Smart trailer system with driver behaviour recognition and 360-degree surround view camera
Türkçe metin belgeleri için cümle sınırı tespit sistemi
- Tez No: 756106
- Danışmanlar: DOÇ. DR. MEHMET UĞRAŞ CUMA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Makine Öğrenmesi, Görüntü İşleme, Sürücü Davranış Tanımlama, Çevre Görüntüsü, Yapay Zeka, Machine Learning, Image Processing, Driver Behavior Recognition, Surrond View, Artificial Intelligence
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Modern dünyada insalık için sürücü güvenliği her zaman önemli bir konu olmuştur ve teknoloji yirminci yüzyılda sürekli olarak gelişme göstermiştir. Sürücü güvenliği için yeni teknolojiler, araç içi teknolojiler modern teknolojinin gelişmesi ile çok yol kat etmiştir. Otoyollarda artan kaza ve motorlu araç ölümlerinin artma ise beraber , otomotiv endüstri Gelişmiş sürücü asistanı destek modüllerini geliştirmeye başlamış ve kaza oranlarının yüksek olması geliştirme aşamasında verilen öncelikte büyük rol oynamıştır. Bu çalışma, YOLOV5 adlı makine öğrenme modeli ile sürücü davranıına dayalı hataları tespit etmek için geliştirilmiş entegre bir ADAS sistemini oluşturmaktadır. Ayrıca sürücü güvenliği arttırmak ve araç dışı kör noktaların görüşünün sağlanarak, sürücü çevre farkındalığını arttırmak amacı ile ADAS'a entegre 360 derecelik bir çevre görüş kamera sistemini de modele entegre etmiştir. Gelişmiş ADAS sisteminin aktif olarak kullanılması ile trafik kazalarını daha olmadan önce tespit edilmesini sağlamak ve ölüm oranlarını azaltmayı hedefleyen bir çalışmadır. Bu çalışmada kullanılan görüntü tanıma modeli YOLOV5 olmakla beraber görüntü tanıma modelleri arasında en hızlı çalışan model olarak bilinir. Model eğitimi için kullanılacak olan dataseti KOE'den(Koluman Otomotiv Endüstri) sağlanan sürücü imajı verilerini kullanmaktadır. Sonuçları belirlemek için birden fazla farklı parameter kullanır. Seçilen metrikler, ortalama kesinlik, kesinlik, geri çağırma, sınıflandırma ve diğer temel metriklerden olumaktadır. Bu çalışmada kullanılan görüntü işleme yöntemleri OpenCV kütüphanelerinin fonksiyonlarını barındırmaktadır. Bu kütüphane fonksiyonları yardımı ile balıkgözlü kamera lensleri kalibre edilir. Kuş bakışı görüntü oluşturulur. Maskeleme işlemi uygulanır ve fotoğraf birleştirilerek, pixel manipülasyonuna tabi tutulur. Sonuç olarak 360 derece entegre bir çevre görüş sistemi elde edilir.
Özet (Çeviri)
Driver safety has always been an essential subject for humanity, and technology has improved continuously in the twenty century. New technologies for driver safety have started to develop in-car technologies. Even though the technologies are increasing and significant motor-vehicle fatalities are decreasing on motorways, driver safety still plays a big part in the automotive industry. This study intends to provide a new dataset and an effective method for driver behavior recognition based on driver behavior with a machine learning model named YOLOV5. Furthermore, a 360-degree blank spot surround-view camera system was also integrated into the study to increase driver safety. Due to advanced technology giving a chance to imply a better plan, using these systems may prevent traffic accidents much more rather than not using them at all. The image recognition model used in this study is YOLOV5 (You Only Look Once Version 5). This model is implemented the driver image data provided from KOE (Koluman Otomotiv Endüstri). Different parameters are used to determine the results. The selected metrics are mean averaged precision, precision, recall, classification, and essential other metrics. With the evaluation of the object behavior model's accuracies, this paper aims to determine the effectiveness of driver behavior recognition using the YOLOV5 model. Image processing methods used in this study are from OpenCV libraries. This library function is implemented to the taken image from fisheye lens cameras, and calibration methods are used for better results.
Benzer Tezler
- Trakya havzası doğal gaz değerlendirilmesi
Başlık çevirisi yok
GÜLTEKİN ÇINAR
Yüksek Lisans
Türkçe
1996
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ABDURRAHMAN SATMAN
- Tek merkezden denetlenen çok PLC'li bir sistemin tekstil boyama prosesinin otomasyonunda kullanımı
Application of a central controlled multi PLC system to the textile dyeing process
MUVAFFAK AMASYA
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. MEHMET BÜLENT ÖRENCİK
- Ağır vasıta araç motorları için tek kademeli değişken geometrili ve çift kademeli turboşarj karşılaştırması ve seçimi
Turbocharger matching for heavy duty engines in comparison with single stage variable gometry and two stage turbocharger systems
SERKAN DAĞLAR
Yüksek Lisans
Türkçe
2012
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN ERTUĞRUL ARSLAN
- Gunt RT 522 akış eğitim setinin MATLAB ile gerçek zamanlı (real-time) kontrolü
The real-time control of Gunt RT 522 process trainer flow with MATLAB
ÖZCAN YAŞAR
Yüksek Lisans
Türkçe
2004
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı
Y.DOÇ.DR. FEVZİ BABA
Y.DOÇ.DR. HASAN ERDAL