Fatigue detection of drivers using image processing and artificialintelligence techniques
Kullanarak sürücülerin yorgunluk tespiti görüntü işleme ve yapayzeka teknikleri
- Tez No: 829247
- Danışmanlar: DR. ÖĞR. ÜYESİ TİMUR İNAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 50
Özet
Karayolu trafik kazaları, kamu güvenliği için ciddi bir tehdit oluşturmaktadır ve önemli bir kaza kaynağıdır. dünya çapında ölümler, özellikle de sürücü uyuşuklukunun neden olduğu ölümler. İle yapay zekanın (AI) geliştirilmesi, yenilikçi oluşturmak için çaba sarf edilmiştir. sürücü yorgunluğunu belirlemeyi ve erken uyarı vermeyi hedefleyen proje ve sistemler. İçinde Bu çalışmada, gerçek zamanlı bir sürücü algılama ve uyarı sistemini açıklıyoruz. evrişimli sinir ağları (CNN'ler) dahil olmak üzere derin yapay zeka, açık CV yüzü tanıma ve görüntü işleme yöntemleri. CNN'ler bir sürücüdeki küçük değişiklikleri tanıyabilir insanı mükemmel bir şekilde kopyaladıkları için yorgunluğu düşündüren davranış veya görünüm görsel sistem Bu ağlar, yorgunluk kalıplarını ve belirtilerini tanımlamada oldukça hassastır çünkü sürüş davranışına ilişkin devasa veri kümeleri üzerinde eğitildiler. CNN'ler bir sisteme entegre edilmiştir. Çeşitli sensörler kullanarak sürücünün davranışını sürekli olarak analiz eden sistem, sarkma gibi yorgunluk göstergelerini belirlemek için kameralar ve biyometrik sensörler dahil göz kapakları ve dokunsal, görsel veya sesli mesajlar yoluyla sürücüyü bilgilendirin. Sürücü yorgunluğunu doğru bir şekilde belirleyen ve diğer sürücüleri hızla uyaran son teknoloji bir AI sistemi oluşturarak, araştırmalar potansiyel olarak kazaları önler ve yolda hayat kurtarır.
Özet (Çeviri)
Road traffic accidents pose a serious threat to public safety and are a major source of fatalities around the world, particularly those brought on by driver drowsiness. With the development of artificial intelligence (AI), efforts have been made to create innovative projects and systems targeted at identifying driver weariness and issuing early warnings. In this study, we describe a real-time driver detection and warning system that makes use of deep artificial intelligence, including convolutional neural networks (CNNs), open CV face recognition, and image processing methods. CNNs can recognize small changes in a driver's behaviour or appearance that suggest fatigue because they perfectly replicate the human visual system. These networks are highly accurate in identifying patterns and signs of fatigue because they have been trained on huge datasets of driving behaviour. The CNNs are integrated into a system that continuously analyses the behaviour of the driver using a variety of sensors, including cameras and biometric sensors, to identify indicators of fatigue, such as drooping eyelids, and notify the driver through tactile, visual, or audio messages. By creating a cuttingedge AI system that accurately identifies driver fatigue and swiftly alerts other drivers, the research potentially prevents accidents and saves lives on the road.
Benzer Tezler
- Hybrid artificial intelligence-based driver analysis using can bus and image processing techniques
Can bus ve görüntü işleme teknıklerı ıle hıbrıt yapay zeka tabanlı sürücü analızı
EGEMEN ÖZGÜN GÜNEŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYTUN ONAY
- Sürücülerde uykululuk hali tespit sistemi tasarımı ve uygulaması
Design and implementation of drowsiness detection system for drivers
NUR YASİN PEKER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ZENGİN
- Kanal tabanlı özellik temsili ve derin öğrenmeye dayalı uykululuk sınıflandırması
Drowsiness classification based on channel-based feature representation and deep learning
MUSTAFA RIFAT ÇELİK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ
- An FPGA implementation of a RISC-V based SOC system with custom instruction set for image processing applications
Görüntü işleme uygulamaları için özel komut setine sahip RISC-V tabanlı bir SOC sısteminin FPGA gerçeklemesi
ERFAN GHOLIZADEHAZARI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
- Derin öğrenme tabanlı sürücü yorgunluğu sezme ve tahmin sistemi geliştirilmesi
Detecting drivers' fatigue and development of a prediction system based on deep learning
BURCU KIR SAVAŞ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR BECERİKLİ