Yapay zekâ tabanlı bilgisayarlı görü ile trafik kompozisyonunun belirlenmesi
Determining traffic composition with artificial intelligence based computer vision
- Tez No: 704303
- Danışmanlar: PROF. DR. AHMET TORTUM
- Tez Türü: Yüksek Lisans
- Konular: Ulaşım, Transportation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Trafik sayımları, ulaşım planlamasının yapılabilmesi adına ihtiyaç duyulan en temel veri toplanması işidir. Trafik sayımı verilerinin toplanması için çok çeşitli yöntemler (Manuel Sayım: Form Üzerine İşlenerek Sayım, Mekanik Sayaçlarla Sayım, Elektronik Sayaçlarla Sayım; Otomatik Sayım: Pnömatik Tüp, Sabit Sayıcılar, Video Kamera) bulunmaktadır. Bu yöntemler arasında video görüntüleri üzerinden bilgisayarın otomatik algılamasıyla sayım yapılması manuel sayımlarda saatlerce kullanılan insan gücünü ortadan kaldırabilir veya yol sathına yerleştirilen, trafik yüklerinin etkisiyle yıpranıp bozulan otomatik sayım ekipmanlarının maliyetini ortadan kaldırabilir. Bu doğrultuda tezin amacı trafik sayımlarının bilgisayarlı görü ile yapılmasıdır. Çalışma kapsamında farklı tipteki araç imgeleri toplanarak bir veri kümesi oluşturulmuştur. Veri kümesi 13232 imgeden oluşmaktadır. Oluşturulan veri kümesi, imgelerdeki ve videolardaki nesneleri konumlarıyla birlikte tek seferde tespit edebilen yapay bir sinir ağı olan YOLOv3 ile araç tipini tanıyan bir model eğitimi ve test edilmesi için kullanılmıştır. Veri kümesinde bulunan imgelere etiketleme yapıldıktan sonra girdi olarak nesne tanıma algoritmasına verilmiş, algoritma bu imgelerle eğitilmiş, sonuç olarak herhangi bir imge veya video üzerinde bu araçların sınıflandırılması yapılmıştır. Sınıflandırma işlemi tamamlandıktan sonra araçlar sınıflarına göre saydırılmıştır. Çalışma sonucunda araçları %94,92 doğrulukla sınıflandırabilen bir model oluşturulmuş ve %89,88 araç sayım isabeti elde edilmiştir.Kullanılan yöntemle trafik sayımları yüksek isabet oranıyla yapılmıştır. Bu sayede sayımlar çok daha kolay, daha ekonomik ve kısa sürelerde bilgisayar yardımıyla, otomatik bir şekilde yapılabilecektir. Elde edilen veriler ulaşımın planlanması ve trafiğin yönetilmesi amacıyla kullanılabilmektedir.
Özet (Çeviri)
Traffic counting is the most basic data collection event required for transportation planning. There are various methods for collecting traffic count data. Counting with automatic detection (computer aided) over traffic video footage can eliminate the manpower used for hours in manual counts or it can eliminate the cost of automatic counting equipment placed on the road surface, worn and damaged by the effect of traffic loads. For that reasons this study aimed to make traffic counts with computer vision.Within the scope of study, different types of vehicle images were collected and a dataset was created. The dataset consists of 13232 images. The created dataset was used for training and testing a model that recognizes the vehicle type with YOLOv3. After the training with the dataset, trained model can classify the vehicles on any image or video. After the classification process was completed, the vehicles were counted according to their types. As a result of the study a model has been created that can classify vehicles with 94.92% accuracy and % 89,88 vehicle counting accuracy has been achieved.With the method used, traffic counts were made with high accuracy. Thus, counts can be done much easier, more economic and can be done automatically by a computer in a short period of time. The data obtained can be used for transportation planning and managing traffic.
Benzer Tezler
- Riskli alanlar için LPG takılı araçların bilgisayarlı görü teknikleriyle tespit edilmesi
Detection of LPG fitted vehicles for risky areas with computer vision techniques
ÖZNUR SUÇEKEN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER
- Study the possibility of detecting car accidents and recognition of car's plate number by using (AI)
Başlık çevirisi yok
ALI MOOAID SALMAN AL-MADHACHI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN ABDULKADER
- Prediction of the pedestrian crossing intention using deep learning
Yayaların karşıya geçme davranışlarının derin öğrenmeyle tahmini
BERK EREN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET HAMDİ KAYRAN
- Serebrovasküler hastalıkların teşhisi için yapay zeka tabanlı karar destek sistemi
Artificial intelligence based decision support system for diagnosis of cerebrovascular disease
FURKAN KUTAN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. UĞURHAN KUTBAY
- Bilgisayarlı görü ile dijital ergonomik risk değerlendirme sistemi: REBA, RULA ve OWAS uygulaması
Digital ergonomic risk assessment system with computerized vision: REBA, RULA and OWAS application
ANIL ÖZKAN GEÇİCİ
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER KİRAZ