İnsan tespiti için otonom iç mekan keşfi
Autonomous indoor discovery for human detection
- Tez No: 856060
- Danışmanlar: PROF. DR. HACER KARACAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Savunma ve Savunma Teknolojileri, Computer Engineering and Computer Science and Control, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 165
Özet
İnsansız hava araçlarında yapay zekanın kritik görev özellikleriyle birleştirilmesi giderek daha fazla önem kazanmakta ve geliştirilen sistemler için oyun değiştirici güç faktörü olarak kabul görmektedir. Yapay zeka ve derin öğrenme yöntemleri bu anlamda akıllı drone sistemlerinin kalbini oluşturmaktadır. Araştırmanın temel motivasyonu, özellikle arama-kurtarma operasyonları ve güvenlik izleme sistemleri gibi kritik uygulamalarda kullanılmak üzere, daha etkin ve güvenilir drone ile insan tespit yöntemi geliştirmektir. Bu tez çalışmasında da akıllı drone sistemlerinin getirdiği öncü yeniliklerden esinlenilerek kapalı alanlarda drone ile insan tespiti konusu derinlemesine araştırılmış ve analiz edilmiştir. Çalışma, YOLO (You Only Look Once) olarak bilinen derin öğrenme modeli çerçevesinin ileri tekniklerini kullanarak, insansız hava araçları ile iç mekanlarda insanları otomatik olarak tespit eden, kapalı alan senaryolarına özgü zorlukları aşmak üzere özel olarak tasarlanmış YOLO-IHD modelinin geliştirilmesi ve uygulanması sürecini kapsamlı bir şekilde ele almaktadır. Modelin iyileştirilmesi, küçük nesne tespit katmanının entegrasyonu, Mish aktivasyon fonksiyonunun kullanılması ve geliştirilmiş Uzamsal Piramit Havuzlama (SPP) tekniklerinin uygulanması gibi yenilikçi özelliklerle gerçekleştirilmiştir. Bu geliştirmeler, modelin kapalı ortamlardaki insan tespiti performansını önemli ölçüde artırmıştır. Bu modeli dahada uyumlu ve dayanıklı hale getirmek için çeşitli iç mekan ortamlarından özgün olarak veri seti toplanmıştır. Toplanan veri seti ile drone uygulamalarında obje tespiti için sıkça kullanılanın kaliteli veri setleri harmanlanarak kapalı ortamda insan tespiti için özelleştirilmiş yeni bir veri seti oluşturulmuştur (IHD Veri Seti). Bu sayede model karmaşık kapalı alan ortamlarında insanları tespit etme doğruluğunu önemli ölçüde artırmıştır. Ayrıca, gerçek zamanlı tespit yapabilmesi için model, tez kapsamında özgün olarak geliştirilmiş bir iç mekan drone sistemi ile gerçek dünya koşullarında test edilmiştir. Bu deneyler, modelin kapalı alanlarda ve çeşitli zorlu senaryolarda insanları tespit edebilme kapasitesinde önemli iyileştirmeler sunduğunu ortaya koymuştur. Önerilen model, özellikle düşük çözünürlüklü kameralar ve sınırlı işlem kapasitesine sahip drone sistemleri için optimize edilmiş, yüksek doğruluk ve düşük gecikme süresi ile insan tespitinde önemli başarımlar sağlamıştır.
Özet (Çeviri)
The integration of artificial intelligence (AI) with the critical operational features of unmanned aerial vehicles (UAVs) is increasingly recognized as a game-changing factor for the developed systems. In this regard, AI and deep learning methods are at the core of intelligent drone systems. The primary motivation of this research is to develop a more effective and reliable method for drone-based human detection, especially for critical applications such as search-and-rescue operations and security monitoring systems. Inspired by the pioneering innovations brought by intelligent drone systems, this thesis thoroughly investigates and analyzes the topic of indoor human detection with drones. The study extensively covers the development and implementation process of a specially designed model, YOLO-IHD, which utilizes advanced techniques from the deep learning model known as YOLO (You Only Look Once) to autonomously detect humans in indoor environments, overcoming challenges specific to indoor scenarios. The model's enhancement includes innovative features such as the integration of a small object detection layer, the use of the Mish activation function and the improvement of Spatial Pyramid Pooling (SPP) techniques. These improvements have significantly increased the model's performance in detecting humans in indoor settings. To make this model even more compatible and robust, a unique dataset was collected from various indoor environments. This dataset, combined with high-quality datasets frequently used in drone applications for object detection, has led to the creation of a new dataset, the IHD Dataset, specifically tailored for indoor human detection, thereby significantly improving the model's accuracy in complex indoor environments. Furthermore, the model's performance was validated in real-world conditions using an original indoor drone system developed for this research, showcasing significant improvements in detecting humans across diverse and challenging indoor settings. Optimized for drone systems equipped with low-resolution cameras and limited-capacity processing units, the proposed model demonstrates remarkable achievements in human detection, characterized by high accuracy and low latency.
Benzer Tezler
- Coordinated target detection and tracking by drones using distance and vision
Mesafe ve görüntü kullanan dronlar ile koordine hedef teşhisi ve takibi
HÜSNÜ HALİD ALABAY
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAMET GÜLER
- Hareketli insan yüzü tespit ve takibi yapabilen İHA uygulaması
UAV application with moving human face detection and tracking
ENGİN GÜZEL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DOÇ. DR. MUSTAFA YAĞCI
- Deep learning-based keypoints driven visual inertial odometry for GNSS-denied flight
Yapay sinir ağları tabanlı nokta çıkarıcılı görsel-ataletsel odometri ile GPS'siz ortamda uçuş
ARSLAN ARTYKOV
Yüksek Lisans
İngilizce
2023
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU
- Nesnelerin interneti ekosisteminde bir keşif robotu tasarımı
Design of a discovery robot in internet of things
FATİH KAYRANCI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLSÜM ZEYNEP GÜRKAŞ AYDIN
- Vision based real time obstacle detection and human motion tracking system for movement of indoor autonomous mobile robot
İç mekan otonom mobil robotların hareketi için gerçek zamanlı görüntü tabanlı engelden kaçınma ve insan takip sistemi
ENES GÖNÜL
Yüksek Lisans
İngilizce
2019
Bilim ve TeknolojiYeditepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CEM ÜNSALAN