Akıllı algoritmalar kullanarak sürücü davranışı algılama
Driver behavior detection using intelligent algorithms
- Tez No: 823267
- Danışmanlar: PROF. DR. YAŞAR BECERİKLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 169
Özet
Günümüz dünyasında araba kullanmak, tam dikkat gerektiren çok karmaşık ve tehlikeli bir iştir. (Dikkatinin dağılmış, agresif, uykulu, sinirli veya yorgun hissetmesi) gibi her türlü davranış, sürücünün dikkatini yoldan başka yöne çevirebilir. kazalara, ölümlere ve yaralanmalara neden olabilir. Trafik kazalarının dünya çapında ciddi bir sorun olduğunu söyleyebilirim. Çünkü bu olay dünyanın çoğu ülkesinde artmakta ve birçok mağdura neden olmaktadır. Bu projenin amacı, sürücü eylemlerini ve davranışlarını tanımlayabilen bir sistem geliştirmek için makine öğrenimi(MÖ) yöntemlerini ve Derin Öğrenme(DÖ) algoritmalarını kullanmaktır. Bu nedenle, dikkati dağılmış, agresif, uykulu, sinirli veya yorgun sürüş gibi riskli sürüş davranışlarını belirlemek önemlidir. Bu hedefe ulaşmak için 15 sürücü davranışı üzerinde çalışıyoruz. Sağlanan görüntüleri, sürücünün güvenli bir Şekilde mi yoksa agresif, uykulu, sinirli veya yorgun bir Şekilde mi sürdüğünü veya dikkat dağıtıcı faaliyetlerde bulunup bulunmadığını belirlemek için çeşitli ML modellerini ve DÖ'yi kullanarak kategorilere ayırdık. 15 sürücü davranışını ve 10'ar adet ML/DÖ yöntemleri tek projede birleştiren ilk calışmadır. Bir Makine Öğreniminde Yaklaşımımız, ilgili metriklere dayalı olarak en iyisini belirlemek için (DAA) ve (TBA) gibi farklı modelleri karşılaştırmayı içerir. DÖ'de CNN'lerle çalışan birkaç popüler algoritma ve teknik kullanılabilir. Bir ML algoritması sonucunda, özellikle Destek Vektör Makineleri (DVM), Önyükleme Toplama (Bagging) ve K-En Yakın Komşular (KYK) yöntemleri olmak üzere TBA'ya kıyasla DAA ile daha yüksek kesinlik, geri çağırma, F1 ve doğruluk elde edilebilir. TBA ve DAA kombinasyonunun birçok modelin performansını daha da artırabileceğini gösterir. Ayrıca bir DÖ sonucunda, Visual Geometry Group (VGG), MobileNet, Evrişimli Sinir Ağı (CNN), Residual Networks_101_Strategy_2, (ResNet_101_S2), Dense Convolutional Network_121(Densenet_121), Inception ve EfficientNet'in yüksek hassasiyet elde edilebilir.
Özet (Çeviri)
Driving a car in today's world is a very complex and dangerous job that requires full attention. Any behavior (feeling distracted, aggressive, drowsy, irritable or tired) can distract the driver from the road. can cause accidents, deaths and injuries. I can say that traffic accidents are a serious problem worldwide. Because this incident is increasing in most countries of the world and causes many victims. The aim of this project is to use ML methods and DL algorithms to develop a system that can describe driver actions and behaviors. Therefore, it is important to identify risky driving behaviors such as distracted, aggressive, drowsy, irritable or tired driving. We are working on 15 driver behaviors to achieve this goal. We categorized the images provided using various ML models and DL to determine whether the driver was driving safely or aggressively, drowsy, irritably, or tired, or engaged in distracting activities. It is the first study to combine 15 driver behaviors and 10 ML/DL methods in a single project. Our Approach to a ML involves comparing different models such as LDA and PCA to determine the best based on relevant metrics. In DÖ we use several popular algorithms and techniques that work with CNNs. An ML results show higher precision, recall, F1 and accuracy scores with LDA compared to PCA, especially (SVM), (Bagging) and (K-NN) methods. It shows that the combination of PCA and DAA can further improve the performance of many models. Also, a DL results show that (VGG), MobileNet, (CNN), (ResNet_101_S2), (Densenet_121), Inception and EfficientNet show high precision.
Benzer Tezler
- A comparative study of nonlinear model predictive control and reinforcement learning for path tracking
Yol izleme için doğrusal olmayan model öngörülü kontrol ve pekiştirmeli öğrenmenin karşılaştırmalı çalışması
GAMZE TÜRKMEN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Scalable planning and learning framework development for swarm-to-swarm engagement problems with reinforcement learning
Pekiştirmeli öğrenme ile sürüden sürüye angajman problemleri için ölçeklenebilir planlama ve öğrenme sistemi geliştirilmesi
UMUT DEMİR
Yüksek Lisans
İngilizce
2022
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Sürücü postürünün tanımlanması ve makine öğrenmesi tabanlı tahmini
Driver posture recognition and machine learning-based posture estimation
CEYHUN IBOLAR
Yüksek Lisans
Türkçe
2020
Mekatronik MühendisliğiYıldız Teknik ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. ERHAN AKDOĞAN
DR. A. EMRE ÇETİN
- A new framework for decentralized social networks: Harnessing blockchain, deep learning, and natural language processing
Merkezsiz sosyal ağlar için yeni bir çerçeve: Blok zinciri, derin öğrenme ve doğal dil işlemeyi kullanmak
AMIR AL KADAH
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ BALTA
- A web mapping infrastructure design and implementation with open source geo information technology: A case study of ITU Smart Campus
Web haritalama alt yapı tasarımı ve açık kaynak kodlu coğrafi bilgi teknolojileri ile İTÜ Akıllı Kampüs uygulaması çalışması
ROUHOLLAH NASIRZADEHDIZAJI
Yüksek Lisans
İngilizce
2015
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiCoğrafi Bilgi Teknolojileri Ana Bilim Dalı
PROF. DR. RAHMİ NURHAN ÇELİK