Geri Dön

Derin öğrenme kullanılarak araç içi görüntüden dikkatsiz sürücü tespiti

Distracted driver detection from in vehicle image using deep learning

  1. Tez No: 720988
  2. Yazar: SEYİT OZAN ÖZDİL
  3. Danışmanlar: PROF. DR. SONGÜL VARLI
  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: 2022
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 46

Özet

Dünya Sağlık Örgütü (WHO) raporuna göre, son yıllarda dünya nüfusuna göre ölüm oranı sabitlenmiş olsa da, karayolu trafik kazası ölümlerinin sayısı son birkaç yıldan beri sürekli artmaktadır. Ulusal Karayolu Trafik Güvenliği İdaresi'nin (NHTSA) araştırmasına göre, dikkati dağılmış sürüş, trafik kazalarında önde gelen bir faktördür. Dikkati dağılmış sürücüler gerçekleşen bu kazaların beşte birlik dilimini oluşturmaktadır. Sürücüler, araç sürerken sıklıkla dikkat dağıtan ikincil faaliyetler gerçekleştirirler. Dikkati dağılmış sürücü davranışları arasında mesajlaşma, telefonda konuşma, radyo çalıştırma, içecek içme, arkaya uzanma, saç veya makyaj düzeltme ve yolcuyla konuşma sayılabilir. Bu çalışma ile kazaları azaltmak ve güvenliği artırmak hedeflenmektedir. Çalışma içerisinde, birden fazla evrişimli sinir ağı, dikkati dağılmış sürücü görüntüleri kullanılarak eğitilmiştir. Önceden eğitilmiş modellerle stacking ensemble tekniği kullanılarak dikkati dağılmış sürüşü tespit edebilecek bir sistem önerilmektedir. EfficientnetV2-M, EfficientnetV2-S, DenseNet201, InceptionV3 ve InceptionResNetV2 olmak üzere beş bağımsız derin nöral mimariden oluşan hibrit bir yaklaşım sunulmaktadır. Bu çalışmada, dikkati dağılmış sürücü tespiti çalışmalarında en çok kullanılan AUC ve StateFarm Dikkati Dağılmış Sürücü veri setleri kullanılmıştır.

Özet (Çeviri)

According to the World Health Organization (WHO) report, although the death rate relative to the world population has stabilized in recent years, the number of road traffic deaths has been steadily increasing over the past few years. According to research from the National Highway Traffic Safety Administration (NHTSA), distracted driving is a leading factor in traffic accidents. About one-fifth of these accidents are caused by distracted drivers. Drivers often perform secondary activities that are distracting while driving. Distracted driver behaviors include texting, talking on the phone, operating the radio, drinking, lying back, fixing hair or make-up, and talking to the passenger. This study, it is aimed to reduce accidents and increase safety. The study proposes a distracted driver detection system that classifies distracted activities by training different convolutional neural networks on images and using ensemble techniques. We offer a hybrid approach consisting of five independent deep neural architectures: EfficientnetV2-Medium, EfficientnetV2-Small, DenseNet201, InceptionV3 and InceptionResNetV2. In this study, AUC and StateFarm Distracted Driver datasets, which are the most widely used in distracted driver detection studies, were used.

Benzer Tezler

  1. Developing algorithm for automatic detection of caves using unmanned aerial vehicle data

    İnsansız hava araçlarından elde edilen verilerle otomatik mağara tespiti yapabilen algoritmanın geliştirilmesi

    MUSTAFA BÜNYAMİN SAĞMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    DOÇ. DR. ORKAN ÖZCAN

  2. Hava durumuna göre değişen araç hız sınırı uygulaması

    Vehicle speed limit application according to weather conditions

    EMİR MUSTAFA EFE

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ VEYSEL GÖKHAN BÖCEKÇİ

  3. Derin öğrenme kullanılarak perakende ürün tespiti

    Başlık çevirisi yok

    İSMAİL KÖSE

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilim ve TeknolojiSivas Cumhuriyet Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. OĞUZ KAYNAR

  4. Sürücü asistan sistemleri için mobil GPU tabanlı gerçek zamanlı durum analizi ve tespit uygulamaları

    Mobile GPU based real-time status analysis and detection applications for driver assistant systems

    EMİN GÜNEY

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CÜNEYT BAYILMIŞ

  5. Derin öğrenme tabanlı yöntemler ile GPR görüntülerinde obje tespiti

    Object detection in GPR images with deep learning based methods

    ORHAN APAYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Jeofizik Mühendisliğiİstanbul Teknik Üniversitesi

    Jeofizik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TURGAY İŞSEVEN