sistemi tasarımı ile motor arızası tespiti

    Engine fault detection of diesel vehicles by sound analysis methods and driver information system design

    ALI MARDAN HAMEED QUTUB

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL SARITAŞ

  2. Bulanık kümeler ve meteoroloji uygulamaları

    Fuzzy sets and applications of meteorology

    HASAN TATLI

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEKİ ŞEN

  3. Akıllı ulaşım sistemleri için karayolu tipi, kavşak ve virajların derin öğrenme yöntemleri ile belirlenmesi

    Determination of highway type, intersections and curves for intelligent transportation systems by deep learning methods

    VEDAT TÜMEN

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BURHAN ERGEN

  4. Electric vehicle powertrain design and implementation

    Elektrikli araç sürüş sistemi tasarımı ve imalatı

    MERT SAFA MÖKÜKCÜ

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZGÜR ÜSTÜN

  5. Toplu ulaşımda sürücü tanıma sistem önerisi: İstanbul minibüs örneği

    Driver identification system proposal in public transportation:Case study in İstanbul minibüs

    MERVE KARTAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    UlaşımBandırma Onyedi Eylül Üniversitesi

    Akıllı Ulaşım Sistemleri ve Teknolojileri Ana Bilim Dalı

    PROF. DR. NECLA TEKTAŞ

    PROF. DR. MEHMET TEKTAŞ