Geri Dön

Derin öğrenme yaklaşımları ile gömülü sistemler için gerçek zamanlı araç sayım ve takip sistemi

Real-time vehicle counting and tracking system with deep learning approaches for embedded systems

  1. Tez No: 746864
  2. Yazar: ABDULREZZAK DURAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ RAMAZAN DUVAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 60

Özet

Günümüzde gelişen görüntüleme teknolojileri sayesinde devletlerin güvenlik ve denetleme amaçlarıyla kullandıkları görüntüleme sistemleri ile sivillerin kaydettiği video içerikler artmıştır. Bunun bir sonucu olarak da oluşturulan büyük ölçekteki verinin otomatik şekilde işlenmesi gereksinimi nedeniyle nesne tespiti algoritmalarına olan ilgi ve bu konuda yapılan araştırmalar buna paralel şekilde artmıştır. Bu çalışmada araç ve yaya tespiti amacıyla derin öğrenme temelli nesne tespit yaklaşımlarından olan YOLOv4, YOLOv5 ve EfficientDet yöntemleri kullanılmış ve bu nesne tespit yaklaşımlarının performansları kıyaslanarak probleme en uygun yaklaşımın tespit edilmesi amaçlanmıştır. Böylece en uygun yöntem seçilerek araç trafiğine açık rotalarda denetleme amaçlı görüntüleme sistemleri, anlık veya belirli bir zaman diliminde yoldan geçen farklı tiplerdeki araç ve yaya sayısının tespitini ve takibini yapabilecektir. Bu çalışma kapsamında son olarak önceden test edilen ve karşılaştırılan tespit yöntemleri ve sayım algoritması düşük maliyetli işlem birimleriyle gerçek zamanlı olarak çalıştırılmış ve performansları incelenmiştir. Elde edilen bu sonuçlar bu tip sistemlerin kara yollarında, şehir içi yollarda ve otoparklarda kullanıma uygun olan sistem gömülü sistemler üzerinde gerçek zamanlı çalışabilecek performansta ve başarımda olduğunu göstermiştir.

Özet (Çeviri)

Thanks to the developing imaging technologies, the imaging systems used by the governments for security and surveillance purposes and the video contents captured by civilians have increased. As a result of this, due to the need for automatic processing of large-scale generated data, the interest in object detection algorithms and research on this subject have increased. In this work, YOLOv4, YOLOv5 and EfficientDet methods which are deep learning based object detection approaches are used for vehicle and pedestrian detection. In this study, it is aimed to determine the most appropriate method to the problem by comparing the performances of these object detection approaches. Thus, by selecting the most appropriate method, the system will be able to identify and track the number of vehicles and their types and pedestrians crossing the road in real time or specific time period for monitoring purposes on any roads. Finally, within the scope of this study, the deep learning methods and the counting algorithm are implemented in real time and their performances are examined. These results show that this type of systems has the performance and accuracy to work in real-time on embedded systems, which are suitable for use on highways, urban roads and parking lots.

Benzer Tezler

  1. Artificial intelligence based android assistant for colorimetric detection

    Kolorimetrik tespit için yapay zeka tabanlı android asistanı

    VAKKAS DOĞAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VOLKAN KILIÇ

    DOÇ. DR. MUSTAFA ŞEN

  2. Manipulation of visually recognized objects using deep learning

    Görsel tanınan nesnelerin derin öğrenme kullanarak hareket ettirilmesi

    ERTUĞRUL BAYRAKTAR

    Doktora

    İngilizce

    İngilizce

    2018

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PINAR BOYRAZ

  3. Derin öğrenme yaklaşımları ile gömülü platform üzerinde yüz analizi sisteminin gerçekleştirilmesi

    Implementation of face analysis system with deep learning approaches on embedded platform

    ABDULATIF AHMED ALI ABOLUHOM

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMET KANDİLLİ

  4. Deep learning model optimization for real-time smallobject detection on embedded gpus

    Gömülü GPU'larda gerçek zamanlı küçük nesne tespiti için derin öğrenme model optimizasyonu

    SHAROZE ALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı

    PROF. DR. HASAN FEHMİ ATEŞ

  5. Real-time anomaly detection in UAV systems using TinyML on ARM Cortex-M microcontrollers

    ARM Cortex-M mikrodenetleyicilerde gömülü makine öğrenmesi kullanarak İHA sistemlerinde gerçek zamanlı anomali tespiti

    MEHMET ALPEREN BAKICI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ